VCP模式，圖形量化的最後一座高峰

今日核心觀點-VCP模式，圖形量化的最後一座高峰

今大家有沒有發現一個問題，口袋支點、凈利潤斷層、杯柄等模式，網路上充斥著各種各樣的選股公式，但是你認真回想一下，你有見過VCP模式的選股公式嗎？？你應該是沒有見到過的。

歐奈爾杯柄，只是一種突破買點，其實馬克在借鑒杯柄的基礎上，進一步細化了自己的買點。還研究了供需平衡打破的新章法，原書第十章，很詳細介紹VCP——波動收縮規律

VCP突破買點的量化模型如下：

（1）RPS三條曲線數值，至少有一條大於90；

（2）在一波上漲之後，第一次回調幅度最大，最理想的第一次回調幅度是在30%以內，最大回調不能超過50%。之後每一次回調幅度依次減小，最理想的遞減是：後面回調幅度是前面回調幅度的一半左右。

（3）回調次數在2到6次，常見的是3到4次。

（4）回調縮量，反彈放量，其中有一天量縮的特別厲害。

（5）結束回調的標誌是：一根放量中到大陽線（漲幅至少5%）對最後一個回調區域進行突破。如果是漲停板突破，成交量不做要求。

為什麼我一直不用通達信編公式來進行數據挖掘呢？因為通達信畢竟主要是個看盤軟體，在上面進行二次開發，會有很大的局限性。因為你只能利用他已經有的函數，那如果他的函數沒有覆蓋的，怎麼辦？我就說一點，就是上面的第三點，回調次數在2到6次，常見的是3到4次。你告訴我，這一點，怎麼用通達信公式寫出來。這也是為什麼網路上基本沒有VCP選股公式的原因。雖然他很重要，但是大家都知道，騎自行車是沒有辦法上月球的。

我們的做法是，完全脫離通達信，用大數據挖掘的方法，更加靈活的擬合曲線，這是口袋支點量化是否能里程碑式突破的重要環節。消除雜訊，擬合曲線。我曾經嘗試用用某一個高次方的代數多項式 y= a + bx + c(x)2 + …來描述，但發現很難做到平滑，會出現毛刺。我也嘗試過用最小二乘法來計算參數，也不太理想。在經過多次演算法嘗試後，我發現貝塞爾曲線函數 曲線平滑演算法能很好的擬合，並且能曲線平滑、無毛刺。

機器學習，AI識圖，勝率大增。一直在研究口袋支點的各種演算法。如何提高勝率，一直我在追求的。發現貝塞爾曲線函數 曲線平滑演算法能很好的擬合，並且能曲線平滑、無毛刺。今天我的實踐量化，貝塞爾曲線值得我們高度重視，在口袋支點研究方面，到目前為止，我認為是最完美的研究方向。

目前我正在研究二階貝塞爾、三階貝塞爾曲線，與口袋支點的相關性。

所以說，你在網路上，基本上是找不到VCP選股公式的，就是有人打著VCP選股的幌子，那基本也是瞎糊弄人的。

我們用我們的AI識圖演算法，是能夠找出VCP模式的，而且VCP是非常重要的模式，非常值得大家仔細研究，歷史上無數的大牛股，在啟動初期都呈現過VCP結構。話不多說，我們就看看真功夫。

我就是要讓大家看看，在網路上其他地方看不到的，而且又是非常重要的東西。下面直接上乾貨。我們直接打開《VCP全量數據20211228》。我可以給大家舉幾個例子，就是目前，當下，今天，就在走VCP結構的股票。

02

市場環境和溫度

以後，我把這個作為一個固定欄目，放在我的每天的文章里。