深度:中科院AI勢力崛起
2020-01-21
智東西
文 | 韋世瑋
我們將時針倒回至七十年前。
己丑年甲戌月,東四馬大人衚衕10號的冬天全然未見絲絲涼意。這看似並不起眼的北京城中一隅,正醞釀着一場影響中國科技發展的深刻變革。
小衚衕裏,時年57歲的郭沫若被正式任命爲中國科學院院長。歷史以此爲起點向前奔涌,往後領導班子不斷更替的七十年間,我國自近代以來百廢待興的科技產業發生了翻天覆地的變化。
中國科學院(簡稱中科院)是我國在自然科學和高新技術綜合研究領域的最高學術機構。自成立以來,逐漸建成了完善的自然科學學科體系,覆蓋物理、化學、環境與生態學等學科,爲我國國家安全和科技硬實力的發展上,成爲了不可或缺的國家戰略科技力量。
從首次人工合成牛胰島素,到第一臺原子力顯微鏡(AFM)的誕生;從第一臺大型向量計算機系統,到首款通用處理器芯片「龍芯1號」的自主研發……中科院一路高舉科學振興的旗幟,帶領我國無數高端學科和科技產業萌芽、興起與爆發。
在學術研究領域,中科院旗下擁有12所分院,超100家科研院所,中國科學院大學、中國科學技術大學、上海科技大學(與上海市共辦)均爲中科院所屬的全國重點大學。建院以來,中科院已培養了近千名科技領軍人物和科技尖子人才,涌現出一批又一批的高科技創業者。
隨着人工智能的大火再度把世界科技熱潮點燃,中科院仍保持着強勁實力屹立於世界AI領域的發展潮頭。
放眼世界,2019年全球頂尖計算機科學機構排行榜CSRankings中,中科院以5.3分排名AI全球榜第四,僅次於清華、北大和卡耐基梅隆大學。
回望中國,中科院一手甩出寒武紀、雲從科技等估值10億美元的AI獨角獸,一手穩握中科曙光、科大訊飛和中科創達等多支A股王牌,在羣雄割據混戰的AI戰場中肆意廝殺。
國內外AI科技競賽一波未平一波又起,不知不覺間,中科院AI勢力的星星之火在2019年AI落地生死戰中,歷經了數萬家企業落幕背後的暗潮撲殺,正以爆發之態燎原至漫山遍野。
溯源中科院這場AI勢力崛起的背後,不僅是瞭解我國最高科研學術機構的技術根基和人文底蘊,我們對中科院系的冰山一角進行層層剖析的同時,也嘗試從中窺見這派AI勢力在當下產業落地生死戰的底牌與新活法。
一、中科院的根:研發與人才四十餘年灌溉
中科院系AI企業的野蠻爆發與生長,源於中科院深埋於我國科技土壤的根,離不開研發與人才長年累月的滋養和灌溉。
中科院的研發實力有多強?2019年《Nature》雜誌公佈的2019自然指數(Nature Index)年度榜單中,中科院以1678.64分一馬當先,超越845.54分的哈佛大學,猛衝全球領先研究機構第一的寶座。
細數我國改革開放四十餘年,在國民經濟、國家重大需求乃至世界科技前沿領域,亦活躍着中科院的身影。
2018年,中科院系統梳理了它在四十年間所研發的40項具有代表性、標誌性的重大科技成果。
其中在國家重大需求領域,中科院微電子所組織全國性產學研用聯盟,七年間不斷攻克集成電路(IC)產業研發瓶頸,實現22nm高K介質/金屬柵工程、14nm FinFET器件、新型閃存器件和可製造性設計等關鍵技術突破。
與此同時,在關鍵工藝模塊上,中科院微電子所還形成了較爲系統的知識產權佈局,擁有專利2406項,其中國際專利483項。
中科院持續在各個領域加強核心技術攻堅,實際上爲其在AI產業的爆發打造了一支又一隻精兵強將。
根據中國新一代人工智能發展戰略研究院在2019年5月發佈的《中國新一代人工智能科技產業發展報告》,截至2019年2月28日,我國共有75家AI領域的非大學科研機構,中科院下屬科研院所爲38家,以51.4%的佔比盤踞我國非大學科研機構陣營的半壁江山。
不僅如此,中科院下屬科研院所還強勢霸榜了我國AI領域專利數Top 10非大學科研機構。數據顯示,從第一名的中科院計算所,到第十名的中科院上海微系統所,中科院共爲我國AI產業貢獻了15457項AI技術專利。
人才之於研發,亦如園丁之於園林。
從成立至今,在郭沫若、方毅、盧嘉錫、周光召、路甬祥、白春禮一代代院長的帶領下,中科院如海納百川般吸引了無數身居科研金字塔頂尖的學術巨擘,遍佈數學物理、生命科學、信息技術和化學等多個領域。
現階段,中科院學部共有830名院士,107名外籍院士,平均年齡高達73歲。
81歲的並行算法、高性能計算專家陳國良院士正是其中的一員。他曾開發了國產曙光並行機「用戶開發環境」商用軟件,並帶領團隊成功研製出萬億次高性能計算機「KD-90」,爲我國高性能計算領域的自研核心技術添上了濃墨重彩的一筆。
外籍院士中,時年72歲的微電子學家、FinFET之父胡正明提出的鰭式場效晶體管(FinFET)芯片工藝技術,不僅成功讓芯片晶體管構造從原先的2D邁入3D大門,還打破了曾限制半導體產業發展許久的「摩爾定律」,爲全球半導體產業快速進軍先進工藝領域作出了巨大貢獻。
