• By Andy Rooney（翻译：SinRain）

• I've learned...that the best classroom in the world is at the feet of an elderly person.
  老者之言 胜于最好的书本
• I've learned...that when you're in love, it shows.
  真爱昭昭
• I've learned...that just one person saying to me, "You've made my day!" makes my day.
  助人者自助
• I've learned...that having a child fall asleep in your arms is one of the most peaceful feelings in the world.
  臂弯里吾儿熟睡是世界上最静美的片段
• I've learned...that being kind is more important than being right.
  处世友善 大道无形
• I've learned...that you should never say no to a gift from a child.
  幼儿之心 醇美安宁
• I've learned...that I can always pray for someone when I don't have the strength to help him in some other way.
  常怀助人之心
• I've learned...that no matter how serious your life requires you to be, everyone needs a friend to act goofy with.
  举重若轻，大智若愚
• I've learned...that sometimes all a person needs is a hand to hold and a heart to understand.
  有时精神之抚慰胜于财富之舍予
• I've learned...that simple walks with my father around the block on summer nights when I was a child did wonders for me as an adult.
  夏夜星空里孩童成长
• I've learned...that life is like a roll of toilet paper. The closer it gets to the end, the faster it goes.
  人生如同卷纸，越接近大限时光便流逝的越快
• I've learned...that we should be glad God doesn't give us everything we ask for.
  知足
• I've learned...that money doesn't buy class.
  真知践行而来
• I've learned...that it's those small daily happenings that make life so spectacular.
  美好的人生是由每一个美好的细节构成
• I've learned...that under everyone's hard shell is someone who wants to be appreciated and loved.
  拨开心灵的硬壳，所见皆是渴望被欣赏和被喜爱的柔软的内心。
• I've learned...that the Lord didn't do it all in one day. What makes me think I can?
  即使上帝也没有把所有的事情一天做完，亲爱的朋友你又何必着急呢
• I've learned...that to ignore the facts does not change the facts.
  掩耳盗铃，面对现实
• I've learned...that when you plan to get even with someone, you are only letting that person continue to hurt you.
  报复是对自己的重复伤害
• I've learned...that love, not time, heals all wounds.
  爱，而非时间，治愈伤口
• I've learned...that the easiest way for me to grow as a person is to surround myself with people smarter than I am.
  知不足而学之 然后能自反也 知困而后勇 然后能自强也。
• I've learned...that everyone you meet deserves to be greeted with a smile.
  人人应得微笑
• I've learned...that there's nothing sweeter than sleeping with your babies and feeling their breath on your cheeks.
  和小盆友一起睡着，感受他们的呼吸是世界上最曼妙的时刻
• I've learned...that no one is perfect until you fall in love with them.
  情人眼里出西施
• I've learned...that life is tough, but I'm tougher.
  我比困难更牛逼
• I've learned...that opportunities are never lost; someone will take the ones you miss.
  你错过的机遇总会被别人抓走
• I've learned...that when you harbor bitterness, happiness will dock elsewhere.
  困顿是喜悦之母
• I've learned...that I wish I could have told my Dad that I love him one more time before he passed away.
  愿我能把父母的爱及时说出口
• I've learned...that one should keep his words both soft and tender, because tomorrow he may have to eat them.
  说话要有余地。
• I've learned...that a smile is an inexpensive way to improve your looks.
  微笑是最好的化妆品
• I've learned...that I can't choose how I feel, but I can choose what I do about it.
  不能选择结果 但可以选择对待结果的方式
   
  I've learned...that when your newly born grandchild holds your little finger in his little fist, that you're hooked for life.
  传承生命是最大的天伦之乐
• I've learned...that everyone wants to live on top of the mountain, but all the happiness and growth occurs while you're climbing it.
  万山之巅人人神往，而登山的过程才是收获和欢乐最多的时候
• I've learned...that it is best to give advice in only two circumstances; when it is requested and when it is a life threatening situation.
  吃一堑长一智。
• I've learned...that the less time I have to work with, the more things I get done.
  大限临头效率才会高。

这个法则是用来算在一定的收益率下 需要多久资产翻倍的。类似的还有The rule of 70, the rule of 69什么的。举个例子，你的收益率是10%/Year，那么就是差不多7年之后资产会翻倍，70/10=7.

