결과 규칙은 해석의 방향을 제시합니다. 전체 차트 강도는 차트의 나머지 부분이 그 방향을 뒷받침하는지를 알려줍니다.

이 둘은 같은 것이 아닙니다. 강한 대상은 약한 차트 안에서도 홀로 설 수 있습니다. 약한 대상은 자신에게 결코 도달하지 않는 움직임과 조력으로 가득 찬 차트 속에 앉아 있을 수 있습니다. 예측은 여전히 대상과 장애의 비교에서 시작되지만, 더 넓은 차트의 상황은 신뢰도를 변화시킵니다.

예측 장애에 대한 대상의 상태

이것은 방향성 판단입니다: 유리함, 혼합됨, 불리함, 혹은 불확실함.

맥락 차트의 나머지 부분

조력 효, 복합 요인 효, 동효, 공망, 파, 그리고 정적인 효들은 결론을 둘러싼 구조가 얼마나 견고한지 알려줍니다.

신뢰도 차트가 동의하는가?

광범위한 차트가 예측을 뒷받침할 때 신뢰도가 상승합니다. 예측과 상충할 때는 신뢰도가 떨어집니다.

전체 차트 강도의 의미

전체 차트 강도는 분포 점검입니다. 차트 중 얼마나 많은 부분이 사용 가능하고, 강력하고, 약하고, 깨지고, 비어 있거나(void), 막혀 있는지를 확인합니다.

분포는 단순히 머릿수를 세는 것이 아닙니다. 대상, 조력, 장애, 혹은 복합 요인에서의 강도는 질문과 전혀 닿지 않는 배경 효에서의 강도보다 훨씬 중요합니다.

전체 환경의 이름을 붙이기 전에 다음 세 가지 그룹을 사용하십시오:

  • 강한 그룹: 매우 강함 및 강함 등급의 효들.
  • 약하거나 위태로운 그룹: 약함, 매우 약함, 파(broken), 공망(void) 등급의 효들.
  • 중간 그룹: 보통의 효들 및 실질적인 역할이 메커니즘에 따라 달라지는 효들.

라벨은 질적인 것입니다. 약한 효는 적고 강한 효가 많으면 강한 환경(strong field)이 됩니다. 약하거나 위태로운 효가 많으면 약한 환경(weak field)이 됩니다. 분포가 팽팽하면 보통의 환경(moderate field)이 됩니다. 그다음 강도가 어디에 위치하는지 확인하십시오: 대상에서의 강도는 장식적인 배경 효에서의 강도보다 중요합니다.

강한 환경 활동적인 효가 많음

차트에 추진력이 있습니다. 만약 예측이 유리하다면 그 긍정에는 뒷받침이 있는 것입니다. 불리하다면 문제가 악화될 수 있습니다.

약한 환경 약하거나 막힌 효가 많음

차트에 가용한 힘이 부족합니다. 유리한 대상일지라도 외롭거나, 지연되거나, 하나의 좁은 메커니즘에 의존하게 될 수 있습니다.

보통의 환경 혼합된 분포

작동할 수 있는 효와 그렇지 않은 효가 섞여 있습니다. 라벨 자체보다 강도의 위치가 더 중요합니다.

과하게 강한 환경 지나치게 많은 힘

극도로 밝은 것이 항상 좋은 것은 아닙니다. 질병이나 붕괴에 관한 질문에서 지나친 힘은 쇠퇴하기 전의 일시적인 타오름을 신호할 수 있습니다.

정적인 환경 거의 움직임이 없음

결과는 여전히 명확할 수 있지만, 차트는 변화를 위한 메커니즘을 적게 제시합니다. 응기(timing)가 더 느리거나 덜 극적일 수 있습니다.

사례 1

사례 1은 혼합된 분포를 보입니다.

강함 부친 효

대상이 월건(month branch)에 위치합니다. 가장 중요한 효가 실질적인 힘을 가지고 있습니다.

강함 형제 효

하나의 배경 효 또한 강하지만, 그것이 예측을 주도하고 있지는 않습니다.

약함 혹은 위태로움 세효(World), 자손 효, 숨겨진 공격자

여러 효가 약하거나, 깨졌거나, 비었거나(void), 제한적입니다. 차트 전체가 균일하게 강하지는 않습니다.

중간 움직이는 조력

조력 효가 활동적이지만 묶여 있습니다. 이것이 중요한 이유는 전체 차트를 강하게 만들기 때문이 아니라 그 자체의 메커니즘 때문입니다.

출처 근거: 야하노인, 증산복이, 사례 1: 부친의 최근 질병.

따라서 전체 차트는 보통(moderate) 수준입니다. 이것이 유리한 해결을 취소하지는 않습니다. 대신 신뢰도가 어디서 오는지 말해줍니다: 압도적으로 강한 차트가 아니라, 강한 대상과 깔끔한 해소 메커니즘에서 오는 것입니다.

이것이 핵심적인 차이입니다: 전체 차트 강도는 당신의 신뢰도에 도전할 수는 있지만, 대상과 장애의 비교를 대체하지는 않습니다. 환경이 결론보다 더 밝거나 어둡게 느껴진다면, 그것을 비교를 건너뛰라는 허용이 아니라 메커니즘을 찾으라는 신호로 취급하십시오.

사용 방법

첫째 예측을 별도로 유지하십시오

차트의 분위기가 대상과 장애의 비교를 대체하게 하지 마십시오.

그다음
둘째 분포를 읽으십시오

강도가 어디에 집중되어 있고 사용할 수 없는 효들이 어디에 위치하는지 묻습니다.

그다음
셋째 신뢰도를 조정하십시오

더 넓은 차트가 결론을 뒷받침할 때 신뢰도를 높이고, 반박하거나 희박하게 만들 때 낮춥니다.

두 가지 함정

함정 분위기가 결론이 되게 하기

밝은 차트라고 자동으로 유리한 것은 아닙니다. 어두운 차트라고 자동으로 불리한 것은 아닙니다. 대상에서 시작하십시오.

함정 배경을 무시하기

대상이 비교에서 이길 수 있지만, 차트의 나머지 부분은 그 승리에 뒷받침이 있는지를 말해줍니다.

함정 위치를 고려하지 않고 숫자만 세기

여섯 효가 모두 대등한 것은 아닙니다. 대상에서의 강도는 배경 효에서의 강도보다 중요합니다.

결론

결론의 방향이 정해졌고, 이제 더 넓은 차트의 무게가 측정되었습니다. 다음으로는 신뢰도 태그를 명시적으로 부여합니다.

신뢰도와 불확실성 계속 읽기