在近千名院士的披荊斬棘之下,雲從科技創始人及CEO周曦、寒武紀創始人陳天石與陳雲霽、雲知聲創始人樑家恩等一衆出身於中科院的後起之秀,亦在AI領域嶄露頭角,力圖創造一個又一個創業佳話。
縱觀中科院的科研實力與人才優勢,自成立七十餘年——尤其是改革開放後的四十一年間,日復一日地滴匯成海、聚沙成塔,不僅推動了我國科學技術硬實力的復興,亦爲如今中科院系AI公司在產業的爆發埋下伏筆。
二、中科院系AI企業的三大主戰場
如果說AI用了六十年的時間,才讓世界重新關注到它。那麼,中科院自改革開放後花了四十餘年,才讓中科院系企業在當下迎來爆發,這並不意外。
往前,我國的AI產業有中科曙光、科大訊飛和新鬆機器人等公司,在高性能計算、語音、機器人等領域開創基業的篳路藍縷。
往後,國內AI領域則有寒武紀、雲從科技和雲知聲等AI獨角獸與初生牛犢將優勢傳承,在AI芯片、AIoT、計算機視覺等市場不斷釋放潛力。
2019年年初,全球創投研究機構CBInsights發佈32家全球AI獨角獸公司名單。其中,出身中國的10家企業中,寒武紀、雲從科技和雲知聲爲中科院系創企,自動駕駛創企Momenta也有多名高管出身中科大。
中科院系在國內的競爭力同樣強勁。2019年8月,賽迪研究院發佈《2019賽迪人工智能企業百強榜研究報告》,在綜合實力TOP100榜單中,科大訊飛、中科曙光、寒武紀和漢王科技等9家中科院系企業榜上有名。
四十多年來,不斷在AI市場展露野心的中科院系企業已在多個領域開枝散葉。
從當前全局來看,中科院系企業的戰場主要集中在計算機視覺、AI語音和AI芯片三大方向。
它們從成立之初就開始逐漸影響着這些行業,在利用創新技術瓜分市場的同時,也重新定義着傳統市場的變革之路。
1、計算機視覺(CV)
計算機視覺是如今AI領域中十分熱門一個分支,同時也是極具商業化價值的賽道。
其中,以人臉識別爲核心技術的AI企業已廣泛遍佈國內市場,與安防、金融、自動駕駛和消費電子等應用場景緊密結合。
在這一市場中,中科院系老牌企業則有中科創達首當其衝。
中科創達成立於2008年,它針對成像技術開發了一系列圖像處理和智能視覺算法,既有面向衆多領域檢測人臉的年齡、性別和情緒的Face ID方案,也有面向工業、安防和交通等領域的視覺缺陷檢測。
尤其在智能網聯汽車方面,中科創達融合底層操作系統技術、Righware Kanzi 3D開發技術和智能視覺AI技術,進一步提升用戶的駕駛體驗。
據悉,中科創達在全球已擁有超過100家智能物聯網汽車客戶,其業務增速在2019年上半年約爲74%。
深度:中科院AI勢力崛起
另一廂,現在市場中老生常談的「CV四小龍」中,雲從科技則是中科院系麾下創企,成立4年就已拿下10億美元估值。
雲從科技在計算機視覺領域擁有三大核心技術,分別爲3D結構光人臉識別技術、跨鏡追蹤(ReID)技術和人體3D重建技術,在安防、金融、交通和零售等行業都有落地應用。
例如,其人臉識別技術能夠對圖像中的人臉進行屬性分析,以判斷年齡、性別、膚色、是否佩戴眼鏡和麪部遮擋物等信息,實現毫秒級響應。
2018年,國際調研機構Gen Market Insights曾發佈《全球人臉識別設備市場研究報告2018》,數據顯示,中國是全球人臉識別設備的最大消費市場,雲從科技的市場份額排名第一。
2、AI語音
要說中科院系企業在AI語音領域的最大王牌,科大訊飛當仁不讓。
自1999年成立至今,科大訊飛在語音識別、語音合成、聲紋識別和自然語言處理(NLP)等技術領域,已逐漸成爲中國AI語音行業的領頭羊。
科大訊飛的AI語音業務覆蓋智慧教育、智慧醫療、智慧城市和智慧汽車等領域。其中,在智慧教育方面開發了訊飛學習機,能夠幫助孩子定位弱項學科,制定個性化的學習方案。
科大訊飛董祕江濤曾表示,科大訊飛語音識別的市場佔有率已居全國第一。
而在新秀陣營,雲知聲和聲智科技等創企的潛力亦不可小覷。
例如,當前處在國內語音交互領域第一梯隊的雲知聲,2012年時就已將深度學習技術應用到語音識別領域,隨後還提出了面向物聯網的「雲端芯」產品體系構想。
雲知聲自主研發的雲知聲開放平臺3.0,利用語音識別、語義理解、語音合成和音頻轉寫等技術,爲移動物聯網、智能家電、可穿戴設備和醫療等領域提供AI語音解決方案。
據瞭解,目前雲知聲的覆蓋用戶已達2億,其中開放語音雲覆蓋的城市爲470餘個,覆蓋設備超9000萬臺。
3、AI芯片
在我國的半導體產業發展史上,脫胎於中科院計算所的龍芯中科自2001年以來,陸續研發龍芯1號和龍芯2號系列芯片,打破了我國缺乏自主研發CPU芯片的歷史。
