云里雾里东靖热

.

行业前三，能打千亿以上资金的盘子。也是真正的龙头战法。天亮了，回去睡大觉，哈。

这里没有季级别的周期协变吧，主要下跌关键K发生扭转（这种票的图形诱空该跌不跌即）结合花花十倍，顶底结合

当我们考虑幂律分布（帕累托分布）时，财富/收入分布的分析会变得更加复杂且结论更加极端。幂律分布通常描述的是顶级富人的财富分布，其概率密度函数为：

f(x) = \frac{\alpha x_{\text{min}}^{\alpha}}{x^{\alpha+1}}, \quad x \geq x_{\text{min}} > 0

其中 \alpha > 0 是形状参数（帕累托指数），x_{\text{min}} 是尺度参数（财富最小值，通常较大）。幂律分布具有“肥尾”特性，即极端值出现的概率比指数分布高得多。

一、幂律分布的统计性质

1. 均值与方差

幂律分布的均值与方差的存在性取决于参数 \alpha：

· 均值 \mu = \mathbb{E}[X] = \frac{\alpha x_{\text{min}}}{\alpha - 1}，当 \alpha > 1 时存在。
· 方差 \sigma^2 = \frac{\alpha x_{\text{min}}^2}{(\alpha - 1)^2(\alpha - 2)}，当 \alpha > 2 时存在；若 1 < \alpha \leq 2，则方差无穷大（即不存在有限方差）。

在实际财富分布中，\alpha 通常介于1.5~2.5之间，这意味着：

· 均值存在但可能非常大（尤其当 \alpha 接近1时）。
· 方差可能不存在或极大，表明财富波动异常剧烈。

2. 斩杀区比例（财富低于均值的人口比例）

对于幂律分布，财富低于均值 \mu 的比例为：

P(X < \mu) = \int_{x_{\text{min}}}^{\mu} \frac{\alpha x_{\text{min}}^{\alpha}}{x^{\alpha+1}} \, dx = 1 - \left( \frac{x_{\text{min}}}{\mu} \right)^{\alpha}

代入 \mu = \frac{\alpha x_{\text{min}}}{\alpha - 1}（假设 \alpha > 1），得：

P(X < \mu) = 1 - \left( \frac{\alpha - 1}{\alpha} \right)^{\alpha}

该比例仅依赖于 \alpha，与 x_{\text{min}} 无关。我们计算几个典型值：

· 当 \alpha = 2.5（较常见）：
  P(X < \mu) = 1 - (1.5/2.5)^{2.5} \approx 1 - 0.6^{2.5} \approx 1 - 0.278 = 0.722，即 72.2% 的人财富低于均值。
· 当 \alpha = 1.5（尾部更厚）：
  P(X < \mu) = 1 - (0.5/1.5)^{1.5} \approx 1 - 0.192 = 0.808，即 80.8% 的人财富低于均值。
· 当 \alpha \to 1^+（极端不平等）：
  \mu \to \infty，P(X < \mu) \to 1，几乎所有人财富低于均值。
· 当 \alpha \to \infty（趋于平等）：
  P(X < \mu) \to 1 - e^{-1} \approx 0.632，与指数分布一致。

结论：幂律分布下，低于均值的人口比例通常高于指数分布的63.2%，且随着 \alpha 减小（不平等加剧）而上升，极端时接近100%。

3. 信噪比与风险抵抗能力

在幂律分布下，标准差 \sigma 可能不存在或极大。此时，社会系统性风险的“典型幅度”难以用标准差衡量，因为肥尾意味着极端冲击的概率不可忽略。

· 当 1 < \alpha \leq 2：方差无穷大，标准差不存在。社会冲击的幅度没有稳定的尺度，一次大规模危机可能摧毁任意财富水平的人（但穷人仍然最先受损）。
· 当 \alpha > 2：方差有限，但通常 \sigma > \mu（除非 \alpha 很大）。例如 \alpha=2.5 时，\sigma = \sqrt{\frac{\alpha}{(\alpha-1)^2(\alpha-2)}} x_{\text{min}} \approx 1.39 x_{\text{min}}，而 \mu = 1.67 x_{\text{min}}，有 \sigma < \mu，但两者仍可比拟。此时财富 x < \mu 的人，其抗风险能力仍可能低于一次标准冲击。

