為了讓 AI 不斷打怪升級,DeepMind 打造「宇宙」
作者 雷鋒網 | 發布日期 2021 年 07 月 30 日 8:15 |
DeepMind 又給我們小驚喜。我們都知道,強化學習苦於類化能力差,經常只能針對單個任務從頭學習。
DeepMind之前開發的AlphaZero,儘管可以玩圍棋、西洋棋和日本將棋,但每種棋牌遊戲都只能從頭訓練。類化能力差也是AI一直被詬病為人工智障的一大原因。人類智慧的厲害之處,就在藉鑑之前經驗迅速適應新環境。
但類化能力不是一蹴而就,就像玩遊戲,也是先做簡單任務,逐步升級到複雜任務。《空洞騎士》(Hollow Knight)一開始只需要隨意走動揮刀砍怪,但噩夢級難度的「苦痛之路」關,沒有前面累積的技巧,只能玩寂寞。
多任務宇宙
DeepMind此次採用「課程學習」,讓智慧體於不斷擴展升級的開放世界學習。也就是說,AI新任務(訓練資料)是基於舊任務不斷生成。智慧體可盡情鍛鍊自己,簡單的如「靠近紫色立方體」,複雜點的如「靠近紫色立方體或將黃色球體放在紅色地板」,甚至和其他智慧體玩耍,如捉迷藏──「找到對方,且不要被對方發現」。
每個小遊戲存在世界小角落,千千萬萬個小角落拼成龐大的物理模擬世界,如下圖的幾何「地球」。總體來說這個世界的任務由三個要素構成,即任務=遊戲+世界+玩家,並根據三要素關係,決定任務的複雜度。
複雜度的判斷有四個維度:競爭性、平衡性、可選項、探索難度。
比如「搶方塊」遊戲,藍色智慧體需要把黃色方塊放到白色區域,紅色智慧體需要把黃色方塊放到藍色區域。這兩個目標矛盾,因此競爭性較強;同時雙方條件對等,平衡性比較高;因目標簡單,所以可選項少;DeepMind把探索難度評為中上,可能是因定位區域算較複雜的場景。
再如「球球喜歡和方塊一起玩」遊戲,藍色和紅色智慧體有共同目標,讓相同顏色的球體和方塊放在相近位置。
這時競爭性自然很低,平衡性毋庸置疑很高的;可選項比上面遊戲高很多;探索難度沒有定位區域,智慧體隨便把球體和方塊放哪都行,難度就變小了。
基於這四個維度,DeepMind打造超大規模「宇宙」任務空間,幾何「地球」也只是這宇宙的小角落,是四維任務空間的一點。DeepMind將「宇宙」命名為XLand,包含數十億個任務。
來看XLand的全貌,由一系列遊戲組成,每個遊戲在許多模擬世界進行,這些世界的拓樸和特徵平滑變化。
終生學習
數據有了,接下來得找到合適的算法。 DeepMind發現,目標注意代理(GOAT)可學習更通用的策略。
具體來說,智慧體輸入包括第一視角的RGB圖像、本體感覺以及目標。經過初步處理後,生成中間輸出,傳遞給GOAT模組,會根據智慧體目前目標處理中間輸出的特定部分,邏輯分析目標。
邏輯分析是指,每個遊戲可藉由一些方法,構建另一個遊戲,並限制策略的價值函數的最優值上限或下限。
DeepMind提出一個問題:對每個智慧體,什麼樣的任務是最好的?換句話說,打怪升級時,什麼樣的關卡設置才讓玩家順利升級為「真」高手,而不是一刀9999?