原理太简单了：
设r是期望收益率，N是翻翻的年份，那么(1+r)^N=2。两边同时Ln一下，R一般比较小的，得到N*r=Ln2  
再来N=Ln2/r   Ln2=0.693

为啥取72呢，好除呗。比较适合买菜的时候看看卖菜的有木有显著的在坑你，经常接到一些保险公司的在推理财产品，结果还不如我全存银行5年定期呢！这就是所谓的The Rule of 72，请具有人脑PDE功能的算术人才自动无视这个。

需要在天朝上一些不良网站的，比如非死不可啊、油涂币啊、腿疼啊之类的。稍微小小的爬墙就可以了。不过我觉得爬墙普遍麻烦要么就很慢。

推荐个Free的VPN吧，速度尚可，稳定尚可，还不要钱。猛按这个。

银行业的整体靓丽年报，击退了各种怀疑，超过了大部分的预期。同时还有一个有趣的事情，今年的银行股的股息率超越了一年期存款利率，也就是说不考虑二级市场的价格变化，持有银行股的分红已经超越一年期定期存款利率了!对于一个只有8-12倍PE, 2倍左右PB的基本面良好的股票而言跌无可跌；一个占A股约1/4的板块的崛起带来的不仅仅是春天。伴随着中小板指数和创业板指数的下跌调整的是夏天的来临，夏天不远了。

银行为什么不能涨，逻辑有二：
1. 更严厉的紧缩政策
2. 被地产行业绑架

银行业PB 估值相对大盘、中小盘折价达38%、67%，A 股银行较H 股银行折价约21%。盈利不断创新高，估值创新低，在未来流动性严厉收紧预期放缓背景下第一个逻辑被否决，最近市场对更加紧缩的预期降低。原因是M2增速成功被拉下16%的坎，虽然CPI在6月前依旧不乐观，但是看得见悲剧能走多远就是喜剧。地产的问题，被动调控转换成主动引导，不会有人傻到去引爆炸弹。

下面是什么呢，加了息依旧宽松的货币引发的大宗商品价格上涨，小金属、稀缺资源（稀土、氟化工、XX石、XX）涨价如潮，涨价的故事不是故事，涨价带来的是真金白银，小金属由于对下游的成本冲击很小，不会造成严重的通涨问题。此外A股有一大片有业绩高成长的公司在不断的被发掘。2010年靠讲故事来一日游行情已经过去了，远离这些故事吧，夏天已经到来，关好门窗不要招惹苍蝇和蚊子。

在上一篇中已经说到，数据如何摆放是交易系统好用的一个基本要素，而且数据本身和系统的耦合度很低。如果有一家公司能做这种独立的数据提供商本来就是可以做的一个事情，但是我们的市场还处在一个比较早期的阶段只有一切靠自己了。

数据库我们选用MySQL，为什么选这个呢：1. 稳定 2. 高效 3. 免费 4. 流行。SQLite也是一个很好的选择，不过我对这个不太熟悉，在没有做HFT(High Frequency Trading)之前，其实对数据库也没有那么的挑剔。

数据库结构:

1. Bar data: Open, Close High, Low, Volume, Time, Ticker
2. Quote: Ticker, Date, Time Stamp, [Bid, Bid Size; Ask, Ask Size][i](i=1-5);
3. TA data: K, D, J, RSI,… …(这个可以N长N长)
4. Fundamental data
5. MacroEconomics data

数据库交互：

正如我们提及到的，整个Proj将以Python为主要的载体，利用模块化的设计来逐步完善。

程序是为了解决问题存在的，而不是制造问题。

Python本来是有MySQLDB这个很方便的DB API模块的，有人会说那你还要罗嗦什么嘛，直接SQL之呀！大错特错了，如果用SQL来进行系统的开发，我们将会陷入万劫不复的困境。Python是个优美的语言，SQL也是一个优美的语言，但是两个优美的语言遇到一起，产生的不总是优美:-) 我们遇到的第一个问题是，如果更优美的存放数据，如何把这个一行一行的数据和Python程式里的Objects联系在一起，这是一个朴素的想法。

所以我们有sqlalchemy! 这就是解决上面的问题的!
Base = declarative_base(bind=engine) 继承这个Base，即可以实现对象到数据的mapper，实在是很强大和方便。

class Bar(Base):
 __tablename__ = 'bar'

 bar_id = Column(Integer, primary_key=True)
 gregorian_day = Column(Integer)
 date_string = Column(String(12))
 year = Column(Integer)
 month = Column(Integer)
 day = Column(Integer)
 px_open = Column(DECIMAL)
 px_close = Column(DECIMAL)
 px_high = Column(DECIMAL)
 px_low = Column(DECIMAL)
 volume = Column(Integer)

 def __init__(self, gregorian_day, date_string, year, month, day,
  px_open, px_close, px_high, px_low, volume):
  self.gregorian_day = gregorian_day
  self.date_string = date_string
  self.year = year
  self.month = month
  self.day = day
  self.px_open = px_open
  self.px_close = px_close
  self.px_high = px_high
  self.px_low = px_low
  self.volume = volume

 def __repr__(self):
  return "" % \
  (self.gregorian_day, self.date_string, self.year, self.month,
  self.day, self.px_open, self.px_close, self.px_high,
  self.px_low, self.volume)