而往後看,尤其是過去五年間AI專用芯片需求的爆發,中科院也孕育出了寒武紀和雲知聲兩家AI芯片獨角獸公司,以及中科睿芯、欣博電子和啓英泰倫等重要玩家。
其中,創立於2016年的寒武紀在2018年6月完成數億美元的B輪融資後,市場估值已達25億美元(約167億人民幣)。
寒武紀打造的兩代智能處理器IP,曾被搭載於華爲麒麟970和麒麟980兩款SoC中,幫助華爲一炮打響「真正的AI手機」口號。
2019年11月,寒武紀面向邊緣AI計算領域,最新推出了思元220芯片,擁有高安全、低延時和高帶寬三大優勢。
隨着思元220芯片的推出,寒武紀的AI芯片正式形成雲、邊、端三個方向的完整佈局,進一步滿足現今碎片化AI市場的多個應用場景需求。
三、回溯三大技術源頭,AI勢力的厚積薄發
追根溯源,如今中科院系AI勢力的逐漸崛起,與中科院AI歷史的變遷與演進離不開關係。
與我國曆史發展脈絡同步,中科院在結束了徘徊中前進的兩年後,國內AI的發展也逐漸醞釀着解禁。
1978年,我國著名數學家、中科院院士吳文俊提出的「幾何定理機器證明」獲得了全國科學大會重大科技成果獎,爲我國之後的AI體系構建奠定了重要基礎。
直到上世紀80年代,中國航天之父、中科院院士、兩彈一星元勳之一錢學森等先輩開始主張開展AI研究,讓我國的AI領域研究逐漸開始活躍。
隨着我國AI技術和思想的層層「破冰」,加之1994年中科院啓動支持高水平科技領軍人才引進的「百人計劃」,中科院乃至我國的AI從人才到技術、從學術到產業、從機構到企業,才一步步地蓬勃發展起來。
歷史滾輪之下,我國的AI發展脈絡與中科院息息相關。
當我們將回溯的目光放至中科院系AI企業的「身世」上,不難發現,這些企業的出身可大致分爲兩派。
一派以研究員爲出發點,其公司創始人、CEO和主要高管均爲中科院及下屬研究所出身,由研究員獨立或聯合創業而成;
而另一派則以科研項目爲出發點,公司在成立前曾爲中科院及其下屬研究所的科研項目,通過技術成果轉換後,才正式成立爲公司繼續發展。
但不論是研究員的出身,還是科研項目的孵化,這些公司的技術起點幾乎主要源於中科院的三家關鍵機構——中科院自動化研究所、中科院計算技術研究所、中科院聲學研究所。
1、中科院自動化研究所
設立於1956年的自動化所,不僅是我國最早成立的國立自動化研究機構,也是我國最早開展類腦智能研究的國立研究機構。
自動化所主要涉及生物特徵識別、機器學習、視覺計算、自然語言處理、智能機器人和智能芯片等領域的研究,漢王科技、中科唯實、銀河水滴、中科慧遠和中科視語等公司均從中孵化落地。
截止2018年底,自動化所共擁有696名科技人員,包括中科院院士2人、發展中國家科學院院士1人、IEEE Fellow 9人。
在AI領域,自動化所亦扮演着重要的開拓者角色。
上世紀90年代,自動化所以控制科學爲基礎,率先佈局AI研究。緊接着從2010年起,其AI研究方向進一步細化,開始在類腦智能研究領域出招。
據悉,自動化所通過架構設計創新,曾自主研發了量化神經處理器(QNPU),在資源受限的芯片上實現大規模深度神經網絡的獨立計算。
而在生物特徵識別技術方面,自動化所還實現了從中距離到遠距離的可識別生物特徵信息全覆蓋,包括虹膜識別、人臉識別和步態識別,已在國家衆多重要安全領域應用落地。
2、中科院計算技術研究所
計算所同樣創立於1956年,是我國第一個專門從事計算機科學技術綜合性研究的學術機構。
計算所主要研究信息處理、網絡安全、大數據處理、智能技術和虛擬現實技術等領域,曾研發出我國衆多的「第一」歷史性時刻,爲我國的高端計算機技術、數字化技術和通用CPU技術等方面作出了巨大貢獻。
例如,我國的第一臺通用數字電子計算機、第一臺109乙大型通用晶體管計算機、第一顆通用CPU芯片「龍芯1號」,以及全球PC市場份額第一的聯想集團前身皆誕生於此。
同樣,計算所亦是中科曙光、寒武紀、中科智芯、中科視拓和中科物棲等一衆AI企業的搖籃。
截至2015年,計算所的研究隊伍已超500人,其中中科院、工程院院士共5名,正高級專業技術人員70名。
而在未來,計算所也將計劃實現三個100億的產業目標,包括中科曙光市值達到100億美元、嵌入到華爲等企業的IT產品銷售100億人民幣、創業公司市值達到100億人民幣,真正成爲我國計算機產業的源頭。
3、中科院聲學研究所
與自動化所和計算所相比,聲學所則較爲「年輕」些,它成立於1964年。
聲學所主要負責聲學和信息處理技術學科的應用基礎,以及高技術發展研究,面向我國的海洋、安全、能源和生命健康等領域。
其中,聲學所的水聲物理與水聲探測、通信聲學和語言語音信息處理、聲學與數字系統集成等技術,不僅孵化了聲智科技等AI語音企業,同時也培育了一批如海天瑞聲創始人賀琳、小聲科技創始人陳孝良等產業人才。
