筆者平時主要是研究模式識別的問題，與計算機和數學相交甚密。所以在之後的一系列文章裡，主要想使用盡可能簡單的數學方法去解釋、詮釋一些市場上大家所流傳的經驗和傳言。提供給大家另一個角度去看些問題。
我們來講講市場裡最經典的生存哲理，想必大家也很耳熟能詳了——順勢，輕倉，止損。這句話基本只要入市以後都會聽到。只要一個老手都會告訴你，哇擦，這是真理啊！千萬別重倉啊！要順勢啊！一定要止損啊！這簡簡單單的六個字，連剛識字的小孩也基本能理解其意思。但實踐起來為什麼這麼難？為什麼這麼難？我想有可能其中一個原因是因為這六個字實在太濃縮，背後所代表的意義和道理實在太深太廣。我們常聽說讀書有兩種方式，一種是“越讀越厚”，另一種是“越讀越薄”。“順勢，輕倉，止損”這六個字簡直就是“越讀越薄”的典型。想必您已經可能從其他的角度瞭解了這句話的意義和重要性。本文試圖通過簡單易懂的數學方式去提供另外一個角度去看這個問題。
今天就講“勢”這一個字。什麼是“勢”？“勢”究竟是什麼？怎麼理解“勢”？
寫得這，您有可能納悶了。哇擦，這東西我懂啊，趨勢不要太簡單哦。均線多頭排列就是上漲趨勢，或者60日線朝上是上漲趨勢。或者MACD零軸上方是多頭區域。最低點越越來高，是上漲趨勢。確實，這些都是趨勢的“表現方式”。那我多問一句，“勢”究竟是什麼？剛才所說的那些都是有勢時所呈現的技術指標，而不是勢本身。我們來打個比方。就說紙這個物質，我們都知道紙是什麼的東西。紙的表現形式是什麼？薄的，能書寫的，植物纖維的複合物，可摺疊的等等。這些都是紙的屬性，而不是紙本身。類比於勢，均線多頭排列之類的技術指標即是勢所現，而不是勢本身。搞清楚這一點以後，那你有可能要問了，究竟什麼是勢？
勢——前一個時間點的漲跌對下個時間點的漲跌影響程度。
WTF！這是啥玩意兒！這麼拗口，什麼鬼東西！
其實這句話不難理解，用大家很熟悉的一句話來講就是，漲是因為漲了，跌是因為跌了。這句話即道出了勢的本質。展開來講，比如今天大盤上漲了1%。那這個因素對於明天的大盤是否有影響？怎麼影響？大家可以思考一下這個問題。不妨我們可將今日的大盤漲跌理解為一種形式的利好或者利空， 其對於明日大盤的影響，也就是我們所說的“勢”啦~
那我們根據所理解的勢，可將市場分為如下3種狀態：
1) 如果今天的上漲和下跌能夠引起明天的上漲和下跌，那就是有趨勢。
這種情況也就是我們最熟悉的有趨勢的市場，往往表現為單邊的上漲或者下跌，股市裡的牛市和熊市也就是大級別的有趨勢的市場。在這種市場裡，往往發現單邊持有或者空倉是最合適的選擇。
2) 如果今天的上漲和下跌對明天大盤的漲跌沒有影響，那也就是無趨勢。
這種情況較為特殊，很少有這種類似的市場情況。 它的表現形式有點類似於《漫步華爾街》中所描述的隨機漫步（random walk），接近於隨機布朗運動。每一個時間的漲跌都是獨立事件，與前一個時間點的漲跌是無關的。
3) 如果今天的上漲和下跌對明天大盤的漲跌有反向作用，那就是均值迴歸的狀態。
這一種市場狀態大家比較陌生，簡單的去理解，你可以認為它的表現形式是與第一種情況完全相反的。今日漲往往所帶來的是明日跌，今日跌則相反。喜歡高拋低吸的老股民往往特別喜歡這種市場。像農業銀行的“心電圖”式的走勢，也可以理解為這種市場狀態。
為了進一步瞭解市場在這三種不同狀態下的表現情況，我們來舉個例子，使用matlab來模擬這三種市場狀態下的表現。為了方便理解，我們作如下簡化和假設：
1 假設一個時間序列沒有漲跌幅度的數值，而只分為漲和跌兩個狀態。1代表漲，-1代表跌。
2 我們將前一個時間點對於下一個時間點的影響定義為E。比如
E為0.8，那麼下一個時間點與前一個時間點方向相同的概率為80%。3 假設一個時間序列內，E為固定值。即每個時間點對於下一個時間點的影響都是相同的。
4 沒有成交量的信息。
從假設中我們可以發現：
1>E>0.5時，市場為有趨勢
E=0.5時，市場為隨機漫步
0
