RSI=0

高層次分線不支持下：

****************************************************

****************************************************
結果：

就客觀事實做主觀陳述

 《就客觀事實做主觀陳述》

身為一名社會觀察者，理應：「就客觀事實做主觀陳述」。我不想阿諛奉承，因為我不需要「升官」也不想「發財」；或許偶而會崇拜偶像，但絕非刻意。

客觀事實：

1. 台灣低薪高房價的高峰期締造者：馬英九。

(1) 22K制定者，在「定錨效應」下，台灣即便政黨輪替也擺脫不了低薪的普遍和持久現象，年輕人的躺平心態，必然且合理。

(2) 台灣高房價始作俑者馬英九，八年漲了30.2萬／坪，歷任總統中拿下冠軍寶座。影響房市最大的是馬政府的「遺贈稅調降至10％ 」、「海外資金鮭魚回流」方案，以及台灣跟進全球央行，大降利率與進行貨幣寬鬆政策。上述各項利多政策匯聚一塊，資金猛然湧入房地產，北市率先出現「各區輪流暴漲」，接著資金外溢到其他縣市帶動跟漲，因此掀起民怨，從而國民黨失去政權。

2. 低薪高房價的追隨者：女版馬英九 - 蔡英文。

(1) 豐功偉業不及備載，以蔡英文所展現的領導風格，已明顯是在複製馬英九的，企圖多面討好、政策頻頻轉彎等特質，此特質來自於溫和、理性。以及和馬英九的成長背景和家庭環境都很相似等原因，寄望蔡英文能解決馬英九所遺留的低薪高房價等問題，無異緣木求魚，不更糟已是萬幸。

(2) 社會住宅：給予的回應反而不是「房價下修」，反而是「房價上升」的效果。當政府選擇在某地投資興建社宅，反而是一種潛在保證，社宅成了區域起飛的象徵，在供給增加與信心增強之間，形成了微妙的平衡，或更準確的說，這是越建越貴的矛盾。社會住宅原意是良善的，無非是希望年輕人租的便宜，弱勢族群租得起，但政策落地往往走向現實的灰色地帶。當政府透過社宅穩定市場的同時，也在無形中推動了區域建設與地價提升，要讓社宅真正發揮「居住正義」功能，而非成為房價「助漲」的推手，政策的平衡點必須重新擬定。

主觀陳述：

1. 低薪並非完全壞事，有時甚至可以解決失業和通膨。但若沒有完善的配套措施，容易產生「定錨效應」，這種效應使得22K成為往後的基準點，當錨點與實際上的「景氣循環」之間有很大出入時，就會出現「勞動價值剩餘」高度流往資本主的情況，養成資本主「剝削」的習性。

2. 影響房價的因素多如牛毛，有時彼此相觀；有時彼此牴觸，在此不一一贅述。但也可以歸結於一個單一因素，當少數握有龐大經濟資源與話語權的「既得利益者」，為了捍衛資產價值而集體抵制政策，並成功左右執政方向時，在社會科學與經濟學中，最貼切的說法有以下幾種：

(1) 尋租效應 (Rent-seeking Effect)：既得利益者不透過增加生產力來獲取財富，而是投入資源（遊說、政治獻金、媒體話語權）來影響政府政策，以維持其資產（房價）的超額利益。這會導致資源錯置，社會整體財富縮水，但既得利益者的資產卻得以在高位「保值」。

(2) 寡頭鐵律 (Iron Law of Oligarchy)：無論政黨如何輪替，最終話語權都會集中在少數掌握資源的精英（如大建商、地主）手中。這些精英會優先保護自己的利益（房價），而非基於公平正義的社會福祉，使「打房」措施往往雷聲大雨點小。

(3) 棘輪效應 (Ratchet Effect)：消費習慣或資產價格一旦上漲，就很難往回調整。當權力與經濟優勢者習慣了高房價帶來的利益與信用擴張（增貸、槓桿），他們會動用一切手段阻止價格回落，使價格像齒輪一樣，只能單向向上。

(4) 俘虜理論 (Regulatory Capture)：本應代表公眾利益的監管機構或政府，被其原本應監管的行業（房地產集團、金融財團）所「俘虜」。執政者在話語權與利益交換下，反過來成為保護既得利益者的屏障。