然后调用一下Base.metadata.create_all(engine)即可以自动创建好相关的数据库。再调用session()既可以实现数据的提交。这里不妨看下manual，或者偷懒的看一下中文版的。

定义好Class，定义好relation，定义好mapper，定义好DB。下面就是去找数据了。

最重要的数据来自两块，首先解决Bar，对于Python而言，强大而牛X的matplotlib里有一个finance组件里就直接包含了这个函数。quotes_historical_yahoo这个函数可以直接返回ticker的Bar data在tuples，真是方便无比。

from matplotlib.finance import quotes_historical_yahoo

quotes_historical_yahoo(ticker, start, end) #list of tuples

然后每日让电脑自动的去synchronize数据，那么Bar的数据就搞定勒；下面就是实时data，实时的data来自sina(下文为部分复制粘贴)，只需访问新浪的股票数据 接口：

例如: http://hq.sinajs.cn/list=sh601006

这个股票数据接口会返回一串文本，如下：

var hq_str_sh601006="大秦铁路, 27.55, 27.25, 26.91, 27.55, 26.20, 26.91,
26.92, 22114263, 589824680, 4695, 26.91, 57590, 26.90, 14700, 26.89, 14300,
26.88, 15100, 26.87, 3100, 26.92, 8900, 26.93, 14230, 26.94, 25150, 26.95,
15220, 26.96, 2008-01-11, 15:05:32";

其实上面的每一个数据都代表了一个股票数据，具体股票数据的含义如下：

0: "大秦铁路"，股票名字；
1: "27.55"，今日开盘价；
2: "27.25"，昨日收盘价；
3: "26.91"，当前价格；
4: "27.55"，今日最高价；
5: "26.20"，今日最低价；
6: "26.91"，竞买价，即“买一”报价；
7: "26.92"，竞卖价，即“卖一”报价；
8: "22114263"，成交的股票数(单位是股)9: "589824680"，成交金额，单位为“元10: "4695"，“买一”申请4695股，即47手；
11: "26.91"，“买一”报价；
12: "57590"，“买二”
13: "26.90"，“买二”
14: "14700"，“买三”
15: "26.89"，“买三”
16: "14300"，“买四”
17: "26.88"，“买四”
18: "15100"，“买五”
19: "26.87"，“买五”
20: "3100"，“卖一”申报3100股，即31手；
21: "26.92"，“卖一”报价
(22, 23), (24, 25), (26,27), (28, 29)分别为“卖二”至“卖四的情况”
30: "2008-01-11"，日期；
31: "15:05:32"，时间；

这个接口迄今为止还用的挺好，根据我自己和level II数据的比对，这个数据基本是实时的，更新非常快，用Python解析上面这段报文是很简单的，不加多说，放入数据库就可以实现高频数据，不放呢，就让你的trading system帮你看盘吧！为了能更快的读取数据，可行的方法是用多线程，不过还是比较慢，一个更为山寨的方法是，通过读大智慧的数据来获得实时数据，复制大智慧的数据进剪贴板，然后解析剪贴板的内容，这个我用一个叫快手的软件实现了:-) 那叫一个山寨！有一位朋友做了一个local的数据解析软件叫STS，我还没有弄清楚原理，有机会问问他怎么做的再和大家分享~

到这里，行情的数据都做完了，下面就是fundamental数据了，这一块我也有一些山寨的好用的方法:-)

先回家了，最近的市场在震荡中寻找突破，不过短期总结是，害怕踏空不敢往下砸，恐惧紧缩不愿往上顶。市场的意见非常的不一致，所以短期很难有大行情，也非常的难做。

股票交易系统的核心一般由三个部分组成：

1. 数据系统
2. 交易模型
3. 下单接口

此外，风险控制、资金管理、报表生成等也是比较重要的模块。不过就实战而言，有了前三个已经是一个最基本的交易系统了。这一轮，主要讲讲数据系统。首先明确我们使用的编程语言：Python--非常优美简洁高效的语言，此处略去一万字介绍Python的语句。数据可以简单的分为两种
一、行情类数据
1. 历史行情
2. 实时行情
二、基本面数据
1. 个股的、财务的
2. 宏观的、行业的(这个部分的数据我在考虑要不要从我目前的系统里删除，至少在利用波动性赚钱这个问题上，宏观更多的是个筛子）

