默读基本要求:[07-27] 可公度预测入门 - 股票投资 - 鼎砥投资网 - 最好的财经网站 最好的股...

可公度性预测入门1_数据选择
      
         
      可公度性是所有非随机数据都具有的一个规律，简单的理解（后面还有复杂一些的理解），就是周期性。下面以股票预测为例，详细说明。大家可能会想，股票分析工具大把，弄个可公度性干嘛？原因很简单：可公度数据几乎是不可操纵的！有点兴奋了吧?泼点冷水，想学了这个立马发财的请绕道，原因后面说。
      
      做可公度性预测第一件事就是数据点选择，预测是通过软件对数据关系进行运算，分析出其相互关系，股票信息是海量的，而可公度预测软件在处理超过一定数量的数据是运算时间将长得不可接受。根据计算机配置，若果进行三元可公度分析，这个一定数量大概是15-30之间，但数据量并不是越大越好，通常10-15个数据，就已经可以提供有参考价值的数据了。具体多少个数据合适，和数据的特征有关系。可公度性越低，需要的数据量越大。
      除了数据的量，还有一个重要的问题，就是数据的代表性。拿股票来说，可以是高低点的时间，天量地量的时间，指标特殊形态的时间，涨跌幅度超过某个比例的天数等等。比如选择A股指数的高点的时间，转换为距某一时间点的天数，将这些高点天数输入可公度预测工具进行运算（本网有下载），由于可公度特性和多数据点相关，因此基本没办法骗线。
      是不是一定用日线呢，当然不是，有时候用周线、月线，或3天线、N天线更合适。一切视分析效果和数据特点而定。
      股票的选择：建议选择大盘指数或大盘股，因为可公度就是从研究天文、洪水等自然现象总结出来的，估计接近自然波动的股票更适合这个方法（一家之言）。
可公度性预测入门2_二元公度
         
      在可公度预测中，元简单的说就是计算公式中参数的个数，比如在二元计算中M=A-B,A和B就是两个元，二元公式，可以理解为两个数据点的间距，比如一个高点在132日，一个高点在154日，M=132-154,绝对值是22天，这个恶22天是一个周期，这个周期是否多次出现，可以用二元公度来计算
      举例如下：
      15，46，65，83，91，104，114，179，输入可公度预测工具0.65点二元公度
          数值_8出现频度2
      数值_10出现频度2
      数值_13出现频度2
      数值_18出现频度2
      数值_19出现频度2
      数值_21出现频度2
      数值_23出现频度2
      数值_26出现频度2
      数值_31出现频度4
      数值_37出现频度2
      数值_39出现频度2
      数值_45出现频度2
      数值_49出现频度2
      数值_50出现频度2
      数值_58出现频度2
      数值_65出现频度2
      数值_68出现频度4
      数值_75出现频度2
      数值_76出现频度2
      数值_88出现频度2
      数值_89出现频度2
      数值_96出现频度2
      数值_99出现频度2
      数值_114出现频度2
      数值_133出现频度2
      数值_164出现频度2
      
      可以看出31和68两个周期出现的频度最高。
可公度预测入门3_二元外推
当我们用二元公度式求出一组数据中所包含的周期后，下一步的工作就是外推出以后的值了。
比如上个例子中31和68出现的频度高，我们就以此外推，将后面几个数加上31或68，就是外推值，比如164+31=195，得到一个外推值，133+68=201，得到另一个外推值。
二元公度适合相对较大数据量的处理，不同周期频度相差大比较好用，比如某几个周期出现频度特别高，这样外推出来的东西才有参考性。如果数据周期分布均匀，就不好用了。上一节中的例子是用0.65版算的有点问题，频度比实际高两倍，0.66版纠正了这个问题。当数据的二元频度分布不理想时，应该使用三元公度，股票预测特别适合三元公度，原因是三元公度本身就有外推功能，运算速度适中，更重要的是，对不适合二元公度的周期分布比较均匀的情况也能做出有效的分析。
经常碰到朋友问，可公度能预测彩票吗？如果是单个数字而言，是不能的，您可以找些彩票数据试验一下，分布极其均匀，没有可公度性，如果是和值之类的分布特征，可能有些作用，但你照样会亏钱。
下一节将是有关股票预测最重要的一节，讲述三元公度和虚原点，很多朋有用我的软件复算网上的例子，总得不到正确的结果，就是和虚原点有关。
可公度预测入门4_初试三元
