文章目录：
炒股最好的赢利模式？
新手炒股，最大的障碍是拿不住，追涨杀跌，频繁交易，在短期波动中频频被割韭菜。所谓“开着奔驰进股市，骑着自行车出来”，调侃的就是这类投资者。那么，反其道行之，选一只股票长期持有可行吗？盈亏同圆官方网站上面有很多针对这个问题的的讨论。的确，我们经常听到投资大师们强调“长期持有”的重要性，但炒股哪有这么简单，长期持有的背后需要一系列先决条件。真正困难的，恰恰是如何达成这些先决条件。
1、要选一家好公司。长期持有的逻辑是分享上市公司长期发展的价值，是一种陪伴式投资。比如在公司1亿利润的时候买入，几年之后公司盈利增长至10亿元，不考虑估值变动，股价也能增长十倍，这就是时间对长期投资者的最大回报。
2、好的价格买入。与好公司相比，好的交易某种程度上更重要，也就是说，买入价格越低越好，至少要合理。个别股民2007年牛市顶点买的股票，到现在都没解套，公司是好公司，就是买入价格太高了。
3、要保证拿得住。很多新手可能认为，前面两条——挑选股票、合理价格——有点困难，一旦挑选完毕，持有不动是最简单的。恰恰相反，只要经过一点时间学习，前两条很容易达成，最难的恰恰是长期持有，这也是各路投资大师都特别强调长期持有的原因。
做期货最好用的技术指标是什么？
最好是用自己的指标适合自己的操作思路和操作方法。
看图上的信号很简单，但是，要在实际行情的走势中去操作，就不是简单的事了，因为可以交易的信号不是随时都有，要等待符合条件的交易信号，需要一定的耐心，过早的进场或者滞后的进场，都会影响到交易的合理性，缺乏合理性的交易，通常都是失败的。 （逢其时、当其位）就是说要把交易做到关键的时间和重要的位置上，这非常关键
做空 两个非常关键的位置； 第一个位置；有2个必要条件；1.趋势线走平或者拐头向下。2. 操盘线向下翻绿。 第二个位置；价格向下穿越波段线，在波段线附近逢高做空。 止损的条件；价格回到波段线之上，或者操盘线向上翻红。 把单子做到合适的位置上，不是一件简单的事情，需要抵抗市场的诱惑、忍住欲望的 冲动和具有非凡的耐力，才能把单子在恰当的时机，做到合适的位置，过早和滞后的 进场做单，都容易影响持仓的心态而导致操作的失败。
红线和趋势线在倾斜向上的时候，通常它们的支撑作用会比较明显，可以做逢低做多的依据，一旦它们走平或者拐头向下的时候，就变成了压力线，这个时候如果操盘线翻绿，就可以在红线附近进场做空了，止损可以看操盘线翻红或者价格回到红线之上，空单离场可以反手做多，红线又成了多单的止损点。如果价格在红线和趋势线之下向下运行，那么，价格向下穿越波段线和价格向上反扑波段线，波段线都是逢高做空的条件了。
做多 两个非常关键的位置； 第一个位置；有2个必要条件；1.趋势线走平或者拐头向上。2. 操盘线向上翻红。 第二个位置；价格在波段线之上，在波段线附近逢低做多。 止损的条件；价格回到波段线之下，或者操盘线向下翻绿。 把单子做到合适的位置上，不是一件简单的事情，需要抵抗市场的诱惑、忍住欲望的 冲动和具有非凡的耐力，才能把单子在恰当的时机，做到合适的位置，过早和滞后的 进场做单，都容易影响持仓的心态而导致操作的失败。
同花顺指标模型胜率能稳定盈利吗
不一定，投资是有风险的，有赚也有赔。
想要在投资交易中稳定盈利
最重要的就是保持一颗不受任何外来因素干扰的本心。
