一点点的金融

一点点的金融

    • [价值投资 = 需求 > 有限 > 不可逆 > 优势 > 长期持有者多](#价值投资 = 需求 > 有限 > 不可逆 > 优势 > 长期持有者多)
    • [趋势分析 = 改进MACD策略,使用涨跌幅比值RSI计算MACD](#趋势分析 = 改进MACD策略,使用涨跌幅比值RSI计算MACD)

价值投资 = 需求 > 有限 > 不可逆 > 优势 > 长期持有者多

咱们啊,整天操劳,挣的钱,要是换成那些日头能数着的东西,那日子可就红火了。

咋地?穷人就穷在,挣钱就为了那张纸,一心就想着挣那个。

富人呢,他们挣钱啊,那只是个过程,他们眼里盯的,是那些你我他都数得清的宝贝。

钱啊,不过是个通行证,让你有机会去抢那些真正值钱的货色。你要是就知道藏着通行证,那赢面儿,永远都小。

要是你没那种抢占的心思,那你这辈子,注定就是个打工仔,日复一日,年复一年,就那么换点工钱过日子。

还有更傻的呢,债务缠身,就为了买辆看着体面的车,不管是奔驰还是保时捷,那车间一开工,车子成堆成堆的往外冒。

当年你可能宁愿选择贷款50万去买辆宝马五系,就这么一念之差,财务自由就和你擦肩而过了。

你把辛苦钱都扔那儿了。这就像是个死循环,用你有限的力气,跟时间赛跑,换的却是别人随手就能造出来的玩意儿。

如果你去投资一个标的,核心判断:

  • 资源是有限的,有限的标的随时间价值提升
  • 不能退市(股市是第一大知识付费,公司上市不是做事业,是圈钱就溜),这个标的存在就有不可逆性,比如互联网来了,就不可逆了
  • 是否有竞争优势,比如第一个XXX(声望最大)、市场需求
  • 有多少长期不卖的人,这样的人越多(机构投资者和大股东的持股情况),长期下来,标的就会涨的越多,越合适投资。

比如字节跳动、阿里、腾讯、拼多多、谷歌、英伟达、meta、微软、苹果、亚马逊,他们形成了一个互联网新世界,相当于新世纪的巨头,提供一切互联网运作的基础设施和服务,包含数据、算力、云、计算、支付、交易、社交、娱乐、吃喝玩乐、衣食住行。

而且他们不断的投资新事物,大部分新技术、新服务都被他们应用和变革,赚钱能力只会越来越强。

具体收益率就不说了,可以看看相关基金近10年收益率。

这不构成投资建议,仅供个人复盘。


趋势分析 = 改进MACD策略,使用涨跌幅比值RSI计算MACD

第一性原理:在一个市场趋势(无论是上升还是下降)即将发生反转之前,往往会出现一个减速阶段,也就是说,原有趋势的动力开始减弱。

这个减速不一定意味着价格方向立即发生改变,而是速度或强度上的变化,为可能的趋势反转提供了迹象。

趋势减速的识别都是寻找趋势反转信号的关键步骤,通过观察这些减速迹象,可以更好地准备迎接可能的趋势转变,无论是采取止损措施,还是寻找新的入场机会。

原始MACD计算

  1. 快速EMA:通常是12日指数移动平均值。
  2. 慢速EMA:通常是26日指数移动平均值。
  3. MACD线:快速EMA减去慢速EMA。
  4. 信号线:MACD线的9日指数移动平均值。

改进思路:使用涨跌幅比值RSI计算MACD

步骤1: 计算涨跌幅的比值

对每日收盘价,计算其相对于前一天的涨跌幅的比值,而不是仅仅计算涨跌的绝对值。

  • 涨跌幅比值 = 今日收盘价 − 昨日收盘价 昨日收盘价 \frac{今日收盘价 - 昨日收盘价}{昨日收盘价} 昨日收盘价今日收盘价−昨日收盘价

步骤2: 基于涨跌幅比值计算EMA

使用这个涨跌幅比值来代替原始MACD计算中的收盘价,计算快速和慢速EMA。

  • 快速EMA(基于涨跌幅比值的12日EMA)
  • 慢速EMA(基于涨跌幅比值的26日EMA)

步骤3: 计算涨跌幅比值的MACD线和信号线

  • 涨跌幅比值的MACD线 = 快速EMA - 慢速EMA
  • 信号线 = 涨跌幅比值的MACD线的9日EMA

改进方法更强调市场价格变动的百分比变化,可能对于捕捉相对价格变动更加敏感。

MACD策略的开发,就是为预测趋势(涨跌),但所以软件使用的都是绝对值计算,这就导致一个漏洞,MACD

所以,所以才需要改成相对比值计算的MACD。

用绝对值算MACD就像用一把尺子量所有人的高矮,不管你本来多高,只看你长了多少厘米,这样就忽略了每个人成长的不同重要性。

改用比值,就像看你长高的百分比,这样不同身高的人成长都能得到合理评价。

如果你想用15分钟的时间间隔来查看MACD指标,你可以计算现在的收盘价与15分钟前的收盘价之间的差异。


相关推荐
小陈工28 分钟前
Python Web开发入门(十七):Vue.js与Python后端集成——让前后端真正“握手言和“
开发语言·前端·javascript·数据库·vue.js·人工智能·python
墨染天姬5 小时前
【AI】端侧AIBOX可以部署哪些智能体
人工智能
AI成长日志5 小时前
【Agentic RL】1.1 什么是Agentic RL:从传统RL到智能体学习
人工智能·学习·算法
2501_948114245 小时前
2026年大模型API聚合平台技术评测:企业级接入层的治理演进与星链4SAPI架构观察
大数据·人工智能·gpt·架构·claude
小小工匠5 小时前
LLM - awesome-design-md 从 DESIGN.md 到“可对话的设计系统”:用纯文本驱动 AI 生成一致 UI 的新范式
人工智能·ui
黎阳之光5 小时前
黎阳之光:视频孪生领跑者,铸就中国数字科技全球竞争力
大数据·人工智能·算法·安全·数字孪生
小超同学你好5 小时前
面向 LLM 的程序设计 6:Tool Calling 的完整生命周期——从定义、决策、执行到观测回注
人工智能·语言模型
智星云算力6 小时前
本地GPU与租用GPU混合部署:混合算力架构搭建指南
人工智能·架构·gpu算力·智星云·gpu租用
jinanwuhuaguo6 小时前
截止到4月8日,OpenClaw 2026年4月更新深度解读剖析:从“能力回归”到“信任内建”的范式跃迁
android·开发语言·人工智能·深度学习·kotlin
xiaozhazha_6 小时前
效率提升80%:2026年AI CRM与ERP深度集成的架构设计与实现
人工智能