DeepMind的答案是,每個新任務都基於舊任務生成,「不會太難,也不會太容易」。其實恰好是讓人類學習時感覺「爽」的興奮點。
訓練開始時,太難或太容易的任務可能會鼓勵早期學習,但會導致訓練後期的學習飽和或停滯。不要求智慧體某任務非常優秀,而是鼓勵終身學習,即不斷適應新任務。所謂太難、太容易是較模糊的描述。需要量化方法,在新任務和舊任務之間彈性連接。
怎麼不讓智慧體做新任務時不適應而「暴死」?進化學習就提供很好的靈活性。總體來說,新任務和舊任務同時進行,且每個任務有多智慧體參與「競爭」。舊任務適應好的智慧體,會選拔到新任務繼續學習。
新任務中,舊任務的優秀智慧體權重、瞬間任務分佈、超參數都會複製,參與新一輪「競爭」。除了舊任務的優秀智慧體,還有很多新人參與,這就引進隨機性、創新性、靈活性,不用擔心「暴死」問題。
當然,因任務不斷生成、動態變化,一個任務可訓練不同長處的智慧體,並往不同方向演化(隨著智慧體相對性能和強健性進行)。最終每個智慧體都會形成擅長任務的集合,就像春秋戰國時期「百家爭鳴」。說打怪升級顯得格局小,簡直是模擬地球。
DeepMind表示,「這種組合學習系統的特性是,不最佳化有界性能指標,而是更新定義的通用能力範圍,這使智慧體開放式學習,僅受環境空間和智慧體的神經網路表達能力的限制。」
智慧初現
最終這複雜「宇宙」升級、進化、分流的智慧體長成了什麼優秀物種?DeepMind說,智慧體有很明顯的零樣本學習能力,比如使用工具、合圍、數數、合作+競爭等。
來看具體例子。首先智慧體學會臨機應變。目標有三個:
黑色金字塔放到黃色球體旁邊
紫色球體放到黃色金字塔旁邊
黑色金字塔放到橙色地板
AI一開始找到一個黑色金字塔,想拿到橙色地板(目標3),但搬運過程瞄見黃色球體,瞬間改變主意,「我可以實現目標1啦」,將黑色金字塔放到黃色球體旁邊。
第二個例子是,不會跳高,怎麼拿到高台上的紫色金字塔?智慧體需要想辦法突破障礙,取得高台上的紫色金字塔,高台周邊並沒有類似階梯、斜坡的路。
因不會跳高,所以智慧體「掀桌子」,把周邊幾塊豎起來的板子弄倒。然後一塊黑色石板剛好倒在高台邊,「等等,這不就是我要的階梯嗎?」這過程是否體現了慧體的智慧,還無法肯定,可能只是一時幸運。關鍵還是,要看統計數據。
經過5代訓練,智慧體在XLand的4千個獨立世界玩了約70萬個獨立遊戲,涉及340萬個獨立任務,最後一代每個智慧體都經歷2千億次訓練步驟。智慧體已能順利參與幾乎每個評估任務,除了少數即使人類也無法完成的任務。
DeepMind的研究,或許一定程度體現「密集學習」重要性。也就是說,不僅資料量要大,任務量也要大。這也使得智慧體在類化能力有很好表現,如資料顯示,只需對一些新複雜任務進行30分鐘集中訓練,智慧體就可快速適應,而從頭開始用強化學習訓練的智慧體根本無法學習這些任務。
往後我們也期待這「宇宙」更複雜和生機勃勃,AI經過不斷演化,不斷給我們帶來驚喜(細思極恐)的體驗。
資料來源:https://technews.tw/2021/07/30/deepmind_xland/
同時也有1部Youtube影片,追蹤數超過40萬的網紅我要做富翁,也在其Youtube影片中提到,本文內容﹕甚麼是CCI指標 / 兩套策略測試 / 兩招優化減少出錯訊號! 又來到街頭智慧的時間,起初這個系列已向大家介紹了一些技術指標的盲點,其後較多講及市場的流言蜚語,本集我們又回到技術指標的「懷抱」。其實坊間大眾常用的技術指標,例如RSI、MACD、慢步隨機指數等,基本上我們已談及過,本集街...
