AI可能有利甄選,但會不會傷害招募?
.
AI在人力甄選的應用五花八門,例如運用自然語言處理篩選履歷、或從應徵者社交媒體的留言預測些什麼傾向。有廠商設計聊天機器人,判斷文字溝通技巧和問題解決能力。有廠商運用自動錄影面試,透過微表情判斷情緒、性格、非口語溝通、甚至測謊等。也有廠商透過遊戲,來評測應徵者的認知能力與專注力等。
.
各式各樣AI甄選工具,打破了傳統心理測評與人為判斷的面試手法,導致應徵者難以適應,或難以招架等負面感受。所以有人主張還是不要用AI比較好,因為可能提升了甄選的預測效度,卻造成應徵者不開心或焦慮,不願完成甄選流程,反而有損雇主在招募上的吸引力?
.
有三位分別來自澳洲、法國與美國的學者,2019年在學術期刊Computer in Human Behaviors發表一篇研究顯示 (Marketing AI recruitment: The next phase in job application and selection),雇主運用AI甄選,不但不會造成應徵者流失,反而因為自動化的優勢,有利應徵者順利完成甄選流程,即便應徵者可能會覺得心理不太舒服,或擔心被機器看透之類的。該研究也發現,應徵者在應徵過程的焦慮指數本來就不會太低,AI能夠再貢獻的焦慮感很有限,也不會因為焦慮就造成應徵者考到一半就不玩了。會影響應徵者願不願意完成甄選流程並接受雇用的關鍵,是在雇主品牌,不是甄選工具。有些雇主運用AI甄選,反而會吸引一些對科技接受度較高的應徵者,有利雇主品牌。這篇研究在告訴雇主,除非你要招聘的對象是反科技人士,否則沒有必要偷偷用AI甄選,又害怕應徵者知情。也沒有必要設法降低應徵者的焦慮感,而是想辦法提升公司本身的雇主品牌形象。
.
筆者自己也協同其他教授運用實驗設計,探討應徵者對AI面試的感覺,並於2019年發表在Computer in Human Behaviors中 (Does the use of synchrony and artificial intelligence in video interviews affect interview ratings and applicant attitudes?)。研究發現,應徵者確實對AI面試有不舒服的感覺,但不影響他們對甄選公平性的觀感。甚至有些應徵者認為AI比許多人為判斷相對要客觀,也有應徵者還沒搞清楚AI深度學習的黑箱中究竟藏著什麼透視能力或歧視!
.
眼見不一定為憑;耳聽不一定為真。應徵者在履歷與面試回答的是”故事”,不一定是”真相”,測評問卷填答的結果也不一要坦白,反正人類不一定有能力判斷。但當人類開始用AI來輔助判斷時,怎麼辦呢? 這2020的第一篇貼文是在告訴大家,為了找到更好的工作機會,是時候開始學一些技巧來唬AI了。新年快樂~
.
https://www.sciencedirect.com/science/article/pii/S0747563218304497
.
同時也有266部Youtube影片,追蹤數超過134的網紅桃園市議員簡智翔,也在其Youtube影片中提到,【智翔的議會質詢-民政局、十二區區公所(9/23)】 #桃園市未立案宗教場所用地合法化 上個會期智翔關心到未完成合法化的宮廟辦理登記的進度,同時也為許多宮廟請命,包括座落於公有地上、或財務紊亂難以報表呈現,申請上又礙於人力短缺、對於法規不熟稔、公文往返的時間花費,諸多困難之處都需要市政府花更多心...
預測效度 在 孫弘岳-人力資源管理的世界 Facebook 的精選貼文
根據最新的《企業》(Inc.)雜誌報導,有愈來愈多科技公司, 例如Tesla、Accenture或 LinkedIn,不依賴履歷表上的"經驗",改用AI預測來作為任用的標準,因為過去經驗與未來的工作內容與新的專業知識相關性愈來愈低。
這篇報導一開頭就引述一篇頂極的論文,試圖合理化,經驗無法預測未來的工作績效的論點。但論文中的工作經驗係指年資,而非一竿子推翻應徵者經驗的價值。例如結構化行為事例面談(即以過去經驗為基礎),至今仍有許多研究發現它具一定的預測效度。
.