結論：蔡英文在馬英九鋪好的路上，蕭規曹行、換湯不換藥。

*****************************************

*****************************************

(2) 社會住宅

天干地支

****************************************************

****************************************************

****************************************************
天干：(西元年-3)/10...取餘數

1. (1983-3)=1980

2. 1980/10=198...餘數=0...葵
****************************************************

地支：(西元年-3)/12...取餘數

1. (1983-3)=1980

2. 1980/12=165...餘數=0...亥

****************************************************
結論：

1. 1983=葵亥

2. 空亡=子丑=鼠牛。
****************************************************

固定某天干時，每少10年，地支前進2個。

固定某天干時，每多10年，地支後退2個。

已知，1983 (癸亥)

1. 1983 (癸亥)→ 天干=癸，1943，地支(亥)前進2*4=8個=未。

2. 1943 → 癸未。

3. 1948 → 癸前進5個=戊；未前進5個=子。

4. 1948 → 戊子。

已知，1948(戊子)

1. 1948(戊子)→ 天干=戊，1988，地支(子)後退2*4=8個=辰。

2. 1988 → 戊辰。

3. 1983 → 戊後退5個=癸；辰後退5個=亥。

4. 1983 → 癸亥。

****************************************************

已知，1948 (戊子)，問1983(？？)

1. 1983-1948=35。

2. 35/10=3...5。35/12=2...11。

3. 戊前進5個=癸；子前進11個=亥。

4. 1983 → 癸亥。

已知，1983 (癸亥)，問1948(？？)

1. 1983-1948=35。

2. 35/10=3...5。35/12=2...11。

3. 癸後退5個=戊；亥後退11個=子。

4. 1948 → 戊子。

****************************************************

****************************************************

奇數配奇數；偶數配偶數。

例如：

戊子=5配1。

癸亥=10配12。

天干 甲=1，只能配奇數地支，因此，旬領頭羊分別為：

甲子

甲寅

甲辰

甲午

甲申

甲戌

時序為：

甲子

甲戌

甲申

甲午

甲辰

甲寅

****************************************************

甲子年是西元幾年？

已知1983是癸亥年，隔年1984是甲子年，因此，下列亦是甲子年：

1. 1984-60=1924。

2. 1984+60=2044。

****************************************************

旬領頭羊時序：

1. 1924(甲子)。

2. 1924(甲子)，前進10年=1934，地支為：子、丑(+1)、寅(+2)、卯(+3)、辰(+4)、巳(+5)、午(+6)、未(+7)、申(+8)、酉(+9)、戌(+10)。因此，1934(甲戌)。

3. 1934(甲戌)，前進10年=1944，地支為：戌、亥(+1)、子(+2)、丑(+3)、寅(+4)、卯(+5)、辰(+6)、巳(+7)、午(+8)、未(+9)、申(+10)。因此，1944(甲申)。

4. 1944(甲申)，前進10年=1954，地支為：申、酉(+1)、戌(+2)、亥(+3)、子(+4)、丑(+5)、寅(+6)、卯(+7)、辰(+8)、巳(+9)、午(+10)。因此，1954(甲午)。

5. 1954(甲午)，前進10年=1964，地支為：午、未(+1)、申(+2)、酉(+3)、戌(+4)、亥(+5)、子(+6)、丑(+7)、寅(+8)、卯(+9)、辰(+10)。因此，1964(甲辰)。

6. 1964(甲辰)，前進10年=1974，地支為：辰、巳(+1)、午(+2)、未(+3)、申(+4)、酉(+5)、戌(+6)、亥(+7)、子(+8)、丑(+9)、寅(+10)。因此，1974(甲寅)。