良好的心态能确保你减少自己主观情绪所带来的风险，能确保你拥有良好的执行力，其次想做到长期稳定盈利，一定要建立自已的投资理财体系。至少要有财务保障和财务安全，这样才能做到宠辱不惊。很多理财新手，没有建立自已的理财体系，抱着玩玩试试的心态。盈利了就高兴，但也同时会纠结是不是落袋为安好，要是明天又下跌了呢？亏损了当然不高兴，想着明天会不会继续下跌呢，要是亏更多怎么办，到底是撤呢还是补呢？其实，如果操作正确、认识正确，短期的亏损或波动，从长期来看都不算什么，没必要担心。建立自已的理性的投资理财体系，才能更好的避免恐慌和贪婪。有了财务保障，即使短信有波动，但可以确保生活不受影响。有了财务安全。才能更大胆地做高风险高回报，比如投资多个项目，其中有一两个亏损也没关系，整体上盈利即可。
RFM模型分析与客户细分
RFM模型分析与客户细分
根据美国数据库营销研究所Arthur Hughes的研究，客户数据库中有三个神奇的要素，这三个要素构成了数据分析最好的指标：最近一次消费(Recency)、消费频率(Frequency)、消费金额(Monetary)。
RFM模型：R(Recency)表示客户最近一次购买的时间有多远，F(Frequency)表示客户在最近一段时间内购买的次数，M (Monetary)表示客户在最近一段时间内购买的金额。一般原始数据为3个字段：客户ID、购买时间(日期格式)、购买金额，用数据挖掘软件处理，加权(考虑权重)得到RFM得分，进而可以进行客户细分，客户等级分类，Customer Level Value得分排序等，实现数据库营销!
这里再次借用@数据挖掘与数据分析的RFM客户RFM分类图。
本次分析用的的软件工具：IBM SPSS Statistics 19，IBM SPSS Modeler14.1，Tableau7.0，EXCEL和PPT
因为RFM分析仅是项目的一个小部分分析，但也面临海量数据的处理能力，这一点对计算机的内存和硬盘容量都有要求。
先说说对海量数据挖掘和数据处理的一点体会：(仅指个人电脑操作平台而言)
一般我们拿到的数据都是压缩格式的文本文件，需要解压缩，都在G字节以上存储单位，一般最好在外置电源移动硬盘存储;如果客户不告知，你大概是不知道有多少记录和字段的;
Modeler挖掘软件默认安装一般都需要与C盘进行数据交换，至少需要100G空间预留，否则读取数据过程中将造成空间不足
海量数据处理要有耐心，等待30分钟以上运行出结果是常有的现象，特别是在进行抽样、合并数据、数据重构、神经网络建模过程中，要有韧性，否则差一分钟中断就悲剧了，呵呵;
数据挖掘的准备阶段和数据预处理时间占整个项目的70%，我这里说如果是超大数据集可能时间要占到90%以上。一方面是处理费时，一方面可能就只能这台电脑处理，不能几台电脑同时操作;
多带来不同，这是我一直强调的体验。所以海量数据需要用到抽样技术，用来查看数据和预操作，记住：有时候即使样本数据正常，也可能全部数据有问题。建议数据分隔符采用“|”存储;
如何强调一个数据挖掘项目和挖掘工程师对行业的理解和业务的洞察都不为过，好的数据挖掘一定是市场导向的，当然也需要IT人员与市场人员有好的沟通机制;
数据挖掘会面临数据字典和语义层含义理解，在MetaData元数据管理和理解上下功夫会事半功倍，否则等数据重构完成发现问题又要推倒重来，悲剧;
每次海量大数据挖掘工作时都是我上微博最多的时侯，它真的没我算的快，只好上微博等它，哈哈!
传统RFM分析转换为电信业务RFM分析主要思考：
这里的RFM模型和进而细分客户仅是数据挖掘项目的一个小部分，假定我们拿到一个月的客户充值行为数据集(实际上有六个月的数据)，我们们先用IBM Modeler软件构建一个分析流：
数据结构完全满足RFM分析要求，一个月的数据就有3千万条交易记录!