现在我们来尝试一下三元公度式，三元公度的计算公式是M=A+B-C，但把他看成M=C+(B-A)可能更好理解一些，比如A=1980,B=1986,C=1992,那么M=1992+(1986-1980)即事件发生间隔为1986-1980=6年，从事件的最后一个发生年份外推一个周期，得到M=1998,注意，我说了“看成”，看起来这和二元公度的外推是一样的，但实际不并不完全是这么回事。
这里要有个基本概念，可公度预测工具和传统的可公度预测法有点小区别，它不关心可公度数组的具体构成，只关心最终结果。
翁老原著中预测1991的华中、华东的特大的例子为例:
这次预测是以19世纪到20世纪中，华中地区历史上16次特大洪水年份中的6 次为依据，它们是：
      　　
      　　X（1）＝1827（年） X（2）＝1849（年） X（3）＝1887年
      　　
      　　X（4）＝1909（年） X（5）＝1931（年） X（6）＝1969年
将以上6个数据依次输入可公度预测工具0.66版，点三元公度按钮，不到1秒钟，算出如下结果
数值_1707出现频度2
数值_1745出现频度4
数值_1767出现频度6
数值_1783出现频度2
数值_1789出现频度6
数值_1805出现频度6
数值_1811出现频度2
数值_1827出现频度11
数值_1849出现频度11
数值_1865出现频度6
数值_1871出现频度8
数值_1887出现频度11
数值_1893出现频度2
数值_1909出现频度15
数值_1925出现频度2
数值_1931出现频度9
数值_1947出现频度8
数值_1953出现频度4
数值_1969出现频度9
数值_1991出现频度10
数值_2007出现频度2
数值_2013出现频度4
数值_2029出现频度4
数值_2051出现频度4
数值_2073出现频度2
在最后的数据1969年后1991出现了明显高于其他数据的频度，也就是说1991是下一次洪水的敏感年份。这真得感谢计算机技术一日千里的发展，我们比翁老幸福多了。1秒钟搞定。
本来这一节要讲股票的，多写了点，下一节：一分钟预测大盘顶部底部
可公度预测入门5_一分钟预测大盘顶部底部
先抄袭一段网上作品
…………………………………………………………………………………………………
上证指数的可公度性   
      金融市场里对时间的理解有两种，一种是我们能够感知的一去不复返的自然时间，一种是日升日落急归所出之处的循环时间。以前经常跟大家介绍时间的循环，今天为大家介绍的自然时间的计算方法。
      我们把重要的上证指数的月线极值点，用时间标记。从有股票第一天到现在，重要的时间转折为，X1=27、X2=44、X3=77、X4=99、X5=127、X6=145、X7=160、X8=175。
         已知X1、X2、X3、X4、X5、X6、X7、X8。求X9
      二元求解X1+ X8=27+175=202      X3+ X5=77+127=204         X2+ X7=44+160=204
      三元求解X1+ X3+ X4=27+77+99=203        X5+ X8- X4=127+175-99=203
         因为数字的应用是为了把复杂的问题简单话，而非把简单的问题复杂化，所以我并不打算采取四元，五元求解。
      结论：202-204为重要时间点，因为月线取点取了17年，所以没有办法做到精确，只能固定到一个区域,这个区域的时间点重点参考而已。202=07年9月
        203=07年10月       204=07年11月 当下一个时间点X9出来后我们用这个方法再推算X10\X11
…………………………………………………………………………………………………
将X1-X8输入可公度预测工具0.66版进行三元公度
得到如下结果：
数值_1出现频度2
数值_5出现频度2
数值_9出现频度2
数值_11出现频度2
数值_12出现频度4
数值_14出现频度2
数值_16出现频度4
数值_22出现频度2
数值_26出现频度2
数值_27出现频度7
数值_29出现频度6
数值_31出现频度2
数值_42出现频度4
数值_44出现频度9
数值_45出现频度2
数值_47出现频度2
数值_49出现频度4
数值_51出现频度2
数值_55出现频度2
数值_57出现频度2
数值_59出现频度6
数值_60出现频度4
数值_62出现频度6
数值_66出现频度4
数值_69出现频度2
数值_72出现频度2
数值_73出现频度2
数值_74出现频度2
数值_75出现频度2
数值_77出现频度11
数值_81出现频度2
数值_82出现频度2
数值_84出现频度4
数值_88出现频度2
数值_90出现频度2
数值_92出现频度6
数值_94出现频度4
数值_95出现频度4
数值_97出现频度2
数值_99出现频度7
