数据分享:国际期货市场各个品种,历史上投机仓位的极值

标签: 货币与金融-人性与羊群 | 发表时间:2013-03-15 09:02 | 作者:海宁
出处:http://blog.sina.com.cn/hainingdemajia
数据分享:国际期货市场各个品种,历史上投机仓位的极值
海宁  2013.3.15 
     "国际期货市场各个品种历史上投机多空仓位的极大值.pdf"下载链接:  http://vdisk.weibo.com/s/tINXt 
     有网友在分析国际期货市场上黄金的投机性(non-commercial)仓位变化。为什么大部分都仅仅分析投机仓位呢? 因为国际上很多“商业性”仓位,都是对冲性质的,也就是“预防价格波动”性质的。
     投机性 头仓位接近历史极值,代表了什么呢?代表了投机者抢在最终 买家前面 买入商品,好在未来涨价后卖给最终买家,也就是看涨。但是看涨到极致,也就往往到了“盛极而衰”的顶峰,比如2011年8月份的大豆期货投机性多头。
     投机性 头仓位接近历史极值,代表了什么呢?它代表了投机者抢在最终 家前面 卖出期货,好在未来跌价后从市场上低价收购,再还给卖家,也就是看跌。但是看跌到极致,也就往往到了“否极泰来”的谷底,比如2009年3月份的原油等很多商品,都处于净空头仓位;又比如 2012年年初,欧元空头头寸接近历史新高,那么市场对欧元已经悲观到2010年6月份的水平了,那么欧元很可能即将见底。事实上2011年底,美联储,欧洲央行的救市措施最终稳定了市场和经济,加上中国总理喊话,中国货币政策也放松,2012年初,欧元和全球金融市场来了一波大反弹。 
    以上仅仅是大致规律。
     "国际期货市场各个品种历史上投机多空仓位的极大值.pdf"下载链接:  http://vdisk.weibo.com/s/tINXt 
     第三列是投机净多头合约数量,第四列是历史极值的发生时间。
     第无列是投机净 空头合约数量,第六列是历史做空最厉害的发生时间。
     有买入必有卖出,多空对等。投机净多必然对应其它净卖出(一般是原材料生产企业); 投机净空头,必然对应其它净买入(一般是原材料下游使用者)。
    可以看到,黄金做空最猛烈的是1999年,到目前为止,黄金做多看涨最猛烈的是2011年8月2日。

  青春就应该这样绽放   游戏测试:三国时期谁是你最好的兄弟!!   你不得不信的星座秘密

相关 [数据 分享 国际] 推荐:

数据分享:国际期货市场各个品种,历史上投机仓位的极值

- - 海宁的博客
数据分享:国际期货市场各个品种,历史上投机仓位的极值 海宁  2013.3.15       "国际期货市场各个品种历史上投机多空仓位的极大值.pdf"下载链接:  http://vdisk.weibo.com/s/tINXt .      有网友在分析国际期货市场上黄金的投机性(non-commercial)仓位变化.

人脸识别新工具:数据少也能认识“国际脸”

- - cnBeta.COM 全文
日前,亚马逊的一款人脸识别工具错误地将28位美国国会议员与罪犯相匹配,这一新闻引发关注. 人脸识别工具为何出现这样的错误. 其实,机器与人类一样,见到陌生的外国人也会有“脸盲”,只能识别“当地人”,对于来自其他国家/地区的“外地人”识别精度较低,这一问题如何解决呢. 引用公开的个人信息进行研究与验证 邓伟洪团队供图.

国内社会化媒体分享数据排行报告

- Leeall - 月光博客
  五月是一个繁忙的季节,春天的身影还未曾远离,夏天的脚步已渐渐靠近,天地间的一切事物都呈现出勃勃生机. 在这个一年中最好的时间里,国内社会化媒体分享数据增长势头更强,其中不乏黑马跃出. 我们一起来看一下五月社会化媒体分享数据晴雨表.   一、分享量QQ空间第一,回流量Sina微博第一.   以下为社会化媒体五月分享量排行占比图:.