截至2018年底,聲學所共有專業技術人員794人,包括正高級專業技術人員133人,副高級專業技術人員255人。
在國家重大科研項目領域,聲學所亦參與研製了我國「蛟龍」號載人潛水器的研發與應用,爲我國載人深潛技術的發展作出了突出貢獻。
中科院AI技術的「黑土地」不止於此,中科院軟件研究所、微電子研究所、半導體研究所等科研機構,同樣催生了衆多極具潛力的中科院系AI企業。
四、中科院的時代發展機遇
中科院系AI勢力的燎原,不僅僅是七十多年來科研技術和人才培養的厚積薄發,抓住了AI產業「甦醒」的時代機遇,亦是我國政策和中科院科技成果轉換的催化。
自我國的科技發展進程翻篇到新世紀,國家層面對AI技術和產業的嗅覺愈發靈敏。
國家高層領導人在2014年中國科學院第十七次院士大會、中國工程院第十二次院士大會開幕式上發表的一次重要講話,首次高度評價了AI和相關智能技術,無形中大力推動了我國AI技術的發展。
一年後,國務院正式頒佈了《中國製造2025》,加快推動新一代信息技術與製造技術融合發展,將推進智能製造作爲我國製造強國戰略的主攻方向。
至此,AI逐漸被提到了每一項重要產業中不可或缺的核心技術位置。
在國家政策的積極帶動下,中科院及下屬各個研究所亦開展了一場自上而下的政策規劃。
但立足於產業,如何更好地實現科技成果轉移轉化也成爲了中科院各項政策規劃的重要方向。
實際上,技術成果轉化的難點在於如何尋找技術產業化的方向。這常常缺乏專業的服務機構和人才,同時還面對部分科技成果轉化的政策不完善、科技成果與市場需求脫節等問題。
在政策方面,以下屬研究所爲例,中科院計算所在2016年制定了自身的「十三五」規劃,一是計算所發展模式要從自主創新轉變到引領創新,對標斯坦福大學;二是通過建設中科院網絡計算創新研究院,引領中國「信息高速鐵路」技術的發展;三則是支撐企業實現三個100億的產業目標。
以地方爲例,2018年,中科院科技促進發展局、中科院北京分院、中關村科技園區管理委員會共同推出了《促進中科院科技成果在京轉移轉化的若干措施》,通過支持科技成果轉化平臺建設、實驗室共享等十項舉措,推動更多科技成果在北京轉化落地。
此外,中科院還全資設立了國科創新公司,不斷探索產業技術研究院、技術企業孵化器和聯動創新產業園三種平臺的科技成果轉換模式。
截至目前,國科創新已實現了120多項科技成果轉換服務,覆蓋AI、智能製造、智能物流和智能電網等領域,孵化企業的融資規模已達到2.8億人民幣。
結語:七十載征程,中科院仍笑傲AI江湖
時光如流水,七十年的風吹雨打,中科院已然成長爲我國AI技術和產業力爭站立於世界潮頭的國之重器。
順延着它的歷史軌跡,我們可以看到,它AI勢力的強勢崛起,既有歷史的累積、人才培育的影響,也有一代代產業經驗累積後的良性循環。回顧中科院系AI企業的漫漫長路,它爲我國AI產業如何利用好產學研之間的合作優勢,提供了一個新的角度與思考方向。
但同時,我們也需意識到,在當下殘酷的AI落地戰和全球科技競賽激烈的環境中,我國整體的AI技術實力與國外仍存在一定的差距。
我國AI玩家們將要面臨的,不僅是全球科技競賽給市場格局帶來洗牌的陣痛,還需面對顛覆性技術爲各領域市場,乃至人們的生活帶來的巨大挑戰。生,便能乘着市場和資本的東風一躍而起,闖進商業落地的頭部陣營;死,便只能被大浪拍在岸邊的礁石上,隨着時間流逝被市場和資本遺忘。
未來,中科院系AI企業又將如何書寫這一頁歷史征程?時間將會告訴我們答案。
附圖:▲中科院研究單位統計表
▲我國自然科學工作者代表會議籌備會合影
▲自然指數全球百強機構前十名榜單
▲中科院改革開放四十年40項重大科技成果
▲我國AI領域專利數Top 10非大學科研機構(圖源中國新一代人工智能發展戰略研究院)
▲中科院學部院士年齡統計(圖源中科院官網)
▲陳國良院士
▲胡正明院士
▲賽迪網發佈2019年中國AI企業綜合實力百強名單
▲計算所成立公司情況(圖源計算所官網)
資料來源:https://bangqu.com/YDah49.html
「kd值計算機」的推薦目錄:
- 關於kd值計算機 在 台灣物聯網實驗室 IOT Labs Facebook 的精選貼文
- 關於kd值計算機 在 [心得] KD值的心得(修改重發版) - 看板Stock 的評價
- 關於kd值計算機 在 kd值計算的情報與評價,MONEYDJ、FACEBOOK、PTT 的評價
- 關於kd值計算機 在 kd值計算的情報與評價,MONEYDJ、FACEBOOK、PTT 的評價
- 關於kd值計算機 在 5分鐘了解什麼是股票的KD值? KD值能幫我們在股市中賺錢嗎 ... 的評價