隨機指標參數 在 台灣物聯網實驗室 IOT Labs Facebook 的精選貼文
「智慧家庭」的應有之義,三翼鳥要用「場景生態」來證明 |場景觀察
原創 場景實驗室 吳聲造物 3月23日
「新物種」湧現的背後,定義著怎樣的創新場景?新的商務邏輯,如何長成新的生活方式?「觀察」是對不確定時代的確定性姿態,而以「場景」為線索,賦予隨機生活別有意義。
文丨場景實驗室
一個「系統數位化」時代正在到來。新的感知、新的交互從未如此激進,生活方式變革的共鳴清晰可聞,成為「智慧場景」大量湧現的底層支撐和增長引擎。那麼,誰來定義「數字生活方式」?「智慧家庭」可謂其中路徑最為清晰、場景最為契合的方向之一。
誠然,在「智慧家庭」的語境下,5G、AI或者IoT都是不能再熟悉的線索。但如果僅從單點線索疊加出發,你會發現「智慧家庭」命題的下一步依舊面目模糊,更難以擁抱其背後指向的「新生活方式」的轟轟烈烈。
什麼是「智慧家庭」的應有之義?是平臺生態,是數字助理,是全屋智慧,是一個又一個爆款黑科技家電,還是智慧供應鏈的「一鍵到家」?今天的用戶與產業環境顯然對「智慧」提出了更進階的命題——不僅是連接效率的提升,還要體驗效率的無縫;不僅是智慧設備的聯動,還要有用戶情緒與感受的同頻;不僅是在「場景解決方案」上深耕到極致,更重要的是深刻而真實地理解,被「智慧」所包裹的人,如何面對數字時代的美好生活。
「智慧家庭」之爭的勝負手,正藏在每一個需要被認真審視的「場景細節」。
01「新居住」是對每種生活方式的「提案」能力
3月23日,主題為「智競未來」的2021AWE在上海啟幕。作為全球三大家電與消費電子展之一,AWE(中國家電及消費電子博覽會)當然成為觀察數字生活場景創新的重要視窗。
各種新技術、新物種頻現之外,我們特別關注到海爾智家攜去年9月發佈的「場景品牌」三翼鳥的入駐,帶來「智慧家庭場景生態」的成果展示。而在AWE前一天,海爾智家2021生態大會上發佈了換道成果,從「賣家電」的傳統理解,到定義「新居住」的「場景解決方案」。
如何理解這樣一種「換道」?背後的動因在於,關於家電原有功能的劃分和定義在今天越來越失效,真正奏效的是能夠滿足用戶無時無刻和「一人千面」的需求,滿足當今家庭隨時隨地被喚醒和啟動的場景痛點。
一家傳統理解的家電品牌來定義「新居住」這件事,更像是搶先開闢一個關於家的更本質「戰場」:從硬體層面的PK,到生活方式解決方案的開發能力較量。智慧家庭的場景解決方案,對應著不同身份的家庭成員在特定場景下的差異化生活需求,要求「場景方案」全覆蓋、定制化、前瞻性與高智能。
三翼鳥想要詮釋的「新居住」,是依託AI+IoT技術,基於網器互聯和主動服務的家庭場景重構。不是硬體拼湊,而是涵蓋功能需求、生活需求、情感需求的全場景體驗;不是一次性裝配,而是裝修方案圍繞場景的持續性反覆運算;不是基本的居住服務,而是主動提供的一站式智慧生活解決方案。以「新臥室場景」為例,「供給」的不是一台空調,而是一個能夠自動監測睡眠健康、主動調節空氣溫濕和入眠環境的40多種智慧臥室場景解決方案。
到底什麼是「新居住」的「新」?當然源于它全場景、可反覆運算、一站式的屬性。但究其根本,在於理解今天的用戶是「場景用戶」,而新的商業競爭力就是——有多少生活方式的場景請求,就必須有多少智慧家庭的解決方案。
場景實驗室創始人吳聲在《場景紀元》中提出,越來越多企業「場景化」戰略的背後,「場景正在成為數位商業的基本單元」。而三翼鳥鮮明定位「場景品牌」,對於更多智慧產業的落地顯得頗具啟發性。
02智慧要有「人的溫度」關鍵是深入洞察「場景細節」
家庭生活的情感溫度與個性化體驗,恰恰體現在最微小、深入日常的變化中,任何孤立的、不可延展的、以鄰為壑的解決方案,都無法支撐數字生活方式的打動人心。