****************************************************

已知小汶出生在20世紀70年代生肖屬虎，請問小汶出生在西元幾年？

1. 20世紀70年代，最早為1970。

2. 1970/12=164...2。

3. 生肖屬虎(寅)，因此，除12餘數必為3。

4. 因此，小汶出生在，1970+1+3=1974。

5. (1974-3)/10=197...1。

6. 因此，小汶出生在1974(甲寅)。

****************************************************

甲午戰爭是西元幾年？

已知1983是癸亥年，因此，

1. 1983，後退9年=1974，天干為甲。

2. 1983，後退9年=1974，地支為寅。

3. 因此，1974=甲寅年。

4. 1974-120=1854(甲寅)。

5. 旬領頭羊順序分別為：

甲子

甲戌

甲申

甲午

甲辰

甲寅

6. 1854(甲寅)+10=1864(甲子)+10=1874(甲戌)+10=1884(甲申)+10=1894(甲午)。

7. 因此，甲午戰爭是西元1894(甲午)。

****************************************************

已知甲午戰爭是1894年(甲午)，問二十世紀初的辛亥革命是西元幾年？

1. 已知是二十世紀初，旬領頭羊的時序為：甲子、甲戌、甲申、甲午、甲辰、甲寅。

2. 因此，可能為：1894+10=1904(甲辰)、1894+20=1914(甲寅)。

3. 先試1904，辰(+0)巳(+1)午(+2)未(+3)申(+4)酉(+5)戌(+6)亥(+7)。

4. 因此，1904+7=1911(亥)

5. 甲(+0)乙(+1)丙(+2)丁(+3)戊(+4)己(+5)庚(+6)辛(+7)。

6. 驗算：(1911-3)/10=190...8(辛)；(1911-3)/12=159...0(亥)

7. 1911(辛亥)符合，故辛亥革命是西元1911年。

****************************************************

TMF8

*************************************************************

*************************************************************

彼岸花

****************************************************************
花是彼，葉是岸，兩者相戀而陰陽相隔。
有花時不見葉，有葉時不見花，花葉兩不相見，生生相錯。

當彼岸花盛開時，鮮紅的花朵招展，而花莖上沒有綠葉，美麗的花和常青的綠葉，生長時間完全錯開，仿佛是生者和逝者陰陽相隔的隱喻。
****************************************************************

《彼岸花璀燦的生命 - 紀念228》

幽幽的古燈，破舊的銅鏡。

我讓相思縱情地枝枒爬盡，

遠處的炊煙，彷彿那一絲憐憫，裊裊升起。

黃泉的路上，如血的花朵在綻放，

迢遰層峻，迤邐千里。

常青的綠葉不再；彼岸花盛開鮮紅招展，

生生相錯，世世不見，

靜靜的長廊，輕輕的腳步，由遠而近，

那是，彼岸花璀燦的生命。

****************************************************************

****************************************************************

****************************************************************

****************************************************************

****************************************************************

楔形整理

《楔形整理》

********************************************************************

上升楔形（Rising Wedge）：通常出現在上升趨勢尾段，預示可能的反轉向下。
下降楔形（Falling Wedge）：常出現在下降趨勢尾段，預示可能的反轉向上。
********************************************************************

********************************************************************

********************************************************************

********************************************************************

BB布林通道

《接龍數列命名為 - ChainTypeEMA》

應該還通順吧，但它著實省去我很多為了修飾所耗的煩惱。

它的特色是：「無論你如何迭代，它都會無損耗或微損。」

當初也是在「死馬當活馬醫時」，所逼出來的想法。誠所謂「困而知之」者也！

現在我只使用最單純簡單的程式外加參數的修正即可。還有空閒去美化圖表呢。誠始料未及呢！只可惜我沒有能力利用數學去證明它的理論。

布林通道研究

***************************************************
1. 我們提出一個常見的現象：當K線「前不著村後不著店」時？(如圖示)

(1) 代表甚麼意義？

(2) 後續通常會是個甚麼結果？

(3) 如何處理？

***************************************************

***************************************************

(1) BB中線原本是K線回檔的支撐點，因此可暫時解釋為：

a. 弱勢回檔。

b. 超賣。

***************************************************

(2) 後續可能：

a. 再度拉升，但僅止於抵BB上緣後，再測試BB下緣支撐。很可能再度探底也可能測底成功，可能性會與它所處的位階有關。

b. 再度拉升，再度回測，並獲得中線支撐，繼續原先上升走勢，後勁可期。

***************************************************

***************************************************

(3) 依附圖所示：顯然它屬於上述之a.之測底成功但不會太強。但這只是單一個案，我們必須有足夠的樣本才可以定出一個足夠可靠的規律性。

***************************************************

EMA vs RMA

***********************************************************************
我今天有問題向您請教：

1. 統計學家羅伯特·古德爾·布朗（Robert Goodell Brown）於 60 年代提出了EMA，最重要的二個概念：(a) 後期數據權重優於前期。(b) 常數平滑因子：α=2/(n+1)。我從一開始接觸到這個平滑因子之後，直覺上就以為它應該是「調和平均數」的概念，因為它就一付調和均數的「長相」。但我一直沒去追究，是否如此呢？

