時間之窗

可公度性是自然界的一種秩序。“可公度性”一詞是在天文學中首先提出來的。拉普拉斯在200多年前注意到木星的三個主要衛星的平均運動Z1，Z2，Z3服從下列關係式：Z1-3×Z2+2×Z3=0。同樣，土星的四個衛星的平均運動Y1，Y2，Y3，Y4也具有類似的關係：5×Y1-10×Y2+Y3+4×Y4=0。我們就稱這些衛星之間存在可公度性。由於至今還沒有人能夠提出有說服力的機制理論，所以一直當作經驗關係寫入某些文獻中。筆者認為可公度性的實質是——利用數學模式反映出事物本身或 相關事物之間的運動關係中隱含的周期性規律，它是周期性規律的擴張化應用，在增加錯誤（或虛驚）概率的代價下，可以從很寬的範圍內分辨並抽提出微弱的、非偶然的信號，類似於遺傳演演算法中的自我隔代複製。

除了天文學，自然界的許多客觀事物都存在著可公度性。

化學元素周期表

我們從化學元素周期表取出前10個元素，按原子量順序排，得出：

X1(H)=1.008，X2(He)=4.003,X3(Li)=6.941，X4(Be)=9.012，X5(B)=10.811，X6(C)=12.011，X7(N)=14.0067，X8(O)=16.000，X9(F)=18.998，X10(Ne)=20.179。

它們之間的可公度性二元公式具有以下關係：

X1+X6=13.019，幾乎等於X2+X4=13.015；

X1+X9=20.006，幾乎等於X2+X8=20.003；

X4+X9=28.010，幾乎等於X6+X8=28.011，X7+X7=28.014。

它們之間的五元可公度性可表達為：

X9+X9+X1-X6-X2=22.99

X9+X8+X1-X4-X2=22.991

X9+X7+X7-X6-X6=22.9894

X8+X8+X4-X7-X2=23.0023

X6+X4+X2-X1-X1=23.01

它們的值都幾乎與鈉（Na）的實際原子量22.98接近，可信度達到99%。

2．可公度性在氣象災變預測中也得到了非常廣泛的運用，曾經有人預測北京每年的大風大雨時間，準確率在80%以上。可公度性在地震預測中的實用性也非常強。

3．可公度性的概念從天文學擴張到統計預測學中。

在經典統計學中，對擲硬幣有一個不可動搖的定論：擲的次數越多，正面和反面越傾向於平均。如擲100次，正面的次數為53，反面的次數為47，正面53%，反面47%；當擲到1000次時，正面的次數可能只有520，反面的次數只有480，正面52%，反面48%——擲的次數越多，正面和反面比例上越趨同。這一經典結論自從產生后未受到任何人的懷疑。其實，我們如果從差異性來分析，可以看到，如果你擲100次，正面的次數比反面的次數多6次，而當你擲1000次，正面的次數已經比反面的次數多40次了，這說明兩者之間的差隨著擲的次數增多，不是減少而是增大，因此，實際運用統計學原理時不僅要研究數的平均，還要研究數的差，筆者認為可公度性正是研究數的和與差。

從這一思維起點出發，我們可以認為數學模式是自然模式的反映，但是：

1）自然模式里也存在著偶然性和普適性，偶然性事件的發生不具有可重複性，無法反覆驗證，缺乏可公度性。普適性事件不僅時有發生，而且還會以某些特定的方式重複出現，具有一定的規律性，可以建立某種數學模式，分析過去並預測未來。

2）作為對自然模式的反映，數學模式並不是越複雜越好。

3）只有越簡單才越具有普適性，越能反映自然模式，加減法最能保持自然數的完整性，儘可能準確地反映了自然的本性，可公度性預測方法里只有加和減，這將大大增加它的普適性。

4）經典統計學之所以在實際運用中效果較差，主要就是它只強調了平均數，而忽略了自然運動的多變性和事物在周期性演變中的離差現象。可公度性的預測方法主要是對離差現象的研究。

例如大家都知道上證指數的一個主要低點循環周期是18-20個月，除此之外還隱藏哪些周期，一時半會還不容易發現，而且當大部分人都在利用這個數據時，它的有效性就大打折扣，按以前的規律。我們利用可公度性對上證指數進行中遠期重要轉折點預測，得到非常好的效果，以下為預測方法。

選點問題

首先解決選點問題，根據混沌理論中的分形理論原理，底部轉折點的前一點和后一點均比轉折點高，頂部轉折點的前一點和后一點均比轉折點低。其次，起點取上證指數歷史上第一個重要的轉折點。另由於上證指數第一個交易日為1990年12月19日，所以月份的劃分以每月18日為界。