所以如果要對「智慧家庭」的「智慧」提出更高要求,那一定在於這種「智慧」要有「人的溫度」,有社交、有交互、有協作,深入洞察每個曾被忽視的「場景細節」。它讓原來粗糙模糊的場景成為鏡像化的顆粒度場景,以資料運維能力為引擎,從使用者運營、體驗優化、效率反覆運算等維度,重構基於賦能的個性化體驗。
三翼鳥對於智慧家庭的理解包含「五個階段」:首先是以個體產品為核心的單機智慧;其次是以多設備聯動為核心的協同智慧;再次是統一系統、自主感知、智慧操作的決策智慧;然後是跨平臺資料服務打通、無縫連接、無處不在的高度主動智慧;最終是「家庭-社區-城市」全場景融合的泛在智能。由此觀之,關於「智慧」的新表達,正在於理解人、理解溫度、理解場景的層層深入。
從極致的效率與技術,到極致的感受與體驗。資料聯繫和情感聯繫將智慧家居納入共同構成新的家庭關係,誰擁有家庭心智,誰就擁有不可替代性。
海爾智家日前發佈的UhomeOS 3.0定位在「決策智慧階段」,依託于智家大腦的感知、學習與交互能力,實現智慧管家服務在家庭場景的深度應用。這種期待不再是簡單的語音交互與你問我答,而是有朝一日如同《鋼鐵俠》中的「管家」賈維斯一樣,不僅擁有類人的智慧,更擁有家人的溫度。
03智慧家庭新參數:軟體驅動、生態賦能、場景網路
「新居住」背後是如此之大的場景入口,以至於從家電企業、家裝企業到地產業、酒旅業,再到消費電子行業,有太多角色想立足自身重新定義這個詞。
技術應用場景不斷深入,正在細化「智慧家庭」的全新參數。用戶對於「新居住」有了更立體、多元的體驗、感知體系,這就需要企業在硬體、軟體、技術、服務一體化的基礎上,完成家庭生態場景重構。能否針對每種生活方式提出豐富多樣且細緻入微的場景解決方案,成為評價數位生活「玩家」競爭力的指標體系。
•軟體驅動
軟體定義硬體,場景驅動服務。在新的較量中,軟體與方案更為稀缺也相對空白,這也是為何UhomeOS 3.0與三翼鳥的出現具備啟發意義,也正因此,從產品品牌到場景品牌再到生態品牌的轉變成為可能。
以「體驗雲平臺」所架構的智慧場景生態,基於快速交付的柔性化,和社會協作的徹底性,讓針對家庭的場景改造有望進入一個「高頻時代」。
•生態賦能
提出方案只是其一,要將想法落地,單憑藉一家企業的能量遠遠不夠,即便背靠海爾如三翼鳥,也需要生態夥伴的充分協作。在三翼鳥要構建的「場景生態」中,橫跨7大空間300多個場景背後,是家居、建材等行業近萬家生態資源方。
體驗效率重構的實質是更加顆粒度的場景與回饋機制。「場景細節」不斷被數位化建模後,基於資料的採集和挖掘再反哺給更多智慧家庭生態企業,這時候「API介面」就會成為非常真實的商業機會。
•場景網路
中國市場基於場景的資料化能力是引領性的,而中國家庭場景的複雜性又提供了很好的模式運營閉環。
以海爾衣聯網為例,覆蓋服裝、家紡、洗衣液、皮革等15個行業5300多家生態資源,可基於洗衣機、乾衣機、晾衣架、疊衣機等智慧網器的互通互聯,為使用者提供主動智慧服務。例如,運動完了隨手放進洗衣機乾衣機組合進行洗烘,洗衣液沒了可選擇自動購買,3D雲鏡提供虛擬試衣,通過掃描使用者身體資料,實現服裝定制到家。
「智慧家庭」具有IoT最豐富的場景,是泛在傳感最重要的載體,沒有什麼比「新居住」在今天以用戶價值為依歸更會迎來春天。
數字生活方式的可持續與一站式解決方案,脫胎於彈性、可拓展、可反覆運算的場景融合。唯有開發場景,才能夠讓「智慧家庭」落於實處,也唯有深入場景,才能兼顧效率與溫度,連接資料與人性。很多「習以為常」正發生翻天覆地的變化,只不過它們所呈現的是緩慢堅定的位移。
附圖:(2021海爾智家生態大會)
(2021AWE上展示的三翼鳥智慧臥室)
(2021AWE上展示的三翼鳥智慧廚房)
(2021AWE上展示的三翼鳥衣帽間)