2. α=2/(n+1)之所以定為「常數」的原因，我可以理解，在那個沒有電腦的時光裡，將平滑因子定為「變數」，無異自找麻煩。但EMA的致命點正在於這個常數的平滑因子，導致「後期數據權重優於前期」沒能完全發揮。那麼，在電腦日益猛進的今天，為何沒有人去推敲這個問題呢？

3. 布朗的EMA非常偉大，是我最推崇的學者之一，他成功引導後人去善用他，因此他是個名符其實的「先驅者」。今天我之所以能夠致力於RMA的研究，全靠EMA的引領。

4. 我在與您對話中也經常會去捕捉您的「語意」從而有機會機花我的構思，感謝莫名。

***********************************************************************

結論：針對RMA我將提出二個非常「有意思」的構思，想先與您探討，有了共識之後，我會隨即去實作供您審閱，不知您意下如何？二個構思如下：

1. 接龍法：將數據倒置之後，重要的後端數據，形同「在陌生環境裡尋找目標」卻無「引導車」，在古代可能需要「羅盤或指南針」在現代可能需要「路標」來指引，「走錯路」的機會很正常，一但陸續有「引導車(新的數據)」加入，路線將隨之更動，因此RMA的浮動困境就是如此。那麼何妨將這倒置的數據「接在」原始數據之後，如此，前面有原始數據權充「引導車」，RMA的浮動不就被消除了嗎？

2. 平滑因子倒置法：以現在的電腦將「常數平滑因子」，轉化為「變數」比吸一口氣還快。例如，以「2/27」為起始值；以「2/13」為終值。假使有300筆數據，那麼「增值量=(終值-起始值)/(300-1)」，就可以很輕易產生「變數平滑因子」而達成「後期數據權重優於前期」的進一步效果。RMA是將原始數據倒置，但我們可以保持原始數據而改用「平滑因子倒置法」，如此，浮動不就被消除了嗎？

至於何者效果較優？「是驢是馬拉出去遛一下」就知道了！

***********************************************************************

沒用上迭代真的很快...一下子就實作完成了...只需數據接龍就可以了...圖例示意：紅線表 - EMA(26)...黑線表 - RMA(26)...我還沒來的及去評價...不知您意下如何？

***********************************************************************

很意外...3層迭代已經很平滑了(其實2層就夠了)....因為我早擁有這些構思的副程式...只要寫好主程式就好了..因此...提前交卷...一併獻上1層版與3層版...圖例示意：紅線表 - (採用變數α下的) EMA(26)...黑線表 - RMA(26)...我還沒來的及去評價...不知您意下如何？...目前我只知道...迭代的平滑效果很大卻不失真。註：這是精實版，測試後會增修為精緻版。

***********************************************************************

台指近全

2026/01/07

**************************************************

**************************************************

**************************************************

**************************************************

**************************************************

**************************************************

**************************************************

**************************************************

**************************************************

**************************************************

**************************************************

8次拋物線

 

準備計算數據

好，我需要請求數據來計算係數，並為用戶提供一個表格結構，這樣他們可以直接粘貼數據然後使用公式進行計算。還要遵循格式規範：使用標題、水平分隔線、以及標粗的列表標題。當涉及數學公式時，記得使用 LaTeX 格式。這樣一來，我就能確保一切都準備好了！

What I need to solve your coefficients

• Data ranges: Please share the exact ranges for (x) (time/index) and (y) (price) you want fitted.
• Window choice: Length: number of points per fit; mode: rolling window or full-sample.
• Scaling: Confirm if we center/scale (x) (recommended) or use raw (x).

If you give me these, I’ll return your full set of coefficients (\beta_0 \ldots \beta_8) directly.