低點的可公度性

以下為1991年5月18日上證指數104點以來歷次主要低點的時間跨度表，計算方式如下：

設1991年5月18日為0點，低點時間在當月18日之前的計算方法為

時間跨度=（年份-1991）×12-5+月份

低點時間在當月18日之後的只要再加上1即可。

我們看到X20以前數據基本上可以找到可公度性的規律，比如：

1）X20的低點可以根據以下二元公式數據組得出：

X2+X16=23+118=141，X3+X15=27+113=140，X6+X13=45+96=141，

X19的低點可以根據以下二元公式數據組得出：

X4+X14=30+104=134，X5+X12=39+93=132，X6+ X11=45+87=132，X8+X10=56+77=133

2）其他數據也可以根據類似的方法找出，根據以上低點數據目前我們採用二元公式，即把數字兩兩相加，得出如下數據組：

X4+X15=30+113=143，X5+X14=39+104=143，X8+X11=56+87=143，X1+X17=18+126=144

143指向03年3月，144指向03年4月，也就是說今年2003年3－4月有可能出現一個低點或者次低點。

3）另外我們可以看到另一組數據：

X1+X19=18+133=151，X2+X18=23+129=152，X5+X15=39+113=152，X8+X13=56+96=152，

152指向03年2003年12月附近，也就是說03年底有可能出現另一個低點。意味著我們在03年底之前要選擇高點時間區做一次全面的減倉出貨。

4）X26低點可以根據以下二元公式數據組得出：

X2+X21=23+150=173，X6+X18=45+129=174，X8+X16=56+118=174，X10+X13=77+96=173

可見 2005.10.28 也是全年一個重要的時間拐點哦。

5）07年大牛市可以根據以下二元公式數據組得出：

X1+X25=18+170=188，X2+X23=23+165=188，X3+X22=27+160=187，

X5+X21=39+150=189，X8+X19=56+133=189

188指向2006年12月附近，年底可能出現個時間拐點，12月或許是大級別的低點時間窗。

同樣X6+X20=45+140=185，X8+X18=56+129=185。185指向2006年9月，也可能是一個低點。

高點的可公度性

計算方式如下：

設1992年5月24日為0點，高點時間在當月18日之前的計算方法為

時間跨度=（年份-1992）×12-5+月份-1

高點時間在當月18日之後的只要不減1即可。

首先，我們可以看到以前的數據基本上可以找到可公度性的規律，比如：

1）X21的高點可以根據以下二元公式數據組得出：

X1+X19=8+114=122，X4+X17=18+103=121，X6+X14=36+85=121，

X8+X12=50+72=122，X10+X11=59+63=122

有這麼多的時間周期彙集，難怪2002年的六、七月份是鐵頂，

2）X20的高點可以根據以下二元公式數據組得出：

X2+X18=11+108=119，X3+X17=15+103=118，X4+X16=18+99=117，

X9+X11=54+63=117，X10+X10=59+59=118

3）其次根據以上高點數據我們採用二元公式，即把數字兩兩相加，得出如下數據組：

X1+X21=8+121=129，X2+X20=11+118=129，X3+X19=15+114=129，X5+X17=27+103=130，

129指向2003年2月附近，所以2003年2月在高位反覆震蕩都無法向上突破。

4）2003下一個重要高點數據指向哪呢？看看以下數據組：

X2+X21=11+121=132，X3+X20=15+118=133，X4+X19=18+114=132，

X9+X13=54+77=131，X10+X12=59+72=131，

131指向2003年4月，132指向2003年5月，也就是說2003年4—5月有可能出現一個高點。

5）另一個數據組：

X4+X20=18+118=136，X5+X18=27+108=135，X6+X16=36+99=135，

X8+X14=50+85=135，X10+X13=59+77=136，X11+X12=63+72=135

135指向2003年8月，136指向2003年9月，也就是說今年8—9月有可能出現一個重要高點或者次高點。如果在那時還有股票的朋友需要特別小心了。結合上次預測的低點信號，我們認為2003年第四季度股票持倉率應相對保守。

6）另一個數據組：

X1+X27=8+160=168 ，X2+X26=11+156=167 ，X3+X25=15+153=168 ，

X8++X20=50+118=168， X9+X19=54+114=168

168指向2006年5月份 所以小寶認為是一個重要的高點時間窗，在6月初應該很小心了。

拓展可公度性原理及其誤差糾正

根據可公度性的原理，按照公曆日計算，以1990年12月為起點0，平均每隔9個月左右就出現一個重要轉折點。如下表

這些轉折點幾乎都是高點，同樣可以推斷出今年6月份左右成為高點或者次高點的概率很高。

注意的幾點

任何預測都會存在誤差，可公度性同樣也不例外，如何迴避錯誤、減少誤差，使它成為嚴謹的、科學的、穩定的、有效的預測方法，筆者總結出以下幾點：

1、必須注意數據的分佈密度，分佈密度有兩重含義

1）同系列數據內部的比較，象去年高點中六、七月份的密度明顯比三月份的高，前者數據為2個121、3個122，後者數據為2個117、2個118、1個119，雖然兩者都是五組數據，但前者只與兩個數有關，所以更重要一些，六、七月份之後基本上就沒有大的反彈。

2）不同系列（高、低點）數據之間的比較，象去年12月份的高點數據組非常多，包括X1+X20=126，X2+X19=125，X4+X18=126，X5+X16=126，X7+X15=126，X8+X13=127，X9+X12=126，X11+X11=126，低點數據組偏少。所以，雖然指數已經大幅下跌了不少，但是反彈后仍然繼續創新低。

2、必須充分運用反證，高、低點數據有時會有衝突，出現重疊。這時無論是高點還是低點的有效性都大打折扣，行情一般會出現大的波動，並不是重要的轉折點，如果高、低點的數據沒有衝突時就要特別關注。