舉個例子，比如有這樣一條序列，其E=0.8，序列為[-1 1 -1 -1 -1 -1 -1 -1 -1 -1 1 -1 -1 1 1 1 1 -1 -1 -1]，一共20個點，其中1有6個，-1有18個。將所有值加合後可得sum=-12。這個sum值你可以理解成序列最終的漲幅或者跌幅，換在市場裡，基本可以類似理解成指數點位。
那麼我們使用matlab按固定的E值，隨機生成1000條序列，每條序列有100個點。然後計算這1000條序列的sum值。作出sum值的頻率分佈。
1 E=0.8時，最終的sum分佈是這樣的
2 E=0.5
3 E=0.2
橫座標是sum值，縱座標是sum值的次數。這三張圖是不是和你預想的有點差別？沒關係，一些細節的東西在這裡我們不仔細討論，有興趣的可以自己好好研究。在這裡，我們直接抓重點，找出這三種市場狀態最關鍵的差異。對的！就是最大值和最小值出現的範圍和頻率。對於有趨勢的市場狀態，出現的最大值和最小值都十分大，頻率也比其他的高。而均值迴歸的系統，則更加趨近於0。
那有人要問了，你現在是假設知道市場的E值，然後再隨機生成序列。那實際情況不是這樣啊，市場裡往往是隻有序列，而E值是未知的。那有沒有辦法去計算一段序列的E值呢？
答案是有的，也不難。根據E的定義，即為前一個點對於後一個點的影響。那我們通過tn+1的值減去tn的值，即能得到兩者是否為同方向。如為同方向，那結果為1-1=0或者-1-（-1）=0。如為反方向，則結果為2。統計一個序列的0和2的數量，即能獲得此序列的E值。還是那這個序列來舉例，[-1 1 -1 -1 -1 -1 -1 -1 -1 -1 1 -1 -1 1 1 1 1 -1 -1 -1]，同方向0的數量為13，異方向為6，則E=13/19=0.684。有沒有注意到，同樣一條序列，其給定的E值和計算的E值並不相等？這個問題在這裡不展開討論，感興趣的可以自己思考。
又有人要說了，那我們現在能夠計算這種假象序列的E值了，知道了市場的勢了。但是現實的情況是還有漲跌幅啊，怎麼計算市場的勢呢？
好，這就引出了大名鼎鼎的Husrt指數了，這個指數的計算方式你可以理解成複雜版的E值計算。我們來看看百度詞條是怎麼介紹它的：基於重標極差(R/S)分析方法基礎上的赫斯特指數(H)的研究是由英國水文專家H．E．Hurst(1900—1978)在研究尼羅河水庫水流量和貯存能力的關係時，發現用有偏的隨機遊走(分形布朗運動)能夠更好地描述水庫的長期存貯能力，並在此基礎上提出了用重標極差(R/S)分析方法來建立赫斯特指數(H)。作為判斷時間序列數據遵從隨機遊走還是有偏的隨機遊走過程的指標。
它的一種計算方法[1]：
是不是有這種感覺？
沒關係，這些東西都略過，只要記住這個指數的基本用處和剛才的E值是差不多的就行。如果有興趣深入研究可以去查閱一下剛才引用的文獻。
我們只要記住結論就行，H值也是屬於0至1範圍內的一個數字，以0.5為界限，市場形態也與E值類似。
1>H>0.5時，市場為有趨勢的市場，趨勢交易者在這種市場情況下能夠盈利，H值越大，趨勢交易者理論收益越多。
H=0.5時，市場為隨機漫步，理論上來講，趨勢交易和反趨勢交易在此類市場是無收益甚至負收益的。
0
有文獻[2]計算，上證指數1990至2001年的H值為0.6668，可見我們中國股市的趨勢性還是較強的。有興趣的同學也可以自己計算一下最近市場的Hurst值，一般的股票軟件都會有這個指數的計算。
講到這裡，基本已從數學的角度介紹了勢的概念。下一篇我們將介紹“順”。
總結：
1 勢——前一個時間點的漲跌對下個時間點的漲跌影響程度
2 市場的三種狀態。1>H>0.5為趨勢市場，H=0為隨機漫步市場，0
3 上證指數的H值為0.6668，有較強的趨勢性。
[1] 葉中行,曹奕劍.Hurst指數在股票市場有效性分析中的應用[J].系統工程,2001,19(3):21-24.DOI:10.3969/j.issn.1001-4098.2001.03.005
[2] 莊新田,莊新路,田瑩等.Hurst指數及股市的分形結構[J].東北大學學報(自然科學版),2003,24(9):862-865.DOI:10.3321/j.issn:1005-3026.2003.09.013.
閱讀更多 恆指林夕夢 的文章