明确了数据的类别，下面就开始一步步实现之。数据是放在哪里的呢？除了实时行情，别的所有的数据都放在MySQL数据库里，每天定时定点的ETL数据入数据库。如果在模型中用到这些数据，也是从MySQL数据库中加载。实时行情有很多种得到的方法，一种是刷行情软件的数据出来，一种是接收交易所的卫星传来的数据文件解析之，还有或者干脆花点钱买一个数据接口吧。

历史行情的来源：由于时间不着急，可以在收盘之后抽取交易软件的数据，或者不怕麻烦去一些财经网站上去取数据，或者利用Excel插件从一些行情提供商那里扒数据，一种可行的延时行情来自于Sina。 基本面数据通常我都是去Excel里扒（很残暴但是最多一周干一次活，放在周末做倒也不是很影响效率）。

http://vermeulen.ca/python-stock-market.html

插一句，对于交易系统而言，我们需要的一些Python包（这个建议来自这里，略有删减），懒的动脑筋呢就装一个大而全的Python(x,y)吧，下面一大半都搞定了。

如果没有的呢就去这里看一下http://www.lfd.uci.edu/~gohlke/pythonlibs/，UCI的同学们学术之余不忘给大家提供方便啊都是德艺双馨的码农。

1. NumPy：实现各种数组对象函数和傅立叶变换等等科学计算模块。
2. SciPy：提供更多科学计算功能，包括矩阵，求解线性方程组，积分运算，优化等。
3. matplotlib：一个跨平台的数值绘图包，可绘制高质量的2D，3D图像，此外还有灰常强大的。
4. MySQL for Python：Python操作MySQL数据库的接口软件包。
5. xlrd：开发提取Microsoft Excel的数据的工具库。
6. RPy2：著名统计软件R的python界面包，可在python内执行各种R功能函数。
7. Boost.Python：提供C++和Python互操作的C++库。
8. PyMC：实现MH算法的Python类，提供灵活的建模功能。
9. SimPy：一个面向对象，基于过程和离散事件的模拟语言，拥有基于代理的整体交付的建模环境。
10. Pycluster：高效的继承和k-means聚类的实现。
11. SqlAlchemy：一个很好用的数据库包，用对象关系映射（Object Relational Mapper) 很容易把数据记录 和Python Class搞成配套。它能让开发者完全发挥出 SQL 的灵活性与强大的能量。
12. wxPython：一组Python扩展模块，跨平台，包括各种从wxWidgets发展的GUI类,

回到正题，先建立数据库，结构、思路和上面一样，这里有一个SQLAlchemy的快速指南，建立好相关的DB之后，开始爽爽的四处抓数据吧！利用multi-thread 可以大大的加速抓数据的速度，第一次由于要抓大量的historical data 费时会比较多一些，但是一旦成型了每天就只要抽取当天的数据就快多了。

实时的高频数据分析起来比较的复杂，不过也是很重要的，实时的高频数据可以认为是一个multi-dimensional data stream, 神马做data stream mining的方法都可以迁移过来做，做compress也是必须的啦，不然都放那就数据库撑爆了或者硬盘很大计算能力也会被撑爆掉的，computational capacity本来就是一个巨大的资源。 这块呢可以做一个feature extraction，各种统计量，技术指标，K线特征量都可以一步步加上。此处省略十万字对高频数据的处理方式，先从daily level的数据起步，逐步实现trading system。

建立一个合理的数据库结构对软件的效率是非常重要的。数据库设计有很多注意点，不过我总体认为股票的数据库还是相对比较简单的，交易系统的主线是以A股成份股本身构建的，此外还有一些辅助的东西，诸如股票池啦，策略池啦，股票信息的变更啦（名字改了、类型改了、ST不ST啊），权益信息啦，等等等等。

回家接着写…

2010最重要的事情，便是和土豆谈恋爱了，今年也被切割成几个不同的部分。

第一件大事，是决定从Opera离开。在做完了GeoMatrix和DB034之后，有点点希望能去buyside去做一段时间，而这几个项目都是handle data，用date-driven的思路去做finance，始终没有找到最好的切入点。本来都拿到offer要去HKUST读个CS的PhD，后来愈发觉得这种不是为了学术而读PhD是一种逃避，便干脆不想此事了。

身体的一些不适加快了进程，从决定走到和分管的principal及HR谈，最后发farewell letter，一共只用了一个多星期的时间。前几天听到之前的老同事全部都升Senior的消息真是一个令人开心的事情，在Opera遇到朋友们都非常的nice和努力，或许我可以换个说法" I just graduated from Opera University”。