我们先用挖掘工具的RFM模型的RFM汇总节点和RFM分析节点产生R(Recency)、F(Frequency)、M (Monetary);
接着我们采用RFM分析节点就完成了RFM模型基础数据重构和整理;
现在我们得到了RFM模型的Recency_Score、Frequency_Score、Monetary_Score和RFM_Score;这里对RFM得分进行了五等分切割，采用100、10、1加权得到RFM得分表明了125个RFM魔方块。
传统的RFM模型到此也就完成了，但125个细分市场太多啦无法针对性营销也需要识别客户特征和行为，有必要进一步细分客户群;
另外：RFM模型其实仅仅是一种数据处理方法，采用数据重构技术同样可以完成，只是这里固化了RFM模块更简单直接，但我们可以采用RFM构建数据的方式不为RFM也可用该模块进行数据重构。
我们可以将得到的数据导入到Tableau软件进行描述性分析：(数据挖掘软件在描述性和制表输出方面非常弱智，哈哈)
我们也可以进行不同块的对比分析：均值分析、块类别分析等等
这时候我们就可以看出Tableau可视化工具的方便性
接下来，我们继续采用挖掘工具对R、F、M三个字段进行聚类分析，聚类分析主要采用：Kohonen、K-means和Two-step算法：
这时候我们要考虑是直接用R(Recency)、F(Frequency)、M (Monetary)三个变量还是要进行变换，因为R、F、M三个字段的测量尺度不同最好对三个变量进行标准化，例如：Z得分(实际情况可以选择线性插值法，比较法，对标法等标准化)!另外一个考虑：就是R、F、M三个指标的权重该如何考虑，在现实营销中这三个指标重要性显然不同!
有资料研究表明：对RFM各变量的指标权重问题,Hughes,Arthur认为RFM在衡量一个问题上的权重是一致的,因而并没有给予不同的划分。而Stone,Bob通过对信用卡的实证分析,认为各个指标的权重并不相同,应该给予频度最高,近度次之,值度最低的权重;
这里我们采用加权方法：WR=2 WF=3 WM=5的简单加权法(实际情况需要专家或营销人员测定);具体选择哪种聚类方法和聚类数需要反复测试和评估，同时也要比较三种方法哪种方式更理想!
下图是采用快速聚类的结果：
以及kohonen神经算法的聚类结果：
接下来我们要识别聚类结果的意义和类分析：这里我们可以采用C5.0规则来识别不同聚类的特征：
其中Two-step两阶段聚类特征图：
采用评估分析节点对C5.0规则的模型识别能力进行判断：
结果还不错，我们可以分别选择三种聚类方法，或者选择一种更易解释的聚类结果，这里选择Kohonen的聚类结果将聚类字段写入数据集后，为方便我们将数据导入SPSS软件进行均值分析和输出到Excel软件!
输出结果后将数据导入Excel，将R、F、M三个字段分类与该字段的均值进行比较，利用Excel软件的条件格式给出与均值比较的趋势!结合RFM模型魔方块的分类识别客户类型：通过RFM分析将客户群体划分成重要保持客户、重要发展客户、重要挽留客户、一般重要客户、一般客户、无价值客户等六个级别;(有可能某个级别不存在);
另外一个考虑是针对R、F、M三个指标的标准化得分按聚类结果进行加权计算，然后进行综合得分排名，识别各个类别的客户价值水平;
至此如果我们通过对RFM模型分析和进行的客户细分满意的话，可能分析就此结束!如果我们还有客户背景资料信息库，可以将聚类结果和RFM得分作为自变量进行其他数据挖掘建模工作!