数值_103出现频度2
数值_105出现频度4
数值_107出现频度2
数值_110出现频度6
数值_112出现频度6
数值_114出现频度4
数值_116出现频度2
数值_117出现频度2
数值_120出现频度2
数值_123出现频度2
数值_125出现频度4
数值_127出现频度9
数值_128出现频度2
数值_129出现频度2
数值_130出现频度2
数值_132出现频度4
数值_138出现频度2
数值_142出现频度6
数值_143出现频度2
数值_144出现频度2
数值_145出现频度7
数值_147出现频度2
数值_149出现频度4
数值_153出现频度2
数值_157出现频度2
数值_158出现频度2
数值_160出现频度11
数值_162出现频度2
数值_167出现频度2
数值_173出现频度2
数值_175出现频度7
数值_177出现频度4
数值_178出现频度4
数值_182出现频度4
数值_188出现频度2
数值_190出现频度2
数值_192出现频度2
数值_193出现频度4
数值_195出现频度4
数值_197出现频度2
数值_199出现频度2
数值_200出现频度2
数值_203出现频度2
数值_206出现频度2
数值_208出现频度4
数值_210出现频度4
数值_215出现频度2
数值_217出现频度2
数值_221出现频度2
数值_225出现频度4
数值_228出现频度4
数值_230出现频度2
数值_232出现频度2
数值_236出现频度2
数值_243出现频度4
数值_245出现频度2
数值_247出现频度2
数值_258出现频度4
数值_260出现频度2
数值_261出现频度2
数值_275出现频度2
数值_276出现频度2
数值_278出现频度2
数值_291出现频度2
数值_293出现频度2
数值_308出现频度2
X8=175的值后面的数值频度没有明显的高频数据，没有得到正确结果
但是，如果你把第一个数据为1，后面的再依次填入，得到结果
数值_1出现频度10
数值_5出现频度2
数值_9出现频度2
数值_11出现频度2
数值_12出现频度4
数值_14出现频度2
数值_16出现频度8
数值_18出现频度2
数值_19出现频度2
数值_22出现频度2
数值_23出现频度2
数值_26出现频度2
数值_27出现频度8
数值_29出现频度8
数值_31出现频度4
数值_34出现频度4
数值_42出现频度4
数值_44出现频度10
数值_45出现频度2
数值_47出现频度4
数值_49出现频度6
数值_51出现频度6
数值_55出现频度2
数值_56出现频度2
数值_57出现频度2
数值_59出现频度6
数值_60出现频度4
数值_62出现频度8
数值_66出现频度4
数值_69出现频度4
数值_70出现频度2
数值_72出现频度2
数值_73出现频度4
数值_74出现频度2
数值_75出现频度2
数值_77出现频度14
数值_81出现频度2
数值_82出现频度2
数值_84出现频度8
数值_88出现频度2
数值_90出现频度2
数值_92出现频度6
数值_94出现频度4
数值_95出现频度4
数值_97出现频度2
数值_99出现频度10
数值_101出现频度2
数值_102出现频度2
数值_103出现频度4
数值_105出现频度4
数值_107出现频度2
数值_110出现频度6
数值_112出现频度6
数值_114出现频度4
数值_116出现频度2
数值_117出现频度4
数值_119出现频度2
数值_120出现频度4
数值_123出现频度2
数值_125出现频度6
数值_127出现频度10
数值_128出现频度2
数值_129出现频度2
数值_130出现频度2
数值_132出现频度6
数值_134出现频度2
数值_138出现频度2
数值_142出现频度8
数值_143出现频度2
数值_144出现频度2
数值_145出现频度8
数值_147出现频度2
数值_149出现频度6
数值_153出现频度4
数值_157出现频度2
数值_158出现频度2
数值_160出现频度12
数值_162出现频度2
数值_167出现频度2
数值_170出现频度2
数值_171出现频度2
数值_173出现频度2
数值_175出现频度10
数值_177出现频度4
数值_178出现频度4
数值_182出现频度4
数值_186出现频度2
数值_188出现频度4
数值_190出现频度2
数值_192出现频度2
数值_193出现频度4
数值_195出现频度4
数值_197出现频度2
数值_199出现频度2
数值_200出现频度2
数值_201出现频度2
数值_203出现频度6
数值_206出现频度2
数值_208出现频度4
数值_210出现频度4
数值_215出现频度2
数值_217出现频度2
数值_218出现频度2