4月份，在离开前骑了次徽杭古道，顺带去龙井刷了几道弯，然后又把上海的小巷和周边的地方都转了转，始终没拿出更多的努力和精力去再走一次大长途，策划了半个月的银川因为没买到票不了了之。这也是我对自己非常不满的地方，所以下面要搞的事情一定要搞出来。不给年轻留遗憾。
期间看了一次自行车展，满眼的亮骚的毒品呀。

5月份，换到了中银国际旗下的基金公司，认识了Shirley大姐，经常聊天之余就给我科普些八卦和市场的东西，在中银基本啥事儿没干，VBA倒是用的很熟练了，胡诌了几个程序弄了些东西，效果还不错在10年上半年那么烂的市场也能赚到点钱，最大的收获就是理解了一切事情都有原因，

经常和GM的徐奇、邵鸟还有丫信诚的几个同事出来吃饭，陆家嘴的好处就是太TM挤了，所以三天两头逛街就会碰到同事。还有一个变化就是从浦东搬到浦西了，住在中山公园边上，窗子打开便是各种锻炼的人群还有上海嗡嗡的暑气。

静安寺离我住的地方不远，从远处看还是很漂亮的，世博期间上海也打理的很干净。支持了一个小朋友，偶尔有活动带出来玩，还是很开心的。

这孩子一看就是被红太郎欺负的命呀！

这个月还跑了西湖音乐节，看彭坦苏打绿等各种小清新：-）

6月份跑到北京，那时候的后海很安静，已经默默做了决定。

来了北京和土豆一起逛了很多地方，又约到了UK吃饭，还有蹭了白银同学的北大一夜哈哈哈。。

回到上海，和信文两个WSN跨过黄浦江不远千里的去看美女：

八月底，来到北京，华商基金。进来的时候180亿的规模。

穿着孕妇装上班，辐射实在太多。

九月底，和土豆去克什克腾旗，达湖、石林、大青山、干枯的草原。所有的临时决定促成一个还不错的旅行（游记待补）。

十月，和土豆、S去山西，很开心的一个trip（游记待补）。

或许你是坚硬的，可是你投射在我的心上，一样是柔软的。

十月、十一月，在北京平时工作，周末骑过香山、喝过酒，恍恍惚惚仿佛回到南京一样。（此处常年征集各种周末骑行队员，包括不限于香山、老山、北京周边郊县，太行等，有意者请于我联系）

十二月的最后一个交易日一过长叹一口气，华商基金突破400亿规模，半年翻番！这半年跟着我们老大学了很多知识，和崔大姐聊了很多八卦，也观摩了孙大牛所有的操作，收获颇丰，一切成功都是有理由的，虽然具有这些理由未必成功，但是如果没有一些闪光的点又为什么成功的是你呢。琢磨了很久的系统交易，做了一些山寨的尝试，终于在2011年开始正式的着手做这个事情。（此处召集若干有量化、编程、交易经验的同仁，另文详细说说计划）

2010年是这么多年来变化最大的一年，感谢土豆陪在我身边，教会我很多对待感情的方式；感谢领导对我的照顾和帮助，让我有机会很快的上手干活；感谢几个好朋友，不管在哪里都是刚刚的。

Wind数据2010基金收益排行榜

经过孙总庄总梁总一年的努力，在2010年的公募基金排名中，华商盛世终于成功问鼎啦，靠着上半年的熊市最抗跌和下半年的稳健表现，终于甩开了竞争对手在12月30号以7个点的巨大优势提前锁定胜局。

最后一日可谓八仙过海、群魔乱舞，各自的心态也是千差万别。新年一过，全部洗牌重新来过！新年快乐，道阻且长！

看到一个有趣的视屏，是用data visualization的技术做的展现世界经济健康变化的趋势。本质就是动态的bubble chart，当年在Opera的时候和猴子也做过差不多的一个图来表示不同的cluster或者sector的股票的表现，视屏非常清楚的再现了这两百年来世界经济和健康的增长情况。

可以看到的是，在最近的几十年里，中国在income这个维度上快速赶上，healthy却没有什么进展。而且如果把中国的各个省份再drill down下去，就会差异非常的大。此外，注意到中国在1959--1962年的一次巨幅的跌落是非常明显的，具体的原因相信大家都知道。

每天对着市场，感触最深的词就是“波动性”(Volatility)。

Mr. Volatility Can Be A Trader's Best Friend.