正祥的淘宝海量数据库思考分享

- alex zhao - 淘宝核心系统团队博客
正祥(阳振坤老师)最近在个人新浪博客上发表了一系列针对淘宝分布式数据服务系统思考性文章,特此分享. 淘宝海量数据库之一:来自业务的挑战. 淘宝海量数据库之二:一致性选择. 淘宝海量数据库之三:事务的ACID. 淘宝海量数据库之四:系统架构与跨表事务. 淘宝海量数据库之五:数据结构.

Bump:什么东东让人乐于分享?【数据信息图】

- ItTalks - 中文互联网数据研究资讯中心
Bump是苹果手机上一个热门的应用,现在Android平台也同样很受欢迎. SEJ:全球社交媒体成长【数据信息图】. Burson-Marsteller :亚太地区互联网状况分析报告【数据信息图】. 【数据信息图】社交游戏的变革. HTCfacebook:手机使用习惯【数据信息图】. SocialMediaNews:Facebook澳大利亚用户数据信息图.

数据分享:2012下半年新浪微博用户信息

- - 数据范儿
先上个图吧,了解一下我分享的这些数据可以干什么用. 详细数据及解读,请访问专题 2012年@姚晨 @谢娜 @王力宏 新浪微博霸主之争. 2012年 8-12月 新浪微博用户信息. 通过新浪微博API获取,带有精确的查询时间,部分用户为连续监测. 2012年8月1日~2012年12月31日. 每个Case对应1个新浪微博用户的UID、注册时间(不变),以及在特定时间的用户昵称、性别、地址、使用网页版的语言版本、是否认证、粉丝数量、关注数量、互粉数量、发布微博数量和收藏微博数量.

Mysql数据库索引查询优化的分享

- - 膘叔
这是昨天SAE分享的一篇文章,开始的时候,我看了一遍,发现好象没有什么特别的内容,但再仔细看的时候,发现居然可以这样做.       我们要访问的表是一个非常大的表,四千万条记录,id是主键,program_id上建了索引.       执行一条SQL:.       这条SQL非常慢. 我们原以为处理记录太多的原因,所以加了id限制,一次只读五十万条记录.

2015中国数据库大会Mongodb分享

- - CSDN博客推荐文章
本次分享由MongoDB大中华区技术顾问分享. “老人家”上来就问Mongo是什么意思,猜中有奖,还号称自己是最牛的MongoDB专家(在风筝冲浪圈子里…大家都懂的). 相信大家都不知道,容易理解为芒果(英文应该是mango). 实际上mongo是由这个英文humongous演变来的,表示“巨大的”的意思.

分享一些 Kafka 消费数据的小经验

- - crossoverJie's Blog
之前写过一篇 《从源码分析如何优雅的使用 Kafka 生产者》 ,有生产者自然也就有消费者. 建议对 Kakfa 还比较陌生的朋友可以先看看. 就我的使用经验来说,大部分情况都是处于数据下游的消费者角色. 也用 Kafka 消费过日均过亿的消息(不得不佩服 Kakfa 的设计),本文将借助我使用 Kakfa 消费数据的经验来聊聊如何高效的消费数据.

ClickHouse集群数据均衡方案分享

- - SegmentFault 最新的文章
ClickHouse集群数据在写入时,虽然可以通过 Distributed引擎的 sharding_key指定策略,从而保证一定程度的数据均衡,但这并不是最终解决方案. 比如 rand()均衡策略虽然可以保证数据的相对均衡,但是可能会破坏数据的内在业务逻辑. 举个简单的例子,我们想要将 kafka的数据写入 clickhouse集群,如果采用 rand()的策略,则可能将同一个 partition的数据拆分到 clickhouse集群不同的 shard中,为后续的数据分析等造成了一定的麻烦.