資料來源:https://mp.weixin.qq.com/s?__biz=MzU0MjEwOTkzOQ%3D%3D&mid=2247497011&idx=1&sn=fa0d7a2780cb1b067d79218ec252a634&chksm=fb1d0cafcc6a85b9ed90c5293e48f0f1e89344e1c1315f77d55a17836384e8eec5a895278d9e&xtrack=1&scene=0&subscene=126&clicktime=1618938788&enterid=1618938788&ascene=7&devicetype=android-26&version=27001543&nettype=WIFI&lang=zh_TW&exportkey=CUeIB5nwWAya8JFsSwfhmbg%3D&pass_ticket=8X3WChu0eT1Xx5OxoY1mA9X%2FLejsemfiZCLtcklSYcI13uXfXzzucy%2BKsm5nw6MV&wx_header=1&fbclid=IwAR2nDBhhO-oAeQcSvEFSwm91OUvQAsaDZ9hD9mhQPqyHmxyCEM7g-hHpSQs
隨機指標參數 在 說說能源 Talk That Energy Facebook 的最佳解答
【風機噪音究竟有害否?】
#芬蘭研究次音波無害 #瑞典研究聽得見噪音對睡眠有害
風機的低頻噪音對人體影響的研究其實還很少,本文提供兩個看似結果相反的研究:一個是芬蘭對「次音波」的長期監測(超音波的相反),發現它不會對危害人體;但另一個瑞典大學做的睡眠研究,則顯示風機噪音會對睡眠造成影響,同時呈現兩組研究成果,可看出風機噪音對人體的作用其實還真複雜。
🇫🇮芬蘭的風機次音波危害研究
次音波(infrasound)指人耳無法察覺的低頻聲波(相對於超音波),運轉中的風機也會產生,根據芬蘭技術研究中心(VTT)一項政府委託的研究發現,次音波不會對生理造成可偵測的變化,人耳也無法察覺。研究小組的負責人,也是芬蘭社會與衛福部門主管Vesa Pekkola表示,該研究結果對緩解公眾的疑慮而言意義重大,也可使風電業者鬆一口氣。
▉研究認為次音波無害
VTT的研究運用1.長期監測、2.聽力測試、3.問卷調查,來研究次音波的性質,結果發現臨近風電場郊區的次聲波水平,與一般都市環境中的數值大致相同,除了偶爾會出現達102分貝的音量峰值。由於次音波的主頻率在0.1~1.0赫茲之間,遠低於人耳可感知的聽力範圍的下限(16-20 Hz),基本上聽不見,要聽見頻率愈低的聲波,音量就須愈大。
雖然少數人可察覺到風機產生的最強次音波,但芬蘭技術研究中心強調,並未發現能感知次音波者的自主神經系統有任何異狀,許多人在調查中表示他們出現症狀,但後來證實這些人其實無法聽見次聲波。
▉居民的不適可能來自心理作用
這項研究選定芬蘭兩座各有17台風機的風場:庫里卡(Kurikka)風電場和拉賀(Raahe)風電場,進行為期308天、對電場及周邊住戶的長時間監測,且選擇當初因運轉中的風機造成居民不適而搬家的地區進行,長期調查後發現,居民的不適感可能來自心理作用:因強烈相信某事(風機)會帶來負面影響,而導致一些症狀的產生。
▉全球尚無次音波的衡量標準
本研究也是一組國際性研究,除了VTT,赫爾辛基大學、芬蘭衛生福利研究所、德國與澳洲的團隊也都參與其中,且意義重大,因為在去年底研究成果公佈之前,全球尚無用於評估風機infrasound的國際標準。
🇸🇪瑞典的風機噪音對夢眠的研究
再來看瑞典哥德堡大學的研究。他們發現風機產生的噪音會影響人類對睡眠恢復的知覺,且對「夢境睡眠(dream sleep)期」、又稱REM期的睡眠,產生雖小卻有意義的影響:曝於風機的噪音下入睡,會延遲且縮短REM期的發生。
▉研究方法
REM為「快速動眼期」的縮寫,是睡眠中週期性出現的區間,被科學家視為理解睡眠的熱點,但關於風機噪音對它的影響,學術研究仍很少。
