首页

如何画出精品Meta分析的森林图

先说下整体情况

SAS是一种功能强大的统计分析软件,可用于绘制Meta 分析的森林图。Meta分析是一种将多个独立研究的结果进行综合分析的方法,其森林图是一种常用的可视化工具,用于展示各个研究结果的效应大小及其置信区间。以下是使用SAS 绘制 Meta分析森林图的优势和作用:

1. 可视化效果直观:SAS提供了丰富的绘图功能,可以轻松绘制具有专业外观的森林图,使研究者能够直观地比较各个研究的效应大小及其置信区间。

2.结果呈现清晰:通过森林图,研究者可以清晰地看到各个研究的效应大小、置信区间及其权重,从而更好地理解研究结果之间的差异和一致性。

3. 评估异质性:SAS可以通过森林图来帮助研究者评估各个研究之间的异质性。异质性是指不同研究之间的效应大小存在显著差异的情况,森林图可以直观地展示这种差异。

4.识别潜在偏倚:通过观察森林图中各个研究的效应大小及其置信区间的分布情况,研究者可以初步判断是否存在潜在的发表偏倚或选择偏倚等问题。

5. 辅助结果汇总:在进行Meta分析时,森林图可以作为结果汇总的一个重要组成部分,帮助研究者更全面地了解研究结果,并为进一步的讨论和解释提供依据。

说一下大致的步骤:

第一步,数据准备,下图为整理的10年科研论文结论报告数据

图片

第二步:绘制overall的点,显示为黑色菱形(效果如下图)

图片

第二步:绘制10项研究的点,显示为不同宽度(厚度相同)

图片

第三步:绘制10项研究和overall的置信区间线段宽度

图片

第四步:在X=1的位置绘制一条竖直的参考线

第五步:设置X轴,将它设置为log尺度,因为OR值是指数计算的(通过对数运算,把值还原回来)

图片

第六步:设置第二个X轴,左边空出85%的位置,用来显示森林图

图片

第七步:设置Y轴,不显示坐标轴的刻度和标签

图片

第八步:按照正常观看习惯,转置上下,让总计(allover)显示在最下面。(看最终成品如下)

图片

下期预览:下期我们将介绍三维图的画法。用GTL语言把三维图和等高线绘制在同一张图中(成品图预览如下)。

图片
图片
图片

股票风险等级分类功能实现–集中度

股票风险等级分类功能实现了,今天介绍集中度在股票决策中的参考作用。

决定股票价格波动的主要因素是资金。由于存在信息不对称,即便跟踪到资金的波动,价格波动还是存在随机性。这个随机性来自,对股票买卖双方的预期信息其实并不清楚。宏观分析,或者新闻,在统一预期上,起到了序参量的作用。尽量保持一致的预期。但是现在的宏观环境,序参量起作用的时间相对并不是很长。那么在这样的情况下,什么指标反映预期信息呢?模型构建原理和实施步骤——系统动力学

集中度。这个指标,大致可以反映。但仍然存在风险,因为预期能保持的时间长短不确定。

接下来,看看图例。

价格同样是上涨,但是集中度变化方向有两种,一种是上升,一种是下降。

价格下降,集中度的变化也有两种方向

引入集中度后,笔者将可以选择的股票,进行风险等级分类

分出了十类,取名为安全等级,实际上,还是需要选定股票价格上涨的天数,行业资金的波动高度这些因素。

在之前的股票决策工具基础上,实现了风险分类,并且对个股资金上涨的情况,也纳入考虑范围。

最好的等级是第一种,如下图。一般都是价格运动到平均成本以上。但是这类并不是很多,现在池子里的股票,很多是运动到了一定的高度,但是这类股票确实在预期上更加稳定。上涨持续时间也会更长。

对于在step2 阶段,平均成本还在上下波动的个股,确实需要时刻保持警惕。因为决定股票价格上涨的动能还是资金,这条主线不能丢掉,不然很容易被套。股票决策辅助工具说明(二)-工具设计原理

预期信息,其实也可以说成是买卖的决策快慢,也就反映了筹码的交换活跃度。这个指标较通过平均成本变化更灵敏。


股票决策模型的设计暂时告一段落,动力主线和随机因素都找到了对应指标。后续工作,将从散户个股决策进入股票组合的决策模型。股票组合是可以运用大数法则,但是使用的前提,需要大量同质存在一定的均值稳定性。或然决定方法的思考。笔者将在目前的系统基础上尝试进行设计开发。

今天就介绍到这里。如需试用数据,可以联系客服。End


数据柳叶刀(微信号:DataLancet)