縱然這篇報導有一點斷章取義,但它也點出"履歷表上的工作經驗"對"未來工作"績效的預測力可能正在消弱中。取而代之的是一個人可能不太容易突顯在履歷表上的特質。而這些特質也不太容易透過一般的甄選工具來進行評測,如果可以,也不會太便宜,例如工作樣本法 Working sampling、評鑑中心 Assessment Center等等,要很花人力與心力來設計與執行的高度結構化評鑑工具。
.
AI在人力甄選上的應用,就大大補足這類結構化人力評鑑的缺點,即過多的時間與人力。透過半監督式深度學習Semi-supervised Deep Learning的技術,你只要告訴電腦某一群人目前績效的高低,它可以模擬與分析工作樣本或評鑑中心,甚至是評測遊戲中的各式行為,包含肢體語言或聲調/步態,找到可以預測績效高低的特質。換言之,這樣的AI工具,不但能取代傳統測評工具中訓練有素的觀察員,還能看到觀察員看不到或不易看到的細節,不會分心、也不會遺忘。所以AI逐漸成為人才甄選的測評工具。
.
註1: 在機器學習Machine Learning的領域中,分三類,最常用的稱作監督式學習 Supervised Learning,例如在人的訓練下,告訴機器那些照片是猫或狗,並由人給予猫狗不同的屬性標籤,例如耳朵、叫聲、吐舌等的特徵,訓練機器從這些資料中去辨別猫狗的照片。這個方法的缺點,就是太費人力,且關係到機器訓練師的素質。非監督式學習 Unsupervised Learning,就是由人給機器一堆猫狗的照片,機器會自動去學習分辨猫狗的不同屬性。這種方法通常需要大數據般的資料照片,才能學會。而半監督式學習,就是綜合以上兩種方式,人類還是要替這些照片,下一點標籤,例如那些照片是猫,那些是狗,再由機器自動去學習找出牠們不同的屬性。
.
註2: 深度學習Deep Learning 是機器學習的一種技術,它不需要人類對學習目標萃取特徵並歸類,你只要給它數據,它就可以自動萃取特徵並歸類,並預測結果。所以深度學習是目前AI的主流,簡稱ABC。A就是Aalgorithm, 透過模仿人腦的「類神經網路」的演算法,結合B (Big Data)大數據,並且需要搭配C (Computing)強而有力的運算硬體,例如GPU,才能體現。
.
https://www.inc.com/melanie-curtin/resumes-dont-help-you-hire-innovative-people-but-this-does-hint-teslas-doing-it.html
預測效度 在 桃園市議員簡智翔 Youtube 的最佳貼文
【智翔的議會質詢-民政局、十二區區公所(9/23)】
#桃園市未立案宗教場所用地合法化
上個會期智翔關心到未完成合法化的宮廟辦理登記的進度,同時也為許多宮廟請命,包括座落於公有地上、或財務紊亂難以報表呈現,申請上又礙於人力短缺、對於法規不熟稔、公文往返的時間花費,諸多困難之處都需要市政府花更多心力來協助。
智翔也知道,民政局的宗教科目前都十分盡力在完成這項艱鉅的任務,但期望能更進一步,系統化現有的問題與解方,例如在協助處理不同的個案時,也能吸取經驗,規劃出更精準的配套措施,以利下一次的宣導,或建立更便民的輔導窗口。
財務方面,立案後的宮廟每年都需要製作財務報表,這一點宗教科是否也可以研擬相關辦法,也許簡化流程、或增加研習及培訓課程,輔導宮廟走上財務健全的軌道。
宗教科則補充,財務方面有先從財團法人宮廟著手,導入會計師輔導機制,也預測未來狀況會逐年改善,智翔也肯定宗教科目前所作的努力,仍期待宗教科持續精進做法,讓宗教場地合法化的那天早日到來。
#桃園市立殯儀館焚化爐空污管制
上個會期智翔曾建議,桃園殯儀館是否添購燃燒效率更好的設備來焚化,但礙於經費難以執行,而昨天在市長施政報告中,智翔也提出證據,從鄰近學校的空品監測可看出,殯儀館周遭確實存在空污的威脅,那麼我們就回過頭來檢視殯儀館焚化爐現行的空污管制是否有效?