正是有了市场的种种不理性，才有了我们生存的空间和与此带来的无穷的机会。

(一) 宏观波动性-投资时钟

美林（现在是BoA-ML了）有一个非常有名的模型叫“投资时钟”（Investment Clock），描述的是投资的不同周期的资产配置建议，这里给出的是一个长期看来的宏观的波动性。这个时钟将经济周期划分为四个不同的阶段——衰退、复苏、过热和滞胀。每个阶段都对应着表现超过大市的某一特定资产类别：债券、股票、大宗商品和现金。

衰退阶段，经济增长停滞，超额的生产能力和下跌的大宗商品价格驱使通胀率更低，企业赢利微弱并且实际收益率下降。中央银行通过削减短期利率、放松信贷等宽松的货币政策以刺激经济，导致收益率曲线急剧下行。此时，债券是最佳选择。

复苏阶段，宽松的政策起了作用，GDP增长率加速，并处于潜能之上。然而，通胀率继续下降，因为空置的生产能力还未耗尽，周期性的生产能力扩充也变得强劲。企业盈利大幅上升、债券的收益率仍处于低位，但中央银行仍保持宽松政策。这个阶段是股权投资者的“黄金时期”，股票是最佳选择。A股的2005年四季度到2007年二季度，就属于这个阶段估值经历了从1000点到4000的最大牛市。

过热阶段，企业生产能力增长减慢，开始面临产能约束，通胀抬头。中央银行加息以求将经济拉回到可持续的增长路径上来，此时的GDP增长率仍坚定地处于潜能之上。收益率曲线上行并变得平缓，债券的表现非常糟糕，股票的投资回报率取决于强劲的利润增长与估值评级不断下降的权衡比较。此时，大宗商品是最佳选择。

滞胀阶段，GDP的增长率降到潜能之下，但通涨却继续上升，通常这种情况部分原因归于能源危机。产量下滑，企业为保持盈利而提高产品价格，导致工资—价格螺旋式上涨。只有等通胀过了顶峰，中央银行才能放松货币，这就限制了债券市场的回暖步伐。此时，企业盈利恶化，股票表现非常糟糕，现金是最佳选择。

       所以后知后觉的说，如果能准确的判定当前所处的阶段（实际上各个状态并没有明显的边际），合理的配置资产那么从长期来看的收益是相当可观的。而且这种合理的配置会加速时钟的转速，使得市场更加活跃和有效。准确识别市场状态的人会因为自己的判断而受益。

(二) 微观波动性-股市的资金流向

从微观一般说来，看公司或者行业有三个因素值得考虑：基本面，消息面，技术面。如果你决定将资产配置在股市，那么个股的选择就变的非常重要。所以问题演化为：1. 投不投 2. 投哪只.

股价长期看来是一个均衡量，短期看来是一个边际量。

      
也就是说，股市或者个股长期看来都将会趋于其本身的价值，不会持续的被低估或者高估。而短期看，股价的表象是由最后一笔增量交易来决定的。市场的资金涌向哪个公司或者行业，哪个公司或者行业价格就会随之上涨。所以说股价的短期波动，最直接的原因就是资金流动。这也是机构投资者和个人投资者投资侧重点不一样的地方：机构投资者倾向于做基本面和消息面分析的直接原因在于，短期的波动对于机构来说甚至比不上交易的成本，而也不会受益与这种短期波动，因为这种短期波动通常的来源就是机构投资者的进出；而个人投资者可以灵活的买卖到“点价格”，交易成本相对低廉，而缺点在于信息和分析能力的短板。所以很多个人投资者热衷于搞技术分析。下面分别说说这三个方面：

从基本面的角度（Fundamental）: 我们通常认为公司的基本面已经在股价里得到反应。所以通常说来，基本面会成为否定一个公司的理由，而不是选择一间公司的理由。我们也将宏观的基本面放入基本面的范畴，例如利率水平，CPI水平，GDP增幅等。这些非高频的数据会被作为基本面数据来考虑，而这些钝化的基本面数据发生变动时将会作为消息面的因素来考虑。

从消息面的角度（Event-Driven): 通常散户和机构都有利用这个的趋势。但是关键在于：如何识别会被市场承认的消息，散户的问题在于消息过于滞后。机构的问题在于，消息太多了，要做出一个自己的判断，寻找那些可信的、有效的消息。市场对消息的反应通常是过度的，市场需要在短期的震荡后寻找到平衡点。而这个过程蕴含无数机会。

从技术面的角度（Technical): 资本的流入流出必然会在图形上给出一些痕迹，这个也是技术分析合理的地方。不论什么样的原因和理由，发生的逐笔成交情况都是最真实的。不过从图形上看出的东西本质只有价格和量，较之K线图，我跟喜欢看高频的价量图（分钟数据、逐笔成交、10档盘口），我认为短期的高频图比长期的Daily Level在分析短线资金上更为有效。A股T+1的限制带来了日内数据的更大的波动性，而不是更小（和更成熟的市场相比，A股的日内波动比日数据的周波动大很多）。