哥德堡大學職能與環境醫學系的聲學環境實驗室,將參與研究的50個人分成兩組,其中24位需住在風機一里範圍內至少一年,其餘26人則是不住在風機區的參考組,並利用「睡眠多項生理檢查 (polysomnography)」模式,記錄參與者睡眠期間的心律、大腦活動、眼球運動等,發表結果在《睡眠》雜誌上。
參與者在聲學環境實驗室會住上三個晚上,第一晚適應環境,後兩晚隨機排序:一晚安靜無聲,另一晚則插入4個風機噪音時段。噪音根據幾台風機的室外測量結果重建,再以瑞典木屋的隔音效果過濾,盡可能模擬在風機週邊的瑞典住民接收的噪音條件。
▉風機會影響REM期
根據幾項生理指標,參與者在風機噪音下入眠時,與安靜的夜晚相比,REM睡眠期的平均長度短少了11.1分鐘,且延遲16.8分鐘出現;比重方面,在有風機噪音的夜晚中,REM佔總睡眠時間的18.8%,無噪音的夜晚則為20.6%,這是一個雖然小但仍具統計意義的差異。
其他「睡眠參數」如清醒次數、睡眠總時長,深度(非REM)睡眠期的長度與碎化程度,以及心律等,在統計上均無顯著差異。
除了基於生理系統的測量之外,參與者還填寫了關於睡眠品質的問卷。兩組問卷都顯示在有風機噪音的夜晚睡得較糟,住在風機附近那一組參與者的報告也透露,即使是無噪音的那一晚,整體睡眠品質仍較另一組差。
這些受試者的意見是否像芬蘭的研究結果一樣屬心理作用,不得而知,但睡眠障礙是世衛認定對健康有害的來源之一,本身可導致慢性疾病,這方面與風機結合的研究還很漫長,但在能源轉型下是一個需要被用心看待的課題,此外,即便對人體影響有限,甚至只需要界定範圍就可以避免對人類傷害,但聲波對於其他生物的危害仍有待更多研究結果驗證,例如離岸風機縱使與人類有段距離,但它周邊可是有很多生物的,而每種生物對不同音頻的噪音可能感受又不一樣。
▉參考資料
芬蘭的次音波研究:
https://reurl.cc/8G0Xvj
風機噪音對睡眠(REM)影響:
https://reurl.cc/R4WeWZ
隨機指標參數 在 我要做富翁 Youtube 的精選貼文
本文內容﹕甚麼是CCI指標 / 兩套策略測試 / 兩招優化減少出錯訊號!
又來到街頭智慧的時間,起初這個系列已向大家介紹了一些技術指標的盲點,其後較多講及市場的流言蜚語,本集我們又回到技術指標的「懷抱」。其實坊間大眾常用的技術指標,例如RSI、MACD、慢步隨機指數等,基本上我們已談及過,本集街頭智慧為大家帶一個較少人使用的指標— CCI (Commodity Channel Index) 順勢指標。
—甚麼是CCI指標
顧名思義,這個指標主要用於商品,其預設的參數為14,波幅區間大致於 +100 至 -100 之間,+100之上為超買區﹔-100之下為超賣區。
(Typical Price - 14-period SMA of TP) / (0.015 x Mean Deviation)
以上為CCI的公式,主要概念是以統計的原理,利用時段內的高低位及現價的距離找出該時段內的趨勢和方向。
—兩套策略測試
策略1﹕當CCI升穿 -100 時買入,CCI跌穿 +100 時沽出並且做空,直至升穿 -100 時平倉及再次買入。
近 1 年
黃金
交易次數﹕16
命中率﹕81.25%
賺蝕%﹕27.01%
石油
交易次數﹕15
命中率﹕60.00%
賺蝕%﹕12.10%
近 5 年
黃金
命中率﹕62.69%
賺蝕%﹕-16.47%
石油
命中率﹕57.14%
賺蝕%﹕-60.64%
近 10 年
黃金
命中率﹕61.36%
賺蝕%﹕-0.55%
石油
命中率﹕61.79%
賺蝕%﹕-0.50%
策略2﹕同樣地當CCI升穿 -100 時買入,但升穿 +100時沽出﹔到CCI跌穿 +100時做空,跌穿 -100 時平倉,再覓買入機會。