- 關於kd值計算機 在 如何用Excel計算KD值 的評價
- 關於kd值計算機 在 kd值計算機、kd值設定、kd值查詢在PTT/mobile01評價與討論 的評價
- 關於kd值計算機 在 kd值計算機、kd值設定、kd值查詢在PTT/mobile01評價與討論 的評價
kd值計算機 在 5分鐘了解什麼是股票的KD值? KD值能幫我們在股市中賺錢嗎 ... 的推薦與評價
![影片讀取中](/images/youtube.png)
KD值#股票投資#技術分析如何 kd值計算 ?0:13 KD值是啥? kd值介紹0:38 用KD值判斷超買區和超賣區1:02 KD值鈍化:高檔鈍化和低檔鈍化1:32 黃金交叉 ... ... <看更多>
kd值計算機 在 如何用Excel計算KD值 的推薦與評價
已收集到每日與每週的開盤價最高價最低價收盤價成交量成交值等在EXCEL中1.有否大大可以提供EXCEL程式幫我解答, 用來計算出n日KD/n週KD值.2. ... <看更多>
kd值計算機 在 [心得] KD值的心得(修改重發版) - 看板Stock 的推薦與評價
分享一些有關KD心得與想法。
一.KD值的計算(以常見的"9日KD"和"2/3 + 1/3"的平滑因子為例)
RSV = (最新收盤價-近九日最低價) / (近九日最高價 - 近九日最低價)
K值 = 2/3 前一日K值 + 1/3 今天的RSV
D值 = 2/3 前一日D值 + 1/3 今天的K值
二.解說:
(1) 2/3 及 1/3 是平滑因子,其計算目的是要將kd值平滑化,也使KD值的線不那
麼鋸齒狀。
(2) KD值的計算主要還是受RSV影響。根據RSV公式,你可以知道:
(a).分母的近九日最高價和最低價視為一個「區間」。
而計算出的K值涵意就是"最新收盤價落在這個區間的百分比位置"。
示意圖:
天數 9 8 7 6 5 4 3 2 1
│﹉﹉﹉﹉﹉﹉﹉﹉﹉﹉﹉﹉﹉﹉﹉﹉﹉﹉﹉﹉九日內最高價
│ │ |
│ │ |
|
│ | 九日區間
│ │ |
│ │ |
│ │ |
|
│﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍九日內最低價
以3/25大盤指數為例:
近九日最高,低價位各為(8658,8071),是一個587點的區間。
9 8 7 6 5 4 3 2 1
3/15 3/16 3/17 3/18 3/21 3/22 3/23 3/24 3/25
當日收盤 8234 8324 8282 8394 8467 8508 8545 8576 8610
------------------------------------------------------
當日高點 8520 8372 8283 8399 8508 8553 8551 8603 8658
當日低點 8071 8257 8151 8313 8394 8508 8482 8551 8588
. 應該特別注意的是:最低點8071出現在最早的一天。當要計算3/28的
KD值時,3/15會被排除掉,只考慮3/16~3/28的九
日數值,於是3/28的九日區間最低點最有可能變
成8151。
(b).3/25的收盤價8610,落在上述區間裡的相對位置91.88%
RSV = 91.88 % = (8610-8071) / (8658-8071)
(c).3/24的K9和D9的數值是72、57,因此星期五的KD值為:
K9(星期五) = 2/3 * 72 + 1/3 * 91 = 79
D9(星期五) = 2/3 * 57 + 1/3 * 79 = 64
可以知道,受平滑因子之故,K值無法快速的向RSV靠近。
(開始計算KD值初始日,無前一日KD的數值,可以代入50)
故 今天RSV > 昨天K值,會使今天的k值向上走;
今天RSV = 昨天K值,會使今天的k值持平;
今天RSV < 昨天K值,會使今天的k值向下走。
(3).KD值最基本的運用,不外乎是進入或離開超買區、超賣區,及KD的交叉。
故大多可以算出超買賣線的價位,及kd交叉的價位,在操作上,就會有個
底,可知道下一個交易日交叉的可能性,甚至是會少賺或回吐多少的獲利。
(a).使K值反轉的價位
當3/28的RSV < 今天的K值。區間不變下(意謂著下星期一指數高點,
沒有創下比8658的高的數值),RSV要小於79,可得到:(注意79是指
0.79)
79 % > 下星期一RSV
79 % > (下星期一的收盤價 - 8071) / 587
收盤價 < 79 % * 587 + 8071
收盤價 < 8535
即下星期一跌超過(8535-8610= 75)點,K值將會反轉向下。