針對廢棄物,目前有法規《廢棄物焚化爐空氣污染物排放標準》來規範,而桃園殯儀館也有檢測焚化爐廢氣排放的結果,但是很可惜,在總計八座焚化爐中,只有針對1~6號焚化爐,也就是專門焚燒遺體的焚化爐進行檢測,剩餘兩座平時焚燒大量庫錢、紙錢、紙紮屋等物品的焚化爐卻沒有檢測。
就算環保局沒有納管,殯儀館內的焚化爐仍是客觀上的焚化設備,所以今天也再次建議,桃園殯儀館應比照廢棄物焚化爐的規定,設置監測儀錶,並針對污染源定期檢測;其二,請民政局與環保局共同研擬桃園市立殯儀館的空污管制及監測辦法,另請針對周邊業者進行輔導擬定方案。
智翔同時也以台南、高雄、屏東三縣市的環保金爐為例,其設置集塵器、活性碳等作法,提供桃園市政府作為焚化設備升級的借鏡,尤其桃園區居住人口持續增加,千萬不可讓殯儀館周遭成為空污的破口。
#建立公園遊具資料庫
公園的更新與活化,包括二代公園的提倡是智翔一直關注的議題,過去智翔曾建議桃園市政府學習台北市,建立公園的資料庫,但大家可能不知道,台北市連公園遊具都有資料庫,資料庫的資訊,盤點公園內所有設施的數量及種類,也方便評估使用狀況及年限。
應用在公園的新建與更新,就可以知道減少重複的遊具,讓各別公園的特色凸顯出來,遊具的種類對應到使用率,也能讓遊具更新時,更能符合社區以及使用者的需求,建議區公所能著手盤點公園的遊具,技術方面也可考慮與資科局來合作。
🎞完整質詢影片請看:
https://youtu.be/NCR2bY_zhPQ
🎞youtube頻道請搜尋:桃園市議員簡智翔

預測效度 在 SHIN LI Youtube 的最佳解答
#剪卡 #信用分數 #信用評分
合作信箱✉️ : xshinxli@gmail.com
❗️影片未經同意請勿任意轉載、二次搬運、寫成新聞稿
❗️每月45元幫助我創作更多影片|https://shinli.pse.is/PD4Q5
————————————————————————————
📖我的理財書《25歲存到100萬》|https://pse.is/38zezq
✨2021下半年信用卡精選|https://shinli.me/2021/08/16/2021credit-card/
🙋♂️我的新手理財線上課程|https://www.yottau.com.tw/course/intro/997#intro
00:00 剪卡會影響信用分數?提高信用分數的方式
01:02 信用分數是什麼
01:54 信用分數的級距
02:39 信用分數的評分依據
03:20 提高信用分數的方式
04:33 影響信用分數的行為
05:45 信用評分的揭露時長
06:45 這些事不影響信用分數
08:12 結語
何謂信用分數
・聯徵中心透過資料搜集,以客觀、量化演算而得的分數,用以預測當事人未來一年能否履行還款義務的信用風險。
信用分數效益
・因應數位金融時代,不論是傳統金融機構或是創新金融業者,都必須對客戶精準評估其信用風險
・作為貸款准駁、核貸額度及利率高低等參考
有在使用信用分數的國家
・美國最為發達,亞洲多數國家也陸續推出信用評分服務
舉凡信用卡申辦、貸款、投資,任何跟金融體系有關的服務,信用分數都是一個參考指標
信用分數級距
・最低200、最高800
・若跟銀行沒有往來則無法取得信用分數 = 信用小白
・信用分數越低,銀行會認為你的還款風險較高,進而不會貸款、核發信用卡
・信用小白因為沒有紀錄,銀行也會有所疑慮
🔺信用分數是一個參考,但不會是唯一依據
信用評分參考的資料
1.繳款行為
・信用卡是否全額繳款
・貸款是否按時繳款
・支票是否有跳票
2.負債信用
・負債額度:信用卡額度使用率、總貸款額度
・債務型態:信用卡預借現金、循環額度
・變動幅度:信用卡債、貸款餘額的增減
3.其他類信用資料
・聯徵查詢次數
・信用卡使用長度
・保證人相關資訊
累積信用分數的方式
1.申辦信用卡,並準時全額繳清卡費
・卡片持有長度越長,也將增加信用分數
・即使是學生卡,也可以累積信用分數
2.信貸都有準時繳款
3.避免罰單未繳、刑事紀錄
4.三個月內連爭次數小於3次
・若申辦信用卡、貸款、帳戶卡關,建議先緩一緩申辦
影響信用分數的行為
1.延遲繳款、繳最低
2.貸款總金額越高,分數越低
3.信用卡預借現金