精算与科学决策

为企业建立DFA动态财务规划模型

做好整体性资产负债管理

培训 | 咨询 | 分析 | 建模

股票决策辅助工具(三)–工具使用说明

股票辅助决策工具分为两部分,一部分是查询部分,针对已知个股代码进行查询,看看其时空定位以及资金波动的情况。

另一部分是选股部分,针对未知股票代码,进行监测。再根据筛选模板进行筛选,第一根上涨的股票。

整个工具的行业分类,采用和长江证券一致的分类方法,一共78个分类。

先来看第一部分,目前以完成在线查询功能。但是不能太大范围开放,试用期间,小范围试用,人数控制在10个人以内。

第一,下跌时资金向上波动。如下图,资金向上波动,但是价格向下,这是因为空方的卖出更大。一般这种,观察短时间也不好说价格会反转。但要比资金向下波动的情况有希望。

图片
图片

第二,下跌时资金向下波动。如下图,这类,即便看到有价格反转都要注意,资金向下,特别行业个股都向下,可能是假象。

图片

第三,上涨时资金向上波动。如下图,这类就是选股中最希望找到的股票。

图片

第四,上涨时资金向下波动。如下图,行业和个股资金都向下,即便当天涨停,第二天或者未来趋势都不会快速发生转向。

图片

要分情况,上面四种情况行业和个股都同向。实际情况中,也存在,行业向上,个股向下。个股向上,行业向下。这些情况就需要使用者去体会,一般情况下,行业下降会限制个股的上涨高度,除非是妖股。行业上升会中和部分个股资金的下降,不至于出现太深的跌幅。

以上是第一部分,重点就是看看个股资金运动在什么波浪上。下面的平均成本和收盘价,就是看看个股运动发展的阶段。成本线没走平的情况下,价格走平,那还在第一阶段,特别还没有上穿成本线的情况,个股的涨幅有一定的限制。

第二部分,详见股票决策辅助工具说明(二)-工具设计原理。这部分笔者通过数据表格,提供行业资金的趋势、变化天数,个股资金趋势,变化天数,以及价格变化趋势,变化天数来筛选。这六个指标就可以实现,在池子中捕捉相应的个股。其他参数,仅供观察使用,如果用处不大,后续可以删除

下面先看看指标列表:

指标数值类型说明
行业资金涨跌0/1定性0为下,1为上,相等为1
行业涨跌天数自然数定量如果为下跌,天数为0,如果第一个上涨,天数为1,如果前一个低值更低,天数从前一个低值计算
上穿次数自然数定量描述个股在成本线附近的活动情况
上穿天数自然数定量0为还在成本线下方,其他为最后一次上穿后天数;用来描述个股的时空位置
个股资金涨跌0/1定性0为下,1为上,相等为1
个股涨跌天数自然数定量如果为下跌,天数为0,如果第一个上涨,天数为1,如果前一个低值更低,天数从前一个低值计算
价格趋势0/1定性0为下,1为上,相等为1
价格上涨天数自然数定量如果为下跌,天数为0,如果第一个上涨,天数为1,如果前一个低值更低,天数从前一个低值计算
出货率浮点定量使用最新成本/最低成本,模拟描述出货的状态。
行业力度浮点定量行业资金变化一阶差分
个股力度浮点定量个股资金变化一阶差分
相对力度浮点定量综合个股和行业的资金变化力度
集中度90浮点定量筹码集中度
集中度70浮点定量筹码集中度
最新价格浮点定量收盘价
当天价格涨跌幅浮点定量进入池子中的股票最新的价格涨跌情况
累计价格上涨比例浮点定量从进入池子累计价格涨跌幅情况
成本变化0/1定性0为下,1为上,相等为1
成本趋势0/1定性0为下,1为上,相等为1
成本变化天数自然数定量描述成本变化天数,创新低或者创新高为0,其他时候为数值天数

来看看,选择价格上涨1天,行业和个股资金也上涨一天的个股。六个指标全部选为1即可。

图片

但是,行业和个股资金并不总是能出现这么统一的步调。就选择,个股上涨1天,行业和个股资金趋势都为1,上涨天数,当然越早越好。再根据行业资金的上涨力度来选择,一般来说力度越大(数据表中资金上涨力度仅供参考,以价格为准),说明资金后续的上升波浪会持续较长。还需要看这个行业是在什么阶段,如果在下降阶段,可能市场情绪上谨慎较多,如果在已经上涨的行业阶段,市场跟随性会高一些。这些都需要具体问题具体分析,和交易者平时交易经验积累有关系,随机应变。

最后,第二部分还有一个78个行业的资金变化情况表,如图

图片

将底部天数设置为倒序,就能看到,行业资金触底后反弹的情况,其中第一列0表示周期内的资金趋势为下降,1为上升。第一列中数值仅供观察,重点是第二列0和1的变化。行业为滚动行情,用来跟踪观察新的行业主力生成的过程。

股票决策辅助工具介绍完毕,功能主要就是监测资金的变化,保证安全性的前提下,创造价值。工具不是万能的,对脱离行业运动的个股不具备判断功能。不同交易习惯的使用者,也许可用出新的花样来。仅仅是辅助工具,股票涨跌还是要看资金量,多方的资金力度,和市场预期的收益高低。

最后再补充一下:

对直接封涨停或者跌停的个股,资金存在异常,因为资金量会变小。选择这类股票看个股价格比看资金波动直接。

如下图,封涨停,资金波动下降,这类策略,可能是拉高出货,但是也不一定能按照计划高位出货,也可能腰斩出货。

图片

下图的出货就相对于上面的个股就顺利得多。从图上也可以看到,行业资金波动的阶段和力度差异很大。笔者不做原因解释,留给搞理论的去吧。

图片

如果有兴趣报名参加一个月工具试用的读者朋友,可以扫码公众号联系客服二维码或者下方二维码。人数10位,硬件条件不支持太多人。

图片

客服二维码