最近寫了兩篇有關季線的R練習結果，得出季線乖離率和20日報酬負相關的結論。但是我發現我在數據處理上出了大錯，造成結論完全不對，所以把出事的兩篇帖子都關了，對收到影響的人在此致歉(我想讀過的人應該還不多吧)，個人深感慚愧… 在此解釋一下發現錯誤和修正的過程。

在第二篇的尾端，我想到要做一個線圖來觀察乖離率和報酬率的線性關係是否在時間上是穩定的。由於是負線性相關，所以報酬率取原值乘-1，圖為(標題有誤，應該不是用Inverse，或許該用Negated?)：

乍看之下非常完美，但是仔細一看，發現最後二十天竟然也有報酬率數據！(由於是取20日后報酬率，所以數據的倒數二十日應該是沒有報酬率數據的)。 回去看程式碼，發現我把二十日報酬率算成了十九日前收盤價減去當日收盤價除以當日收盤價了，時間上不對，差值的正負符號也反了(二十日算成十九日的問題是以知的了)…… 仔細看看加權指數和季線的關係也可以看出來明顯的錯誤。

更正后如下：

看出來大致是往左平移，差額十九日改為二十日對曲綫影響不算大，主要是改成了二十日后收盤價減去當日收盤價除以當日收盤價的影響。

另外填上前71日的報酬率供參考:

這樣更正之後線性關係就幾乎消失了（實際上變成了非常些微的正相關），而且觀察圖形可以發現，乖離率似乎是報酬率的滯後指標，這非常合理，由於短期報酬率的改變會造成現價偏離長期平均，但這就沒有什麽實用價值了。以後有空再把更正之後的圖表全部統和整理再重寫一篇。

這次的慘劇是一個偷懶沒有測試驗算加上缺乏常識的結果… 新的結果稍微檢查過，希望沒有問題啊…

[更正：原圖下方六個小直方圖的標題有誤，已修正]

製作了一系列的直方圖(Histogram)，除了總體的乖離率和報酬之外，另外針對不同的乖離率繪製報酬率直方圖，應該較有實際意義。

不過還是得提醒一下，在這裡統計的勝率有其可能的誤導性，比方說報酬與乖離率的線性關係可能在不同時間段的情況不同，可能2009年負相關性比較明顯，而2010年的時候就偏向無相關(只是假設)。我想到可以吧報酬率和負的乖離率依照線性回歸係數修正后按時間畫在一個圖上，另外再算個兩者之差，這樣就比較能夠看出與線性模型契合度是否在不同時間上存在一致性。 今天有點晚了，明天再做。

這次這張圖R只用了不到50行code就做出來了，要是用python+pylab大概得花大量時間讀文檔，寫出來的code可能還會更長。所以應該是先學R再去學pylab(numpy+scipy+matplotlib)會比較輕鬆。

最近在學R（一個統計學計算和製圖軟體）、順便複習複習統計學，接下來應該陸續會把一些練習的成果放上來做個記錄和分享。

給自己的第一個任務是簡單分析現在股市分析師最喜歡用的“季線”是否真的能作為多空走向的指標。所謂“季線”我查到有兩個定義，一個是60天的移動平均線，另一個是72天的，我這裡採取72天定義。數據來源是Yahoo! Finance，統計2003/01/02至2011/11/18的台灣加權指數收盤價（2003年以前的數據沒有成交量資訊，為了統計時間段的一致性，只採用2003年以後的數據）。

第一步先做出走勢圖，畫上季線（藍色）和乖離率（紅色），乖離率為當日收盤價和72日平均之差除以72日平均。所以只要紅色的線在零以上就是指數在季線之上。可以看出最近的乖離率走勢有些類似2004年第二季左右的時候。（字有點小，請點圖片看大圖，以後會改進…）

Read more »