注册会计师行业的五力模型分析和SWOT分析
（二）五力模型中五种力量的比较分析
五力内容 阐释
新进入者的威胁 新进入者进入市场参与竞争获取利润，对现有的竞争者构成威胁，削弱现有企业产生理想财务回报率的能力，分割市场份额，激化竞争。
新进入者威胁力度和数量很大程度取决于各种进入壁垒的高度，决定进入壁垒高度的因素有：（1）规模经济；（2）客户忠诚度；（3）资本金投入；（4）转换成本；（5）对销售渠道使用权；（6）政府政策；（7）现有产品与规模经济无关的成本优势。
供应商的议价能力 提高供应商在行业中议价能力，从而降低公司在行业中赢利性的因素有：（1）没有替代品，没有其他供应商；（2）该产品或服务独一无二，且转换成本很高；（3）供应商所处行业由少数几家公司主导并面向大多数客户销售；（4）供应商的产品对客户的生产业务很重要；（5）企业采购量占供应商产量的比例很低；（6）供应商能直接销售产品并与企业抢占市场。
购买商的议价能力
提高购买商议价能力因素有：（1）购买方从卖方购买的产品占卖方销售量很大比例；（2）购买商购买的产品对其经营不很重要，且该产品缺少唯一性；（3）转换其他供应商购买的成本较低；（4）购买商购买的产品或服务占其成本的比例较高；（5）购买商购买的产品或服务容易被替代；（6）购买商的采购人员有高超的谈判技巧；（7）购买商有能力自行制造或提供供应商的产品或服务。
替代产品的威胁 替代产品指可由其他产业生产的产品或提供的服务，具有的功能大致与现有产品或服务功能相似，可满足消费者同样需求。替代品通过以下方面来影响一个行业的赢利性：（1）设置价格上限；（2）改变需求量；（3）迫使企业投入更多资金并提高服务质量来影响一个行业赢利性。
同业竞争者的竞争强度 竞争强度取决以下因素：（1）竞争者数量，市场中竞争者越多，竞争强度会越高；（2）行业增长率，行业增长缓慢，新进入者从其他竞争者那里争取市场份额，现有企业之间争夺既有市场份额，竞争会变激烈；（3）行业固定成本，行业固定成本越高，企业寻求降低单位产品固定成本或增加产量，导致在价格上相互竞争；（4）产品转换成本，产品缺乏差异性或具标准化，购买商轻易转换供应商，供应商间相互竞争；（5）不确定性，一个企业不确定同行业另一企业如何经营，可能制定更具竞争力的战略；（6）战略重要性，企业最重要的战略目标是获得成功，则会采取具有竞争力的行为达成目标；（7）退出壁垒，使现有供应商难以退出某行业的障碍会令同业的竞争激烈化。
【相关链接】可以使用五力模型来识别影响企业的关键因素，从而确定可获得的机会和应考虑的威胁。在一个理想市场中，供应商及客户的议价能力低、无替代品、进入壁垒高、竞争者之间的竞争程度弱，则很容易赚取利润。这种理想的状况可带来较高的行业赢利能力。但是行业的高赢利能力并不意味着行业中所有的企业都会拥有相似的赢利能力。企业应该综合考虑和评估行业赢利能力后，才能评估企业的赢利能力。
（三）五力模型的局限性
（1）该分析模型基本是静态的，现实竞争环境始终变化；
（2）该模型能确定企业盈利能力，但对于非营利机构，有关获利能力的假设可能错误；
（3）基于一种理想的假设：一旦进行这种分析，企业就可以制定企业战略来处理分析结构；（4）假设战略制定者可以了解整个行业的信息；
（5）低估了企业与供应商、客户或分销商、合资企业间可能建立长期合作关系以消除替代品威胁的可能性。
，比如投资多个项目，其中有一两个亏损也没关系，整体上盈利即可。RFM模型分析与客户细分RFM模型分析与客户细分根据美国数据库营销研究所Arthur Hughes的研究，客户数据库中有三个神奇的要素，这三个要素构成了数据分析最好的指标：最近一次消费(Recency)、消费频率(F