提前有提到,8071的最低價,在下星期一就會被排除,而換成8151,
在下星期一(3/28)不寫下近九日最高價時,區間變成(8658,8151),
變成一個507點的區間。要重新計算上式:
79 % > 下星期一RSV
79 % > (下星期一的收盤價 - 8151) / 507
下星期一的收盤價 < 8551
上面計算出區間維持在(8658,8151)時,跌59點就會使K值反轉向下;
故數跌破8551,就會使k值反轉向下,若是指數小跌,但不跌破8551,
則將出現『k值向上,指數向下』的背離。
另外,由於3/25指數收8610,太靠近近九日最高價8658,相信指數走
高震盪一下就又能創下近九日的新最高價。由於這個不確定的因素,
上面的計算就不是這麼準確的了,不過除了新高價與原高價差距很大
,否則K值反轉價位並不會相差太多。當近九日最高價、最低價發生在
九日裡的中間幾日,且距高低價位有點距離,知道區間改變的可能性
較小時,就能準確計算出使k值反轉的價位。
(b).超買、超賣線的價位
已知道3/28若不創新高點的情況下,3/28的近九日區間為
(8658,8151),共507點的區間。可以計算出,超買、超賣界線的價
位:(k值大於80就定義為超買,80即為0.8;小於20為超賣)
超買線的價位= 0.8 * 507 + 8151 = 8556
超賣線的價位= 0.2 * 507 + 8151 = 8252
超買區的區間便是8556~8658;
超賣區的區間就是8151~8252;
指數不跌破8556(-54點),就會停留在超買區。故有使用超買區線來
操作的人,就得注意這個價位8556。
因8610和8658太靠近,很容易就再改寫3/28近九日最高價。
上述兩價位就要重新計算。不過大致也很好推算,新高價每大於8658
達x點時,就會使超買線 = (8556 + x * 0.8)。
超賣線 = (8252 + x * 0.2)。
(c).KD值交叉的價位
若3/28日(下星期一)不創新高價位,區間保持在(8658,8151),
目前K(79) > D(64),若要使K<D,則
K < D
(2/3*79 + 1/3*下星期一RSV) < (2/3*64 + 1/3*下星期一的K)
由於下星期一的K = ( 2/3*79 + 1/3*下星期一的RSV),代入上式
2/3* ( 2/3*79 + 1/3*下星期一的RSV) < 2/3 * 64
52.7 + 1/3*下星期一的RSV < 64
下星期一的RSV < (64 - 52.7 ) / (1/3)
下星期一的RSV < 34
(下星期一的收盤價 - 8151)/(8658-8151) < 34
下星期的收盤價 < 8323 #
故下星期一的收盤價小於8325(跌287點),便會使KD值死亡交叉。
同樣的,指數下星期一有創九日新高價,造今區間改變,上述數值
便要有所不同。
三.結論
(1) 先有最新收盤價才有KD值,故KD值是是落後指標。
大多數情況下,是順勢指標。會講KD是順勢指標,是因為『
指數上升,往往RSV會上升;若今RSV>昨K,則K就會上升。
指數下跌,往往RSV會下跌;若今RSV<昨K,則K就會下跌。 』
私以為KD可用來操作,無法用來預測走勢。比如3/15日震殺盤後的大盤走勢,K
D值黃金交叉發生在3/21,雖然你對後面走勢有疑慮,卻遵守指標而作多,抖抖
抱而驚驚賺。
(2) 高檔鈍化,自然是因為指數連續漲,而且連續寫下以當天來看的近九日新高價
,使得九日區間不斷擴大,而且收盤價接近該新高價。所以說K值進入超買區之
後,後續價格不是漲,就是跌。漲就會使指標持續鈍化,跌就會修正指標。絕
對不是因為K值進入超買區,而導致指數下跌。
低檔鈍化,自然是因為指數連續跌,而且連續寫下以當天來看的近九日新低價
,而且收盤價接近該新低價。
(3) 指標落後的另一個原因就是平滑因子。突然一根的大漲或大跌,使得RSV變動
較大,但是K值卻需要花上2、3日才能反應完全。
有時會發生一日大漲或大跌,但是因為平滑因子計算之故,當天沒有交叉訊號
,或是沒有穿越超買區、超賣區的訊號,讓你空手。隔日又續漲或續跌,才出
現訊號,讓你晚了一日進出場而少賺或多虧。
但是不代表平滑因子沒有好處,有時正因訊號落後,而避開了雙巴的走勢。
(4).背離。造成背離的原因有:區間改變和平滑因子。
好比說連二天的小漲,但k值背離下滑,通常是因為剛好發生區間改變,使得
RSV<K,反倒拉動K值下滑。
一日漲一日跌就比較有可能是平滑因子使k值反應不完全所造成的背離。
反正發生背離時,計算一下RSV,就能知道背離的原因。千萬不要因為k值背
離就預測行情將反轉!