更重要的是，肥尾意味着出现远超 \sigma 的极端事件概率显著高于正态分布或指数分布。因此，即使财富略高于 \mu，也可能无法抵御尾部风险。

二、双成分分布下的综合影响

真实世界中，财富分布是双成分的：

· 热层（97%~99%人口）：服从指数分布 f_{\text{exp}}(x) = \frac{1}{\mu_{\text{exp}}} e^{-x/\mu_{\text{exp}}}。
· 超热层（1%~3%人口）：服从幂律分布 f_{\text{Pareto}}(x) = \frac{\alpha x_{\text{min}}^{\alpha}}{x^{\alpha+1}}。

整体分布可写为混合模型：

f(x) = w \cdot f_{\text{exp}}(x) + (1-w) \cdot f_{\text{Pareto}}(x), \quad w \approx 0.97

1. 整体均值被拉高

整体均值 \mu_{\text{total}} 为：

\mu_{\text{total}} = w \mu_{\text{exp}} + (1-w) \mu_{\text{Pareto}}, \quad \mu_{\text{Pareto}} = \frac{\alpha x_{\text{min}}}{\alpha-1}

由于 \mu_{\text{Pareto}} \gg \mu_{\text{exp}}，即使 (1-w) 很小，\mu_{\text{total}} 也会显著高于 \mu_{\text{exp}}。

举例：设 w=0.97，\mu_{\text{exp}}=1（单位化），\alpha=2，x_{\text{min}}=10（即幂律部分起点是平均财富的10倍），则：

\mu_{\text{Pareto}} = \frac{2 \times 10}{1} = 20, \quad \mu_{\text{total}} = 0.97 \times 1 + 0.03 \times 20 \approx 1.57

整体均值是底层平均财富的1.57倍。

2. 斩杀区扩大

对于热层（指数分布部分）的人群，他们的财富 x 绝大多数小于 \mu_{\text{exp}}，而 \mu_{\text{exp}} < \mu_{\text{total}}，因此几乎全部热层人口都处于“财富低于整体均值”的状态。具体比例计算复杂，但可以估算：

· 热层内部低于 \mu_{\text{exp}} 的比例为 1-1/e \approx 63.2\%，但热层所有人财富都远低于 \mu_{\text{total}}（因为 \mu_{\text{total}} \approx 1.57 \mu_{\text{exp}}，而指数分布超过1.57倍均值的比例仅为 e^{-1.57} \approx 0.208，即热层中只有20.8%的人财富超过 \mu_{\text{total}}）。
· 加上超热层中也有部分人财富低于 \mu_{\text{total}}（见前文幂律部分计算），总比例可能超过90%。

结论：在双成分分布下，由于整体均值被富豪拉高，处于“财富低于整体均值”状态的人口比例远高于纯指数分布的63.2%，可能超过90%，甚至95%以上。这意味着几乎全体普通劳动者都处于斩杀区。

3. 风险特征变化

· 热层人群：仍面临指数分布对应的标准差风险（\sigma_{\text{exp}} = \mu_{\text{exp}}），但由于整体均值更高，他们距离整体均值更远，抗风险能力相对更弱。
· 超热层人群：面临肥尾风险，财富波动极大，但高财富提供了缓冲。
· 社会整体冲击：由于肥尾存在，系统性危机（如金融危机）的幅度可能远超热层人群的承受范围，导致大规模破产。

三、总结：幂律分布如何使结论更残酷

1. 斩杀区比例大幅上升：从指数分布的约63%上升到幂律分布的70%~80%，双成分分布下可能超过90%。
2. 均值与标准差关系破坏：方差可能无穷大，社会风险不再有稳定尺度，极端事件更频繁。
3. 整体均值虚高：因富豪财富拉高整体均值，使普通人的相对位置更低，更易落入斩杀区。
4. 风险不对称加剧：富人通过幂律增值（乘法过程）加速财富积累，穷人受限于加法过程，贫富差距自我强化。

因此，原文指出“如果引入幂律（肥尾），‘斩杀线’的结论会比 1/e 更加残酷”完全正确。数学模型揭示了自由市场在缺乏干预时必然导致绝大多数人处于经济脆弱状态，而幂律分布进一步放大了这种不平等。