4.短期3個月內聯徵次數超過3次
5.信用卡未繳遭銀行強制停卡
6.違約交割
7.信用卡額度使用過高
信用分數揭露時長
1.貸款逾期、催收及呆帳紀錄,自清償之日起揭露3年
2.信用卡款項未繳之強制停卡資料,未清償者,自停卡發生日起揭露7年
3.信用卡戶帳款資料揭露期限,繳款資料自繳款截止日起揭露1年
這些事情不會影響信用分數
1.信用卡持有張數多寡
2.剪卡,剪卡會讓信用長度縮減,但比分相對較少
・建議保留目前使用最久的信用卡
3.分期付款
・〝消費分期〞及〝帳單分期〞因屬性較偏向消費行為,故聯徵中心並未直接將兩者納入評分模型考量,故兩者並不會影響信用評分。
聯徵中心詳細資訊|https://www.jcic.org.tw/main_ch/index.aspx
【今周刊李勛觀眾獨家優惠】
✨紙本訂閱優惠:今周刊紙本26期1,599元 (52折,總價值3,064元)
加碼贈送 【MONDAINE瑞士國鐵帆布萬用收納包】丹寧藍 建議售價490元
https://bit.ly/3k8c3vV
✨電子訂閱優惠:今周刊電子38期 1,599元 (38折,總價值4,252元)
加碼贈送 【MONDAINE瑞士國鐵帆布萬用收納包】丹寧藍 建議售價490元
https://bit.ly/3wtLu73
—————————————————————
*信用卡專區*
💡網購信用卡💡
彰銀My購卡|https://pse.is/3jxabx (指定網購11%)
中信英雄聯盟卡|https://ctbc.tw/Ejj7ka (指定通路/網購10%)
永豐幣倍卡| https://shinli.pse.is/N4YCD (指定行動支付6%)
永豐JCB|https://shinli.pse.is/N4YCD (網購6%)
玉山Ubear |https://pse.is/KXJWW (網購/行動支付3.8%)
玉山Pi錢包|https://shinli.pse.is/PSTRY (PCHome 5%回饋無上限)
GOGO卡| https://shinli.pse.is/V29G4 (週六行動支付/網購6%)
富邦momo|https://shinli.pse.is/RBJNF (網購3回饋無上限)
樂天信用卡|https://shinli.pse.is/EUV7G (網購10%)
💡外送信用卡💡
中信英雄聯盟卡|https://ctbc.tw/Ejj7ka (外送/網購10%)
永豐三井聯名卡|https://shinli.pse.is/N4YCD (餐廳/外送10%)
💡一般消費信用卡💡
永豐Sport卡|https://shinli.pse.is/N4YCD (無腦3%現金回饋)
永豐幣倍卡| https://shinli.pse.is/N4YCD (無腦3% / 指定行動支付6%)
富邦J卡|https://shinli.pse.is/U8UWP (新戶3.5%無上限)
花旗現金回饋PLUS鈦金卡|https://pse.is/3al9qa (指定通路10%)
台新玫瑰Giving卡|https://pse.is/3cjgtb (假日3%)
聯邦賴點卡|https://pse.is/3b4lj5 (國內2%/LINE Pay7%)
星展ECO永續卡|https://shinli.pse.is/RNHW6 (國內無腦3%)
FlyGo卡| https://shinli.pse.is/UTMAF (高鐵/加油5%)
匯豐現金回饋卡|https://shinli.pse.is/UYRCA (國內1.22%/海外2.22%)
匯豐匯鑽卡|https://pse.is/3aemhy (指定通路最高6%)
💡行動支付信用卡💡
永豐幣倍卡| https://shinli.pse.is/N4YCD (指定行動支付6%)
台新街口聯名卡 |https://shinli.pse.is/V29G4 (指定通路最高11%)
GOGO卡| https://shinli.pse.is/V29G4 (行動支付/網購6%)
凱基魔Buy卡|https://shinli.pse.is/3amq3r (指定行動支付享8%)
花旗現金回饋PLUS鈦金卡|https://pse.is/3al9qa (指定行動支付10%)