近 1 年
黃金
交易次數﹕16
命中率﹕75.00%
賺蝕%﹕18.33%
石油
交易次數﹕15
命中率﹕73.33%
賺蝕%﹕2.39%
近 5 年
黃金
命中率﹕62.69%
賺蝕%﹕-14.64%
石油
命中率﹕64.29%
賺蝕%﹕-64.83%
近 10 年
黃金
命中率﹕63.64%
賺蝕%﹕-19.57%
石油
命中率﹕67.48%
賺蝕%﹕0.26%
兩個策略在命中率方面均有約6成,雖然近1年的表現不錯,但其餘2個時段中的賺蝕情況都不盡人意。當中石油在2008年及2014年的大跌浪中損失十分巨大,跌勢令CCI一直未能回升至100之上,令本金受損,可見CCI指標在強勢下的盲點。如去除兩個大跌浪,石油在2009-2014年間的利潤可達102%!!從整體來說,14天的CCI發現,+100至-100的區間未能享盡整個趨勢的利潤,令賺蝕情況不斷惡化。
—兩招優化減少出錯訊號!
為了減低出錯的機會,我們進行了兩方面的優化,分別是加長CCI的時段至21天及超買超賣區的區間設為 +200及 -200,以食盡每個趨勢。近10年結果如下﹕
策略 1
黃金
交易次數﹕31
命中率﹕67.74%
賺蝕%﹕86.5%
石油
交易次數﹕34
命中率﹕67.65%
賺蝕%﹕33.74%
策略 2
黃金
交易次數﹕31
命中率﹕64.52%
賺蝕%﹕63.96%
石油
交易次數﹕34
命中率﹕64.71%
賺蝕%﹕20.51%
— 總結
CCI指標在商品的命中不俗,雖然整體利益受大跌浪所致,但如能夠加入其他分析工具,例如浪態分析,減低受損機會,利潤將會十分可觀。另一個做法則可以CCI的特性作優化,盡可能食盡趨勢的利潤。
撰文﹕施宏毅
======================
1) 本月活動,現正接受報名:
新我要做富翁 試堂分享會 (香港站)▶ https://money-tab.info/mts-trial?yt=1
贏在美股試堂分享會(Online)▶ https://money-tab.info/ussjac?yt=1
Jasper 期滙商品分享講座+試堂▶ https://money-tab.info/comjasp?yt=1
Eric Sir期指策略分享講座+試堂▶ https://money-tab.info/futeric?yt=1
King Sir 樓市講座▶ https://money-tab.info/proking?yt=1
齒輪理論 入門班/初班▶ https://edu.money-tab.com/m0m1-reg-c?m0m1=yt
其他活動▶ https://money-tab.info/activity?yt=1
2) 我要做股神APP下載:
iOS▶ https://bit.ly/moneytabapp_i
Android▶ https://bit.ly/moneytabapp_a
升級版▶ https://money-tab.com/membership
3) 緊貼我們社交平台,不錯過任何免費分析/教學:
訂閱YouTube頻道: https://youtube.com/c/我要做富翁?sub_confirmation=1
讚好Facebook專頁:https://facebook.com/203349819681082
![post-title](https://i.ytimg.com/vi/l3V8krV0R-A/hqdefault.jpg)
隨機指標參數 在 隨機指標( KD Stochastic ) 是否奏效?兩大盲點+ 一招優化可 ... 的推薦與評價
在一年多前我們曾為大家分享慢步 隨機指標 ,後來指標亦受到大家歡迎。有見及此我們今天會再次為大家分享 隨機指標 中的快步 隨機指標 ,而且針對多個資產 ... ... <看更多>