指数分布与财富斩杀区的数学原理

1. 指数分布的定义与导出背景

在统计力学与最大熵原理的框架下，Yakovenko 等人指出，一个充分自由交易的市场在达到最大熵状态时，绝大多数普通劳动者（约97%）的财富或收入 x 服从指数分布。其概率密度函数为：

f(x) = \frac{1}{\mu} e^{-x/\mu}, \quad x \geq 0

其中 \mu > 0 是分布的均值。指数分布可以从最大熵原理导出：在约束条件为均值固定且变量非负的情况下，使熵最大化的分布就是指数分布。

2. 均值等于标准差的证明

指数分布具有一个关键性质：均值与标准差相等。

均值：

\mathbb{E}[X] = \int_0^\infty x \cdot \frac{1}{\mu} e^{-x/\mu} \, dx = \mu

方差：

\operatorname{Var}(X) = \mathbb{E}[X^2] - (\mathbb{E}[X])^2

其中

\mathbb{E}[X^2] = \int_0^\infty x^2 \cdot \frac{1}{\mu} e^{-x/\mu} \, dx = 2\mu^2

所以

\operatorname{Var}(X) = 2\mu^2 - \mu^2 = \mu^2

因此标准差为：

\sigma = \sqrt{\operatorname{Var}(X)} = \mu

结论：对于指数分布，均值 \mu 与标准差 \sigma 相等。

3. 斩杀区与信噪比解释

斩杀区定义为财富水平低于社会平均财富 \mu 的状态，即 x < \mu。其背后的风险原理基于信噪比（Signal-to-Noise Ratio, SNR）概念：

· 信号：个人的财富水平 x，代表抗风险能力。
· 噪声：社会系统性风险的平均幅度，用标准差 \sigma = \mu 度量。

若 x < \mu，则 x < \sigma，即个人的财富厚度小于一次标准社会冲击的幅度。当遭遇一次标准差级别的负面事件（如失业、疾病、意外支出）时，财富减少量可达 \sigma，导致：

x - \sigma < 0

这意味着个体可能瞬间归零或负债，处于“无法抵御单次冲击”的亚稳态。

反之，若 x > \mu，则 x > \sigma，个体具备足够的财富缓冲来吸收冲击，从而保持稳定积累。

4. 斩杀区人口比例的计算

处于斩杀区（x < \mu）的人口比例通过对概率密度函数在 [0, \mu] 上积分得到：

P(X < \mu) = \int_0^\mu \frac{1}{\mu} e^{-x/\mu} \, dx

令 u = x/\mu，则 du = dx/\mu，积分变为：

P(X < \mu) = \int_0^1 e^{-u} \, du = \left[ -e^{-u} \right]_0^1 = 1 - e^{-1} \approx 1 - 0.3679 = 0.6321

即约 63.2% 的人口财富低于平均值，处于斩杀区。

相应地，财富高于平均值的人口比例为：

P(X > \mu) = e^{-1} \approx 0.3679

约 36.8% 的人具备抵御标准冲击的能力。

（注：原文本中提到的“积分结果刚好是1/e”实为 P(X > \mu) = 1/e，即安全区比例；而斩杀区比例是 1 - 1/e。）

5. 双成分分布的现实修正

实证研究表明，真实财富分布并非纯粹的指数分布，而是由两部分构成：

· 热层（Thermal Bulk）：约97%-99%的人口，其财富分布符合指数分布，对应“加法交换”的经济活动（如劳动收入）。
· 超热层（Super-thermal Tail）：约1%-3%的人口，其财富服从幂律分布（帕累托分布），对应“乘法增值”的资本积累过程。

混合分布的整体形态在双对数坐标下呈现：中低收入段为直线（指数分布），高收入段为另一条直线（幂律分布）。由于斩杀线 \mu 通常位于指数分布区间，上述基于指数分布的分析对绝大多数普通人依然适用。若考虑幂律分布的肥尾效应，顶级富人的财富远超均值，贫富差距更为极端，从而使低于均值的人群相对处境更加残酷。

6. 总结

指数分布刻画了自由市场中大多数人的财富分布，其均值等于标准差的特性导致低于平均财富的个体面临较高的系统性风险。数学模型显示，约63%的人处于斩杀区内，一次标准冲击即可导致财务崩溃。这一结论揭示了自由市场内在的风险不对称性，也为理解财富不平等提供了定量视角。

1.2与1.5的差价大概就是35%。
很多非明星股的日常行情获利基本也就是1.2回踩，然后吃到1.5这段。
估计就是你说的每60日还是多久的大量送分题？
35%其实也算一个迷你圆吧（不知道该不该这么叫）

减呢？哈

九二加九五除二是多少？

跟35%那个应该有点关系，同源吧。
35我其实还没什么心得，目前看20，50最多。
35%应该跟反弹有关系。
三板，三大阳都大概符合这个涨幅。
一般箱体一波有个35%也不要想屁吃了吧。
35%的幅度也相当于被半径禁锢在一个45角度的高度内了吧。

斩杀线反过来应该也是类似道理。