刮风导致股市下跌

ResearchBlogging.org    股市会受到天气的影响？听起来荒诞，但其实挺靠谱的。这里首先要搞明白两个关系。第一是股市不仅受客观经济规律的影响，而且还会受到心理作用的影响。人们投资并不会完全理性的将自己的利益最大化，而常常会受到非理性因素的影响，其中情绪是很重要的一方面。第二是人们的情绪会显著受到天气的影响，晴天会高兴，雨天会抑郁，刮风会烦躁。将这两点关联起来，就可以推测天气也许会影响股市的走势。


    Improbable Research介绍了台湾学者的一个研究，证实了刮风会影响股市的收益。作者研究了欧洲18个国家1994年到2004年的股市走势与天气的影响。作者发现了风速与股市回报的显著负相关，即风越大则股市表现越差。而晴天对股市却没有什么影响，这说明风对人们心情的影响比阳光要大。不管怎样，这个研究告诉广大股民们，不要看股评了，看天气预报也许更靠谱。

Shu, H., & Hung, M. (2009). Effect of wind on stock market returns: evidence from European markets Applied Financial Economics, 19 (11), 893-904 DOI: 10.1080/09603100802243766

评论

发表评论

此博客中的热门博文

如何画出漂亮的图

图片
    题目其实是个标题党。我一直都在尝试各种方法把paper中图片做的更漂亮，但效果总是不理想。而读paper时经常能看到让人眼前一亮的图。比如最近Journal of neuroscience一篇关于视觉系统 随机共振 的研究。     所谓随机共振，就是当一个非线性系统在加入少量噪声时的工作效果要比完全没有噪声时好。人的神经系统就是个典型的非线性系统。上图是原文中的一个figure。要注意的是最上面的原始图像两个斜杠之间的细节。斜杠中的斜杠是阈下的，通常很难被知觉到，但如果加入适当的噪声，就可以清晰地看到斜杠中间的细节 (中图)。     初看到这幅图，我的感觉这是对随机共振效应的最好的演示。因为之前对随机共振的介绍都是理论或者语言描述，从来没有给过这样直观的演示。但说实话，很难看出如何只加入噪声就可以把第一幅图像变成第二幅图像的样子。我自己用MATLAB对原始图像加随机噪声，完全得不到这种效果。当然我自己的图像处理水平有限，电脑显示器也比较低级。不知道哪位高手可以实现。OR, 这其实只是个示意图？ Schwarzkopf, D., Silvanto, J., & Rees, G. (2011). Stochastic Resonance Effects Reveal the Neural Mechanisms of Transcranial Magnetic Stimulation Journal of Neuroscience, 31 (9), 3143-3147 DOI: 10.1523/JNEUROSCI.4863-10.2011
阅读全文

12平均律vs.自然律 频率vs.音高

图片
字母表示 7 种琴键音。从 A 到下一个 A 占用 8 个白键，俗称“八度音” octave 。国际标准 A 音为 440 Hz。钢琴上有许多 A 音，它们是：27.5，55，110，220，440，880…… Hz。请注意，每增加一个八度，用 Hz 为单位的频率增加为 2 倍。物理学中把 octave 说成是“倍频程”。钢琴调音师会把那种倍数关系拉开一些。1000 Hz 以上会拉得很开。在 500 Hz 以下，调音师人工调音中，倍数关系还是比较好的，非常接近 2 倍。 钢琴键盘上相邻的 7 个白键和 5 个黑键组成“十二半音”。相邻的白键和黑键之间，音高关系是半音。两个白键相邻，中间没有黑键的，也是半音的关系。两个白键相邻，中间有黑键的，白键之间是全音的关系。两个半音是一个全音。半音是全音的一半。 请注意，从 Hz 数值看，半音之间是 2 开 12 次方根的关系，也就是 1.059463 倍的关系。把它自乘 12 次，应该等于 2 。 在音乐家的听觉中，平均律并不好。他们更喜欢自然律： C 　D 　E 　F 　G 　A 　B 　C 264 297 330 352 396 440 495 528 它们之间有一种和谐悦耳的关系，也就是简单的比例关系，例如 C 与 G —— 2 : 3 、 E 与 A —— 3 : 4 、 G 与 B —— 4 : 5 、 ...
阅读全文

大脑的工作模式和休息模式

图片
[ 十五言 是个不错的地方。也许以后类似的文章都会现在那里发表，欢迎 关注 。] 大脑不休息 与人体其的他器官不同，大脑在人的一生中一直处在活动状态。从能量代谢的角度讲，肌肉在休息时的耗能几乎可以忽略不计，但在收缩运动时会消耗1000倍以上的能量。相反，大脑无论在工作还是休息时都要消耗大概身体总代谢量的20%。而在工作时的耗能水平只比休息时高5%。正是因为如此，休息时的大脑更应该被看成是一种独特的状态，而并不是简单的休息。圣路易斯华盛顿大学的Marcus Raichle等人在2001年时将这种状态 (resting-state)命名为默认模式 (default mode)，并将一些在休息状态时神经活动更高的区域组成的网络称为为默认网络 (default mode network)。这一网络中的区域的神经活动在人执行特定的任务的时候反而会下降，通常认为是负责产生自发的想法以及无目的的思考。 对于大脑的休息状态，另一个重要的发现要追溯到1995年。当时在威斯康辛医学院的Bharat Biswal等人发现在完全没有运动的休息状态，大脑左右两侧运动皮层的fMRI信号仍然会显示出很强的相关性。fMRI技术是一种无创的记录脑活动的方法，它通过测量脑血流中含氧血红蛋白和脱氧血红蛋白的比例间接地反映神经活动。这是一个非常重要的发现。因为之前虽然知道左右两侧的运动皮层在完成双手协调任务时会同时激活，但并没有人会想到人在没有动双手的时候负责控制两侧手的区域仍然会同步活动。这提示了一个大脑重要的属性。大脑中存在着自发的脑活动，而且这些自发脑活动不是杂乱无章的，而是有组织的。在接下来的一系列研究都发现，凡是已知的功能相关的脑区之间，在静息态时也都会显示出很强的相关。这一组组相互关联的区域就组成了不同的脑功能网络，比如视觉网络、运动网络和注意网络等等。这种使用静息态fMRI数据分析大脑功能网络的技术目前正日趋流行，而且是当前美国的人脑连接组项目(human connectome project)的基础技术之一。 既然休息时的脑活动已经能反映大脑的网络结构，那么，大脑活动时的状态又会有什么差别呢？大脑可以大致的分为两个系统：一个是之前提到的默认网络系统；另一个是负责各种具体任务的区域的集合，通常被称为任务正网络。这两个网络的神经活动是负相关的：一个网络的活动升高，另一个网络的活动...
阅读全文