💡里程信用卡💡
匯豐旅人-輕旅卡|https://shinli.pse.is/TRNK2
匯豐旅人-御璽卡|https://shinli.pse.is/UYM33
匯豐旅人-無限卡|https://shinli.pse.is/SWY28
玉山Only|https://pse.is/J668L (最高5.2%回饋)
💡高活儲網銀專區💡
Richart |https://pse.is/3dblru (1.2%活存利息)
王道銀行|https://pse.is/KGYJB (享100現金回饋)
iLeo|https://pse.is/H4H8E (72萬1.2%超高活存利息)
遠銀Bankee|https://pse.is/FDDA4 (2.6%活存利息)
樂天純網銀|RI9HCV (透過推薦碼註冊享100) OU數位帳戶|https://pse.is/3exmtb (20萬以內1.85%)
💡投資推薦💡
鉅亨買基金|https://pse.is/3g3g6e (輸入 shinli享1588紅利,申購26萬元以內基金0手續費)
富果帳戶|https://shinli.pse.is/M4Q9V (註冊享108元)
國泰證券|https://pse.is/3lnw2z (定期定額存股推薦)
💡APP推薦💡
家樂福|581AIYW (輸入推薦碼享3,000點)
註冊Shopback|https://shinli.pse.is/SR4UE (享100獎勵金)
玉山e.Fingo|2a5GCNHG (輸入推薦碼享優惠)
UberEats |eats-xn13cyuzue (100元折價2張)
汗水不白流|VOCRBH (享3000卡路里)

預測效度 在 OP凱文 Youtube 的精選貼文
0:00 今天我們要來介紹如何用選擇權的價差策略
來達到長期穩定獲利的方法
1:28 為什麼要做價差
a.已知最大風險,不會因為黑天鵝而被抬出場
期貨有可能會因為跳空,而出現無法預期的虧損
甚至不用談到跳空,有的時候你可能只是去忙一下
回來一看卻發現,怎麼豬羊變色了
但是垂直價差策略在你一開始建立好的時候
就已經知道最大虧損最大獲利是多少
以及損益兩平點在什麼位置
你可以抱著價差安心上班,安心睡覺
但如果是做期貨,你可能就三不五時會想要打開來看現在指數在哪
b.比起期貨,選擇權價差更能增加你的勝率
撇開技術分析不談(因為要談的話其實對期貨對選擇權都是同樣的影響)
期貨在進場之後,上漲下跌機率其實就50%50%
但是價差可以透過履約價的調整,來增加你的勝率
舉例來說,指數17000
期貨多單進場之後,就是以此為分水嶺,上漲賺錢下跌賠錢
但選擇權價差可以選
例如我作16800-16900看多價差,我會有一百點空間
結算在16900之上我都是獲利的
也就是說即使指數是下跌,但我最後也是獲利的
當然這個不能下跌太多啦,下跌太多跌破我看多價差做的履約價的話也還是會受傷的
當然,有一好沒兩好
選擇權也不是萬能的
如果我們要選擇更高勝率的履約價,最大獲利就會降低
反之,如果我們想要最大獲利高一些,勝率也就會低一些
(例如現在指數在17000,我想做多,
選擇16900這個履約價去做看多價差,我會有比較好的獲利,但勝率低
選擇16800這個履約價去做看多價差,獲利會比較差,但勝率高)
不過我這邊想要跟大家分享一個觀念
你先求穩,再求多(先求有,再求好)
意思是如果你要做的話我會建議你先做勝率高的組合
雖然他最大獲利低,但你積少成多慢慢累積資金
後面慢慢增加你做的組數,整體獲利也會往上升
c.保證金比期貨低,可有效運用你的資金
小台的保證金要四萬多
但我們選擇權做價差,一組的保證金最低只要2500
因為他的保證金計算方式是用兩個不同的履約價之間的差去乘以50元
也就是說如果我今天做一組16850跟16900的價差
那我的保證金就要(16900-16850)*50=2500
不過通常我建議去做100點價差的組合,所以保證金要5000元
再高一點的150點價差或200點價差也可以,但相對來說保證金就會變貴
如果需要的保證金太高,小資族要去操作的話會比較難受一點
這樣對你後續部位的調整可能會比較沒有彈性空間
7:32 如何做價差