资金运动可由以下几个因素作出判断：
       1.货币增速
       研究市场资金动向的指标，比较敏感的有M1 增速，M2 增速，M1 增速—M2 增速等。有很多实证分析，非常值得重视。

上面这幅图是招商证券罗毅的《M1 定买卖》一文中的，发表于去年11 月份3300 点左右的时候，当时M1 的增速达到34%,  他说市场很危险，是极好的卖点，市场可能会回调两成至2300 点,”现在的我，如同站在世界之巅，伴随着徐徐微风，缓缓的用手指出中国股市的方向－－右下45度”,不幸被他准确言中了。他从数据推演出，从1996 年到现在，如果每次M1 增速接近10%就买入股票，超过20%就卖出，投资标的是深成指，从1996 年到09 年11 月，投资收益率是95 倍。 这个逻辑我很喜欢，简单的逻辑，靠谱的原理，可观的收益，。

背景知识：我国的现行货币层级

M0=流通中现金
狭义货币（M1）=M0＋可开支票进行支付的单位活期存款
广义货币（M2）=M1＋居民储蓄存款＋单位定期存款＋单位其他存款＋证券公司客户保证金

上面的图和美林的图何其的像，股市的高低走势就像一个球在圆周上旋转时在地平面上的投影在时间轴上延伸的图（好拗口），选取合适的买点卖点的依据有很多。但是有一条逻辑永远是对的，不要判断明天的市场，判断今天的市场。如果投资是吃鱼的话，那么吃鱼的时候，鱼头不要吃，鱼尾巴也不要吃。这个图有一个不准确的地方在于：股市是领先于CPI的涨跌的，而不是滞后，CPI实际是一个滞后指标，亦即M1>Stock Index>CPI

和M1 M2相关的报告非常多，不过大体的逻辑都是类似的，分析货币供给量水平和这个供给水平下可能的宏观政策，或者去解释货币水平的变化原因，用这个原因去驱动股市的涨跌。

       2.PE\PB 
      市场整体的PE\PB水平是衡量市场整体估值水平比较好的指标，也是评判资金参与投资股市风险的一个很好的指标。2001 年最疯狂的时候，两市整体PE 是70 倍。2007 年10 月，市场6200 点，历史新高，当时深市PE 是69 倍，上海是50.6 倍。目前全体A 股PE  以中报来计算22 倍，去除银行股后是30倍，如果再去掉两油和煤炭，整体PE大概36 倍。中小板55 倍，创业板74倍。PB水平大概4 倍，去掉银行股大概是3倍多一点。毫无疑问目前创业板和中小板整体估值绝对是过高了。情形就像00年的网络股狂潮，估值高得不可议，但大家会说，公司业绩增长很快，股价还能涨。类似的情形历史上出现过很多次，每次泡沫发生前，都认为这次没事，因为这次和以往是“真的不一样了”，但结果呢，“每次都是一样”的。目前创业板的泡沫是很明显的，是不可持续的，什么时候破掉只是一个时间问题。对比几个指数，恒生指数，以今年计算16 倍左右，道琼斯是14 倍，标普500 大概15 倍。历史上道琼斯平均是20-25 倍，纳斯达克高一点，25-30 倍左右。这么看美国香港还可以，A 股总体来看也不算很高，但也不低了，中小板和创业板很高，这个泡沫需要慢慢消化。

那么是不是选择低PE的股票就比较好呢？我的感觉是：便宜的票，便宜自有便宜的道理；贵的票有的时候就是讲了个故事。比如莱宝高科（002106），这个票在今年暑假的时候Sherry大姐反复推荐，我也觉得这个概念很靠谱。然后一路股价飙升，但是到底值不值现在这个价呢，对比台湾的兄弟公司TPK，发现这个2106的市值已经大于TPK了，只能说必然有bubble。更不用说各种公司纷纷上马触摸屏的生产线带来的产能过剩-->价格下降-->利润微薄的“中国模式”了。

       3.资金成本——利率
       利率和通胀率直接相关。利率的倒数往往是市场的价格中枢,即常态下可接受的PE 水平。

StockPrice=(cE0+E1/(1+r1)+E2/(1+r1)(1+r2)+E3/(1+r1)(1+r2)(1+r3)+…,  Ei 为第i期的Eps，ri是第i期的利率

假设公司Eps没有成长性的话，并且市场利率r不变的话，式子可以转化为一个P=E(1+1/(1+r)+1/(1+r)^2)…)=E/r, 所以PE在1/r 为一个合理水平.