---

The polynomial trend8 model

• Model:

  [ y = \beta_0 + \beta_1 z + \beta_2 z^{2 + \cdots + \beta_8 z}8 ]

• Center-scale (x) to (z):

  [ z = \frac{x - \mu_x}{\sigma_x} ]

  This stabilizes coefficients and reduces multicollinearity.

---

Excel-only setup (fastest to get coefficients)

• Prepare columns:
  • z: ((x - \text{AVERAGE}(x))/\text{STDEV.S}(x))
  • z^{1 … z}8: create eight columns for powers.
• Get coefficients:
  • Select 9 horizontal cells and enter:
    • =LINEST(y_range, z1:z8_range, TRUE, FALSE)
  • This returns (\beta_8, \ldots, \beta_1, \beta_0) in one row.
• Trend values:
  • Compute (\hat{y} = \beta_0 + \beta_1 z + \cdots + \beta_8 z^8) in a new column to plot.

Tip: Use a rolling window (e.g., last 60–120 bars) to avoid overfitting and Runge effects.

---

VBA helper (drop-in to produce β0…β8)

• Coefficients function (paste into a standard module):

Function Trend8Coeffs(yRange As Range, xRange As Range) As Variant
    Dim ws As WorksheetFunction: Set ws = Application.WorksheetFunction
    Dim n As Long, i As Long: n = yRange.Rows.Count
    Dim mu As Double, sd As Double: mu = ws.Average(xRange): sd = ws.StDev_S(xRange)
    Dim z() As Double: ReDim z(1 To n)
    For i = 1 To n: z(i) = (xRange.Cells(i, 1).Value - mu) / sd: Next i
    
    Dim Xvar As Variant, Yvar As Variant, p As Long
    ReDim Xvar(1 To n, 1 To 8)
    ReDim Yvar(1 To n, 1 To 1)
    For i = 1 To n
        Yvar(i, 1) = yRange.Cells(i, 1).Value
        Dim zp As Double: zp = z(i)
        For p = 1 To 8
            If p = 1 Then
                Xvar(i, p) = zp
            Else
                zp = zp * z(i)
                Xvar(i, p) = zp
            End If
        Next p
    Next i
    Trend8Coeffs = ws.LinEst(Yvar, Xvar, True, False) ' returns β8..β1, β0
End Function

• Trend value at any x:

Function Trend8Value(xVal As Double, coeffs As Range, mu As Double, sd As Double) As Double
    Dim z As Double: z = (xVal - mu) / sd
    Dim yhat As Double: yhat = coeffs.Cells(1, 9).Value ' β0
    Dim p As Integer, zpow As Double: zpow = z
    For p = 1 To 8
        yhat = yhat + coeffs.Cells(1, 9 - p).Value * zpow
        zpow = zpow * z
    Next p
    Trend8Value = yhat
End Function

• Use:
  • Coeffs: =Trend8Coeffs(Y_window, X_window) → place across 9 cells (β8…β1, β0).
  • Trend: =Trend8Value(X_i, coeffs_row, mu, sd) to plot fitted line.

---

Direct matrix form (if you want the full system)

• Design matrix:

  [ X = \begin{bmatrix} 1 & z_1 & z_1^{2 & \cdots & z_1}8 \ \vdots & \vdots & \vdots & & \vdots \ 1 & z_n & z_n^{2 & \cdots & z_n}8 \end{bmatrix},\quad \beta = \begin{bmatrix} \beta_0 \ \beta_1 \ \vdots \ \beta_8 \end{bmatrix} ]

• Normal equations:

  [ (X^{\top}X),\beta = X^{\top}y ]

• Solve:

  [ \beta = (X^{\top}X)^{-1}X{\top}y ]

  In practice, use QR or SVD to improve stability; in Excel, LINEST already does a robust solve.

---

Guardrails to keep coefficients meaningful

• Short windows: Fit on the most recent 60–120 bars to avoid boundary oscillations.
• Center-scale: Always use (z), not raw (x).
• Compare orders: Plot 4th, 6th, and 8th together; if 8th diverges, prefer 6th.
• Versioning: Save each coefficient set per window time to archive your “章法的神經”。

---

Next step

• If you share your x/y ranges (e.g., last 80 bars of 15-minute 00663L), I will compute and return your exact (\beta_0 \ldots \beta_8) here.
• If you prefer a template, I can provide an Excel sheet layout with formulas ready to paste your data.