数值_221出现频度4
数值_225出现频度6
数值_228出现频度4
数值_230出现频度2
数值_232出现频度2
数值_236出现频度4
数值_243出现频度6
数值_245出现频度2
数值_247出现频度2
数值_251出现频度2
数值_258出现频度6
数值_260出现频度2
数值_261出现频度2
数值_271出现频度2
数值_273出现频度2
数值_275出现频度2
数值_276出现频度2
数值_278出现频度2
数值_286出现频度2
数值_291出现频度2
数值_293出现频度2
数值_301出现频度2
数值_304出现频度2
数值_308出现频度2
数值_319出现频度2
数值_334出现频度2
后一个高点203被准确的算出，按原理来说，可公度是和起点无关的，但在股票预测中有这样一个特有现象，我把这个1称为虚原点（不是所有的数据都需要这个点），知道这个就可以快速计算后期高低点的时间了。建议大家找些数据复算一下，但原素周期表的数据就不要试了，因为数据有多位小数点，如果用乘法取整，周期又不合适，软件算不出可公度规律，电脑比人脑毕竟稍差一些。
三元可公度计算结果的判读是以最后一个数据合理间隔内频度大的数据为准，如果频度接近，以频度分布密集的点位为准，频度大的置信度相对高。置信度类似于天气预报中的降水概率，翁老的著作中有计算公式，也就是说我们外推出的结果是有一定的出现概率，这个概率可能高也可能低，和频度有关，但比大部分飞镖派股评家给出的结果要准确的多。计算的时候可以用日线、多日线、周线、月线，一般用较短的周期，短周期可公度特征不明显的话，可以尝试较大些的周期。
可公度预测入门6¬_翁老的预测思想
大家学会了可公度法之后，很快就会发现有一些问题困扰你，你会发现并不是所有的数据都适合用可公度性分析，其实如果读过预测论基础的朋友都知道，可公度在这本书中只占了不到10%的篇幅，一项有效的预测涉及很多概念，首先是建模，找出预测对象的数学模型，针对数学模型选出有效的预测方法的组合，比如翁老预测有生命特征的事物用的是翁回旋，预测可以是整体的也可以是阶段性的，单就可公度性而言，翁老就经常和浮动频率配合使用。另外一个对象可以有多类特征，都可以用可公度性来分析。强烈建议有兴趣研究翁老的预测论的朋友读翁老原著。另外可公度法是人工干预极强的一种方法，不同的选点，不同的周期，不同判断方法会有不同的效果，希望大家实践中留心。自从前几年在MACD发布可公度预测0.2版之后，有不少网友和我交流，我从中学到了许多东西。在此向各位致谢，我感觉，交流碰撞是提高预测水平最有效的方法，我写这篇教程就是希望有更多的网友加入到研究中来，大家一起提高。再次谢谢大家！
终结关于可公度预测5.12大地震的口水战
5.12大地震发生后，《基于可公度方法的川滇地区地震趋势研究》一文广为流传，很多人认为地震局为了奥运压制预报，也有很多学者不负责任的对提出可公度法的翁文波院士大肆攻击，把可公度法说的一钱不值。这其实是一场无谓口水战，因为这些人都没搞清楚预测的含义。
可公度法，名字拗口，其实并不神秘，通俗的说就是周期，确切一点说是相对复杂一点的周期组合。没有人会说周期不科学吧？很奇怪，周期一组合，名字变成可公度性就不科学了？很多人还对业已去世多年的翁老口出污言秽语，真不知道那些人是怎么做学问的。
那这件是地震局故意不报？不是，这篇论文是在做纯学术探讨，很多人根本没有读懂预测的意思就开始喷口水了。首先大家要有个概念，翁老在信息预测中作出预测时会做一个可置信度分析。以翁老对在其著作《预测论基础》中对北京暴雨的预测为例，在预测日期7天内降雨的可置信度约为61%，也就是说在预测时间内七天内发生暴雨的可能性是61%。就这篇论文数据而言，假设从1952年开始外推（到这一年出现两组19年周期），置信度约48%换句话说，就是根据这篇论文的数据，2008年川滇地区发生6.7级地震的可能性接近48%。而从样本数据分析这一地区1913-1996年公83年间，共有25年发生6.7级以上强震，平均每3.28年中会有1年发生 6.7级以上地震。当地年平均发生强震的可能性为30%，综上所述，我们可以得出结论，2008年川滇地震概率较常年偏高60%。由于地震的时间序列有可能是不连续的，实际概率还要更低些。显然，这是一个中长期地震趋势分析，不是公众概念中的地震预报。
    可公度预测方法通过对历史数据的发掘，在不花钱的情况下就能作出一些有一定参考价值的推断。它是一个有用的辅助工具，我们需要研究和改进它，翁老过世之后，这类研究处于后续无人的状态。这些年能查询到得这类论文也不过区区十几篇，论文都是简单重复翁老的某个方法，连翁来留下方法的综合运用都没做到（比如这篇论文，没有置信度分析，没有浮动频率分析），没有任何发展和提高，我们已经愧对翁老了！上述文字，如有误差，勿喷口水，本人只是所学稍杂，并非专家。