a.他其實就像是替賣方部位加一個保險
舉例來說,今天我認為指數不會跌破16900
那我就會在履約價16900的位置賣出賣權(不認為會下跌)
但畢竟沒有人能夠準確預測未來
如果接下來跌破16900,我會有很大的風險
所以我在16900之下的履約價加買一個賣權
例如我在16800這個履約價買進賣權
那麼當指數下跌的時候
這個16800買進賣權的部位會獲利,也就會幫我cover我原本的虧損
以上的舉例把它們組合起來,就會變成是一個看多價差
b.看多價差與看空價差的組法
那其實你要組看多價差或看空價差呀,用買權或賣權都是可行的
重點在於你做的履約價
今天如果你想做看多價差,只要你買低履約價賣高履約價
就會成為看多價差
反之,如果你買高履約價賣低履約價,就會變成看空價差
不過今天介紹的這套方法,你做價差的話
我會建議用賣權去組看多價差
用買權去組看空價差
原因是流動性的問題,我們要挑選成交量大的履約價去做
不然理論上買權還是賣權組其實是沒有差異
詳細的細節可以參考我之前寫的關於價差的文章或影片
在我的頻道裡面有一個關於選擇權策略,一系列的影片
其中有詳細介紹關於履約價對於價差策略流動性問題的部分
在這邊我們就不多贅述了
前面有提到,我會建議各位先求穩再求多
所以我會建議這種價差組合你要去做賺賠比低於1的
因為通常賺賠比低,也意味著他的勝率是比較高的
賺賠比就是最大獲利除以最大損失
通常我習慣做賺賠比0.1~0.3的組合
因為通常這樣的勝率其實蠻高的
而獲利嘛,雖然你可能會覺得一組5000元保證金只能賺幾百~一千多,感覺很少
但實際上我們把它換算成年報酬,你會發現這種東西的報酬率是高於其他投資工具的
c.要記得做複式單,或之後合併(保證金優化)
各位要記得,如果你要做這樣的策略
一開始要以複式單的形式進場
因為如果你是一個買方部位跟一個賣方部位分開下單的話
那個賣方部位會需要很多很多保證金
如果這樣的話就沒有我們一開始說的"有效運用你的資金"這個優勢
那如果你本來就是先做一口買方之後因情勢變化才多做一口賣方的話
我會建議你去把這兩口單合併成一組價差
保證金會從好幾萬變成只要幾千元,這樣能夠節省你的保證金
13:51 具體行動
以上大概介紹了一些你在做價差時需要注意的一些基本事項
那如果對於價差或者選擇權其他相關知識不瞭解的部分
可以參考我的YouTube頻道或者Blog文章
裡面有很多關於選擇權的知識補充
接下來要介紹的這個策略
是你大部分的情況下都可以使用的策略
而且做法並不難,你只需要懂均線,會看支撐壓力表
這樣其實就足夠了
指數走勢長期是多頭,在月選做看多價差
如果你要我去猜下一秒指數是漲是跌,我會跟你說我不知道
我猜中的機率大概跟丟硬幣差不多
可是如果時間拉長一點,我就可以提升我猜對的機率
為甚麼?因為股市有所謂的趨勢
當股市趨勢是處於多頭趨勢的時候,要我猜明天是漲還是跌,我會選擇猜漲
也許不是100%穩贏,但至少也是贏多輸少
反之,在空頭趨勢,要我去猜明天漲跌,那我會猜明天下跌
打開K線圖來看你就會發現,在多頭趨勢看到的是紅多綠少,對吧
因此,我們要跟著趨勢去做,因為這樣的話勝率是站在我們這邊的
除此之外,我們也可以發現股市的走勢長期來說是多頭趨勢
那我們的基本目標就出來了:
長期來看我們要做多頭價差
至於選擇權要做周選還是月選,我們要用月選來做多頭價差(周選存續時間太短)
利用均線作為基準,支撐壓力表作為輔助
所以打開K線圖,你會發現我們簡單用大家常看的5、10、20MA就能辨別趨勢
當現在是多頭排列時,股市為呈現多頭走勢
反之,變成空頭排列時,往往都是處於空頭走勢
所以我們在多頭走勢的情況之下
把我們多頭價差的履約價,建立在20MA的位置
也就完成了我們該做的事情
這邊可以看一下這三張圖
上面這張是多頭排列的樣子
下面這張是空頭排列的樣子
有的時候也有可能會出現糾結的狀況
像中間下面這張
但有時候也會遇到一個問題
就是指數可能離20MA太遠,這時候做的價差可能最大獲利太低
低到如果算上手續費跟稅,你可能還倒賠
那我們可以做一些修正
去看看當時的支撐壓力表的支撐在哪裡
並且以此作為基準去抓我們可以做的位置
下一張投影片我們來看一下支撐壓力表
支撐壓力表是一項很好用的工具,它可以幫助不會畫線抓支撐壓力的新手