當然,背離造成的結果有好有壞。舉個例:我們知道去年11月底是一個波段
的起漲點,下列大盤指數資料可知:
11/22 11/23 11/24 11/25 11/26 11/29
--------------------------------------------------------
收盤價 8374 8328 8297 8349 8312 8367
--------------------------------------------------------
漲 跌 +68 -46 -31 +52 -37 +55
--------------------------------------------------------
K 值 40 41 40 51 50 60
D 值 38 39 40 43 46 51
===================================================================
(背) (背) (背)
說起來,這5天是個整理盤。而23、24、26號指數下跌,但K值持平或小漲,
且未與D值交叉,出現背離,也許有人反而進場試多單,12/1開始,就是驚驚
漲,爽爽賺。
(5).指標變動明顯,實際上指數變動不多。舉例,你的策略是死亡交叉作空,下次
黃金交叉平倉,根據2010年10月的大盤指數資料:
10/7 10/8 10/11 10/12 10/13 10/14 10/15
指 數 8283 8244 8176 8090 8106 8215 8205
漲 跌 -0.11 -39 -67 -86 +16 +108 -10
K 值 75 69 50 38 32 42 47
D 值 71 70 64 55 47 45 46
===================================================================
(死叉) (黃金)
死亡交叉發生在10/8,試空單。而接下來幾日K值快速下降,而10/15黃金交叉
平倉,雖然KD值有明顯變動,但是8日和15日的指數比較之下,結果沒賺幾點
,有時候還說不定會虧錢。
剛好10/15的K值背離,去計算前一日和當天的RSV就可以知道背離原因,是因
為14號的108大漲,受到平滑因子之故,當天K值無法完全反應,以致於15日才
有黃金交叉。若是15日去做多的話,下一交易日18號跌-144點,當然自然是虧
錢。
(6) 總而言之,言而總之:
KD值訊號 結 果 後續KD訊號 結 果
============================================================
a.買 -------- 該 買 ---------- 賣 ---------- 該 賣(有利)
| | |
| | |-------不該賣(少賺)
| |
| |------- 不賣 --------- 該 賣(少賺)
| |
| |
| |------ 不該賣(有利)
|
|----- 不該買(虧損)
b. 不買 ------- 該 買(沒賺)
|
|
|---- 不該買(有利)
(i).少賺及沒賺,事實上應該去統計這2種不利情形侵蝕自己多少應有獲利
,但是長期的投資經驗,會造成我們不要太計較這2種情況的發生,只
要下次再接再勵,長期下能產生淨報酬便行。所以應該在意的是(有利
時的獲利 > 虧損時的損失)。
(ii).其實我個人覺得上面的流程圖有點籠統。何況加入個人的操作策略與
習慣,加入{試單、加減碼、停損停利、攤平、持有期間}等考量,情況
自然是複雜許多。且定義何謂該不該買或賣的標準就會有所不同。
(7).一般來說:
基本面條件,並不是股價漲跌的唯一理由及必要條件。也就是說有一部分漲
幅較大的個股並無基本面支持。
技術分析好處,就是你回頭去看價股波動,都有技術訊號,但是缺點就是不
三不四的小漲股也容易出現訊號。尤其是今天幾檔出現技術訊號,明天也幾
檔,實在是太多家會出現技術訊號。實際上根本不知買哪一百,所以往往會
伴隨其他的選股條件,比如說最常見的搭配方法,就是買「強勢股」。
而KD值這樣技術指標可以這樣看:
真的大波段都會有訊號,但是可能會晚1、2天才出現訊號。
訊號落後,是為了讓使用者預留一些空間確認走勢後才進場,讓操作者不急
著進場或急著清空部位。
超買超賣區的存在,以及KD兩條線的差距,就是允許價格波動的空間,透過
計算,kd使用者可以大略知道這個空間有多少。
相對的,經過你計算後,可能有此情況:接下來2天的九日區間都不會改變,
因此指數接下來漲80點就會出現kd黃金交叉,到時要進場做多。於是你就會
覺得kd值不可靠,為什麼漲80點就要做多,我為什麼不在漲40點的時候進場
,這時候就要改變心態,你知道預留80點的空間是為了避開80點以內的震盪
,而且你也知道,漲過80點後,不代表指數會繼續漲,可能漲到100點便反轉
向下也說不定。
(8). 前面有提到,可以把九日裡最高價和最低價視為一個區間,於是:
大區間:顯然這幾日內剛歷經大漲或大跌走勢。
小區間:走勢趨緩,或是盤整盤。
在大區間的前提下,假設是日本地震後的九日區間750點走跌(3/4高點8824~
3/15最低價8071),意謂著3/15之後只要從8071彈升150以上,也就是8221點
就會離開超賣區,要在那種氛圍下進場做多,恐怕心理負擔不小。
大跌後的開始反彈、大漲後的開始拉回,在這種有疑慮的氣氛下,或是k線呈
現長上影、長下影、長紅、長黑,或是有利多、利空消息存在時,kd值的紀
律操作,可以讓你拋開這一切,簡單的依訊號操作。
而在小區間的情況下,最大麻煩就是出現進出場訊號的次數增加。
(9).有人會在線圖上,將2個高點連一條線,再將這2個高點該日的k值畫一條線。
有時就會出現另一種背離,比如高點連線是往右上,而k值連線是往右下,便
預測行情將反轉,其實我覺得只是巧合。不過KD值本來有時候的獲利就是要
靠指標的『巧合』。
可以這樣說:線圖上有2個波段,定義其高點各為H1和H2,而其對應的當日k
值為K1與K2。
若 H2 > H1 , 則 K2 > K1 也必需成立,否則就會背離。但問題是K1、K2計
算公式時區間大小未必相同,計算出結果使得K2<K1也是有可能。
(10).假設你使用kd值操作指數期貨(單純黃金交叉作多,死亡交叉平):
在採取停損策略,可合理猜測,由於無法凹單,所以停損的損失次數應該會
比較多。假設 獲利的真訊號 : 假訊號 = 1 : 2。
寫成期望值:
損益 = 1/3 * E - 2/3 * L
很明顯的,E/L > 2 才會出淨利部分。
於是得靠操作策略去調整真假訊號的相對次數,或提高E,或降低L。
常見方式不外乎試單、停損、加減碼。
幾個重點:
(1).進場試單後,只有兩種時機出現時才出場。
Ⅰ.停損出場。(一定會損失)
Ⅱ.訊號出場。(可能獲利,可能損失)
除非有建立其他出場標準,否則就只有這2種出場條件。
問題在於,停損該設多少才不會造成心理上的負擔,同時能兼且
凹單的效果。
(2).進場後,果真開始獲利,怎麼加碼?
進場訊號到出場訊號,可能是個百點不到的波段,也可能是個500
點以上的波段。
(3).一加碼後,行情不久便反轉,加碼部位開始虧損。如何處理?
(4).考量到出場訊號也有真假之分,你該考慮怎麼出場?
--
※ 發信站: 批踢踢實業坊(ptt.cc)
◆ From: 114.42.176.209
推文中有人質疑,KD沒有預測價值,用它何用。
我在文中都有寫到KD沒有預測能力,它的價值在於「壞掉的時鐘總會準兩次」這點。
何解?雖然不是每次準,但是它存在一定會準的時候,如何在真訊號時候盡情獲利,
這就是個人操作策略該思考的地方。而且預測也不一定每次都對,有一定準的預測方
法在嗎?
前一版本已被我刪掉,裡面有提到,我覺得KD並不是那麼值得信賴。但是若要用它,應
該想方法發揮它的優點才是。文中有概略提出幾點KD值的優缺點。
一個股市各自表述,大家想賺的錢未必一樣。上市公司7、800家,上櫃有500多家,大家
偏好的個股也不一樣。台灣整個產業分布,肯定還有很多會賺錢但未上市櫃的,產業分
析也不容忽視這一魂。
飆股可分成:有基本面;沒有基本面的。
但是只要有漲,一定都會出現技術訊號。反之,技術指標的缺點,連小漲的個股也容易
出現訊號,所以說符合技術指標條件的個股集合太多也太雜,肯定要找其他標準再進行
篩選,像歐尼爾CAN SLAM。
傳統財務評價的因子有:成長性、獲利性、風險性,還有現金流量折現觀念等等不同角
度切入。有機會再寫一篇。
有一些價值型個股,其價值建立在將資產、事業部或品牌切割出售。實際上我們可以看
到很多知名大型企業收購一些還沒賺錢的公司。像這樣有技術價值、分割出售價值,非
老江湖或技術科班出身的人很難得知。
總而言之,各式各樣的方法,都請先評估本身特性,透徹瞭解方法後,再選擇使用。不
要流於人云亦云,也不要抱著朝三暮四的態度。
※ 編輯: kkkppp 來自: 114.42.176.209 (05/25 16:56)
哭哭,總算突破前版只有14推的窘境。
※ 編輯: kkkppp 來自: 114.42.176.209 (05/25 17:05)
... <看更多>