如果利率不断下调 ，那合理PE 也要调高。日本股市的PE 有五六十倍，因为日元的利率将近零。在美国，一个经验是，如果利率低于4%，即使利率再往下调，投资者可接受的合理的PE 也就是25 倍，，哪怕利率降低到2%，市场PE 也很难往上调到那里去，这是为什么呢？原来，从70年代起一个主流的观点认为，适度的通胀是有益的，3%--4%是合理的水平。1997-2008 年金融危机未发生前11 年的数据，美国的通胀率在3%左右。大家预期即使现在通胀高于4%，，美联储也会想方设法压低通胀至4% 以下，这就是利率低于4%之后，美市PE 往上调整会出现钝化的原因。今年10 月19 号美联储主席伯南克的在一个重要会议上说，大部分货币官员认为核心通胀率应保持在2%或稍低的范围，这是伯南克在公开讲话中第一次如此清晰地把一个具体数字作为美国央行的通胀目标。现在很多分析认为，美国维持这样的低通胀水平可能会持续多年。如果市场普遍这样认同了，那我认为道琼斯指数可以有系统性的提升估值的机会，也许合理的PE 水平就不是25 倍了，说不定市场可以接受30 倍左右的水平，现在道琼斯的PE 只有14 倍，所以美股挺乐观的，美股创新高相信只是时间问题。现在港股的利率也很低，也可能跟随美元利率长期维持，港股的前景也值得看好。

这也是为什么A股市场一传加息，指数总有一个明显的下跌的原因。加息作为一个非常强势的紧缩手段，央行使用的时候也非常的慎重。

       4.换手率

       市场能不能上涨，要看多空双方的力量比较，换手率非常值得重视。在低点往往成交极度萎缩，因为想买的人少了，在高位，一般放天量，因为想卖的人多了。虽然说买和卖的金额无论在什么点位都是均等的，但实际上决定方是不一样的。如果在比较高的位置换手率急剧扩大，是很值得警惕的信号。

10 月26 号那一天，深沪总市值是31 万亿，流通市值是19.4 万亿，成交金额约5200 亿，换手率（成交金额/流通市值）2.7%，成交金额除以总市值是1.68%。创业板和中小板的换手率分别都超过5%。看看2007 年10 月份，平均总市值28 万亿，流通市值8.91万亿，平均成交金额1951 亿，换手率是2.18%，平均成交金额除以总市值是0.697%。现在的换手率比当时的换手率还要高。成交金额除以总市值是当时的两倍以上。看看香港，10 月26 号，总市值20.8 万亿港币，成交金额900 亿，换手率0.4%，和历史上的高水平还有较大距离，从这个意义上看，香港股票向上走的空间大一些。

看一只票：永辉超市（601933），上市三日换手率超过170%，贵到PE过100倍的超市！这个就是大家都觉得自己不是最后的傻子，会接到最后一棒，可以静静看这个票的表现。

       （四）趋势交易与反趋势交易

      趋势交易者通常认为趋势会一直持续下去，倾向于追涨杀跌，这是大多数机构和散户的做法，这个做法成功的关键在于早进早出；反趋势交易者则觉得市场跌多必涨，涨多必跌，这也更符合目前A股的市场实情，但是难点在于很难判断这个点位是不是一个趋势的终结。

     这个地方不得不说说为什么大多数公募基金都是趋势交易者。原因很简单，排名压力。公募基金不能容忍的不是亏损，而是排名的急速下滑带来的赎回压力。如果某个基金经理决心做一个反趋势交易者，的确可能在某段时间里成为英雄，但是只要一步踩错，后面的赎回压力将迫使他大幅度的减仓，这对基金的正常运营是非常不利的。

总的说来，股票交易允许投资者不承认错误，而冠以“价值投资”的美名，这也加重了趋势交易的安全性，价值一旦在心里形成，便形成了记忆性，如果需要遗忘价值需要的是时间。这个现象被称为“价格锚定”，交易者通常在当日只记住昨日的价格，并认为昨日的价格是公允的，当前的趋势也是公允的。知道了这么多，聪明的你一定有很多思路了吧。

       （五）异步上升和同步下跌概念
        这个部分是我最近的一个观察，A股的上升往往呈现轮动式，而下跌呈现一个整体性的普跌。具体说来，上升是以一个板块或概念活跃的方式上升，各种不同的风格和行业指数依次引领指数上攻；而下跌时，各种板块呈现比较一致的下跌态势。详细的分析还有待进一步整理。

以上种种是波动的一些表观和粗浅的看法，部分数据和观点有参考网路的一些文字，哦，加一句：正如某些同志们所知道的，我现在在华商基金做交易员。