找到現在市場上大家認定的支撐與壓力
解讀支撐壓力表,我們要站在賣方的角度去思考
因為賣方留倉會有壓力,但買方沒有
所以你看買權與賣權變化量最大的地方,搭配賣方角度思考
舉例來說
你看到買權是17650變化量最大,賣權17000變化量最大
搭配賣方角度思考
賣出買權在17650,表示市場上的大眾認為不會漲破17650
賣出賣權在17000,表示市場上的大眾認為不會跌破17000
那這樣我們的月選看多價差,就可以建立一個16900-17000的看多價差
這裡補充一下,雖然我們是去做月選看多價差
但支撐壓力表我們還是觀察該周的支撐壓力表,而不是該月的支撐壓力表
除非到第三個星期三
(當然,偶爾會有特別的例子,例如之前日誌影片中有提到
當兩大法人都在做買進賣權的時候,支撐壓力表的支撐其實就沒有支撐效果了https://www.youtube.com/watch?v=R2bwQXrZOPI)
偶爾會有回檔,在周選做看空價差
但股市也是有時晴有時雨
總是會有回檔下跌的時候
這時我們可以利用短均線5MA來作為判斷基準
如果指數跌破五日均線
那我們就可以在這個時候做空頭價差
履約價可以抓前面的高點作為參考基準
另外,由於我們是判斷回檔
所以不需要把這個空頭價差做在比較長期的月選
而是做在比較短期的周選
如此一來這個空頭價差就能替我們月選多頭價差沖銷方向上的風險
其實如果你對選擇權已經有接觸過的話
你應該會發現,這其實是一個變形的兀鷹
只是兀鷹策略會做在同個時間的契約裡面
又或者你也可以把它當作是時間價差或者對角價差
但上述兩者會有裸賣部位
但我們這個策略在周選與月選都是價差,風險是有保障的
26:02 總結
這裡我們就給明確定義
a.在均線多頭排列時,做這樣的策略
每個禮拜固定做一組看多價差,我推薦星期五做
而在做這樣策略期間,如果遇到空頭排列,看多價差要停損出場
(空頭排列:5MA,10MA,20MA)
如果均線糾結在一起,則暫停動作(10MA,5MA,20MA,or 20MA,5MA,10MA)
b.做月選多頭價差,位置做20MA
若獲利空間不大(指數位置離20MA太遠),參考支撐壓力表的支撐
(to新手:如果要談技術分析的話,支撐通常會是前面的低點)
c.跌破5MA,在周選做看空價差,位置選在跌破五日均線前的高點
(這裡注意,不是做在5MA喔!是做在前面的高點)
補充:
a.新手的話我建議本金5萬來做這樣的策略
雖然說你其實不需要這麼多資金,但至少你一開始輸的話
比較不會有壓力
b.逆向的月選看空價差,周選看多價差這種做法並不建議
因為空頭走勢又急又兇
這樣做可能討不到甜頭,倒不如直接做買進賣權
▼凱文的選擇權課程,適合新手、小資族,讓你瞭解如何運用選擇權獲利!▼
https://optionplayerkevin.teachable.com/
▼歡迎加入會員▼
小額贊助,可以在留言區使用特別的專屬貼圖
鐵粉會員,除了貼圖,每天我會與你分享我對盤勢的想法
https://www.youtube.com/channel/UCL2JKimITPdd37tEzJrHPAg/join
▼底下有各種資訊,歡迎點開參考▼
✅選擇權討論社團:http://optionplayerkevin.pros.is/groupkevin
✅IG:http://optionplayerkevin.pros.is/instagramkevin
✅FB:http://optionplayerkevin.pros.is/facebookkevin
✅line社群:https://lihi.tv/YcKVl
這個頻道專注在選擇權的話題上
股票、期貨、基金也歡迎大家來討論
希望大家都能變得更有錢,邁向財務自由
本集節目由蝦皮贊助播出
https://shp.ee/2dues3k
----------
***重要申明:影片主要為分享我個人的想法,並非投資建議,請觀眾在操作前仍需三思。***

預測效度 在 以測驗總分為「內在效標」,逐一分析個別試題與總分間的相關 ... 的推薦與評價
【上明文教函授學員詢問】 D選取與總分有高相關的試題可以增進測驗的(A)內容效度(B)預測效度(C)同時效度(D)構念效度高老師提醒您不要太相信阿摩最佳解喔!... ... <看更多>