接上回: 指数估值温度(一)
(二) 改进方案一
针对前面的问题, 对温度的计算提出以下改进. 传统的温度计算中, 比当前值高的, 不管高多少都算一天, 改进后, 每天都要按照差值计算.
举例: 历史是6, 10, 现在是7, 比当前值低的一天, 差值是1, 按照差值1来算; 比当前值高的一天, 差值是3, 按照3来算. 两个差值之和是1+3=4. 比当前值低的差值总共是1, 温度是1÷4=25%即25度.
再举例: 历史是100天6, 300天7, 100天8.
现在是6.99. 比当前值低总共有100天, 每天的差值是0.99, 总共是0.99×100=99; 比当前值高的有400天, 其中差值有300个0.01, 100个1.01, 总共是0.01×300+1.01×100=104. 两个差值之和是99+104=203, 温度是99÷203=48.8%.
如果第二天涨成7.01, 再算温度, 比当前值低的总共401天(算上前一天的6.99), 差值总共是1.01×100+0.01×300+0.02=104.02. 比当前值高的总共100天, 差值总共是0.99×100=99. 两个差值之和是104.002+99=203.02, 温度是104.02÷203.02=51.2%.
从48.8升温到51.2, 温度并没有上升多少, 从而解决了传统温度算法的潜在问题.
(三) 改进方案二
考虑两个波动不同的指数, 指数一是历史6, 10, 现在7; 指数二历史5, 13, 现在7. 按照改进方案一, 两个指数的温度都是25. 在低估的情况下, 明显是波动大的指数更有投资价值(高估的情况则相反), 这个温度就体现不出来了.
传统的温度计算, 本质上是以历史的频率作为未来的概率, 来计算赚钱的概率(准确地说, 是赔钱的概率). 但是我们希望做到的不是使赚钱概率更大, 而是赚更多钱. 用数学的语言来讲, 不是要赚钱概率大, 而是利润的期望值大.
改进方法: 利用数学期望的公式(EX=Σxp), 计算历史值相对于当前值的收益率之和, 再除以总天数.
指数一: 6相对于当前值的收益率是-1/7, 10相对于当前值的收益率是3/7, 两者相加, 再除以天数2, 得出收益期望值是1/7=14.3%
指数二: 5相对于当前值的收益率是-2/7, 13相对于当前值的收益率是6/7, 两者相加, 再除以天数2, 得出收益期望值是2/7=28.6%
所以投资指数二的收益期望值更高. 前面两个估值温度是越低越值得买, 这个改进方案是收益期望值越高越买.
下一篇将给出各种算法的Excel公式.
超越镇楼:
