流畅性在难论中对走势有什么样的约定性?

在与学生们的互动过程中 , 基本上都会问问他们持有的股票是一个什么样的情况 。 有不少人会这样回答:我得打开软件 , 去查查 。 这个细节其实能反映出不少的操作问题 , 一般大家又能操作几只股票呢 , 怎么这还需要去翻看软件才知道?应该心中有本清晰的账啊 。

流畅性在难论中对走势有什么样的约定性?

这说明大部分人在操作的时候 , 是很随意的 , 缺乏周详的计划 , 故很容易被未来打乱节奏 , 走一步算一步 , 则寸步难移 。 唯有算一步走一步 , 才有步步为赢中的明澈和淡定 。 先不说这个了 , 回到主题 。 我们说《难论》关于走势特征的约定 , 其流畅性是第一位的 。 那为何流畅性会有这样的地位?又是如何体现的呢?这里不打算长篇幅地去阐述了 , 本身将这些东西提取出来 , 就是为了简化理解和操作 。 我们就在数学意义上阐述一下这个流畅性的逻辑 。 我们知道K线的产生过程 , 就是一个统计抽样数据的采集过程 。 就一段曲线而言 , 显然里面的数据越多 , 通常就会有更高的代表性和稳定性 。 以同一方向波动同样的空间 , 完成的时间不同就会导致K线的数量不一样 。 在《难论》中 , 如果按照流畅规则发展 , 就能在最大限度上平衡方向与K线数量 , 即保证方向明朗或一致性的同时 , 最大化K线的数量 。 如何理解?比如突然急速拉升 , 要保证K线数量 , 就只能盘整或大幅降速(比流畅下的速度更低) , 这就会影响方向的流畅表达了 。 反之 , 如果极大化K线的数量 , 自然是窄幅小角度盘整 , 这样也会影响方向的流畅性 。 波动是一个矢量 , 有大小亦有方向 。 在一定的方向 , 如果有更多地K线表现出一致性地波动节奏 , 在一定范围内 , 我们就说这个变化具有稳定性 , 值得信赖 。 这是基本的统计学常识 。 比如在《难论》教程中阐述背驰这一特征的时候 , 我们利用的是速度的微积分表达 。 而微积分的基本计算前提是连续数据 。 速度是一个矢量 , 唯有在保证走势流畅性的时候 , 我们才能平衡方向和数据的连续性 。 从而模糊地以微积分的形式处理其中的动力学问题 。 否则 , 这个数据处理的数学理论前提 , 就会受到极大的破坏 , 得出的结论又能跟实际有多大的吻合性呢?就如连续一字板无量跌停 , 再连续一字板无量涨停 , 谈什么背驰?何意?我们需要尽量保障处理的对象 , 在处理手段所需要的条件范围内 , 这样处理手段才能最大限度发挥其效用 。 就如上面《难论》关于统计学的应用 , 是需要有样本规模的;而关于背驰的微积分应用 , 需要数据的连续性及波动一致性 , 这同样离不开样本规模 。 即关于背驰的讨论 , 其实依然是建立在统计基础上的 。 这个样本规模的抽象要求 , 《难论》化繁为简 , 用流畅性这一可见即可得的特点 , 进行了形象性的归一处理 。 对于大部分的学习者 , 就该在此打住了 , 不要再继续深究了 。 本文的目的 , 并不是要大家去拨开迷雾 , 而是引导大家形象地去理解《难论》的走势约定规则 , 并在现象层面学习和应用它们:让理论的归理论 , 技术的归技术 , 操作的归操作 。 作者: 攀缠锋祖


    推荐阅读