确定的数学市场模型是一件不可能的任

© 本贴为 yasdfv 原创/首发，严禁抄袭！

简介

本文将简要概述一个常规问题，逐步解决设置任务，以揭示此概念的基本原理并为关于金融市场、技术分析和交易系统本身的新观点提供理论基石。

由于此解决方案允许对受版权保护的任务部分使用替代性实施方案，因此本文的目标之一就是将开发人员的注意力吸引到其他可能更高级和/或更有意义的解决方案的研究和搜索工作上去。

交易者将获得一个现成的技术工具，以进行分析和预测。 此工具是 2007 年发布的 Extended Regression StopAndReverse 指标的下一步开发阶段，此指标已获得了大量用户的认可。 这就是说，开发人员可在自己的解决方案实施中将此工具的程序代码用作数据表示的终端模块。

1. 基础设施概述。 一般概念

1.1. 设置整个任务...

至今为止人们已经做了大量严肃认真的工作，不断尝试作出市场的数学描述，并对金融工具价格的内外部依赖关系进行了各种研究。

他们带给我们的是一个毫无希望的结论 - 市场具有强大的不可确定性和一个“脱离”不同的科学性模型掌控的明确功能，这些模型用于确保对于大部分交易者在所需的时间周期内进行实际交易时至关重要的预测精度的稳定性。

我想起 George Soros 在这方面所做的评论，它们足以对这种情况做一个概括：

...他们无法得到对市场的完美认知，因为他们的思维始终在影响着市场，而市场也始终在影响他们的思维。

这是否意味着开发完全确定的数学市场模型是一件不可能的任务呢？ 一般而言，在实际交易中寻求这个问题的答案是毫无意义的，因为交易的各个方面体现更多的是艺术性而非科学性。 然而，科学拥有支持整个交易流程的巨大潜力。

有几个科学的方式方法可以成功应用于金融市场的工作中。 这里必须要特别强调此类应用自身的方法。 这对交易者来说有何重要意义？ 这里我顺便说一下所谓的机械“黑盒”交易系统 (MTS)。 尽管毁誉参半的 MTS 有很多可以大谈特谈的地方，但我们只关注最终的结论，一个不是很令人振奋的结论。

大部分交易者很容易被 MTS 所累，他们不得不依赖于这些程序的原理、开发质量和不可避免的误差，因此，交易的形式从艺术转变为一种不完善的机制，内中隐藏着不可预测的缺陷。

此外，交易者应拥有良好的专业知识，清楚的了解特定 MTS 何时可以或不可以应用于哪些价格变动区域。 但这个要求通常是达不到的，交易者习惯使用看似简单的 MTS，而不再愿意仔细分析。 尽管如此，这里我们还是要放弃讨论 MTS。

此外，交易者需要一种可以信赖的相当精确的预测方法，并根据它动态地构建和调整他们的市场活动。 反过来，预测通常可以分为两组 - 基于一些科学方法所做的各种预测以及以直接传输内插数据的方式所做的预测。

为了表示地更清楚，可以用在图表上构建的两条有时看上起非常相似的曲线来做例示。 第一条曲线是用奇异谱分析（在俄罗斯也称“Caterpillar”）构建的；第二条代表一个简单变化的移动平均线。 当然，它们可能不是最好的例子，但这一点并不重要。 这里我们不讨论这两种方法的优缺点；重要的是两者都被不同的交易者应用于其工作中，并具有一定的效率。

事实上，两种方法的唯一不同之处在于，SSA 寻求预测某些参数中未来可能的变化，而计算和显示移动平均线不会预测任何东西 - 此方法仅仅根据简单计算出来的实际数据显示信息。 严格来说，第二种情况本身并没有预测；此预测是由交易者基于相对于移动平均线（本身作为一个预测工具）的价格而作出的预测。 两种情况中，交易者都执行了一些分析。

因此，基于科学预测的交易有助于市场上的操作，但它有较大的风险，因为交易者纠正预测误差时会产生延迟，而这种延迟通常是不可接受的。

另一方面，基于直接数据传输的交易消除了因数学计算/预测所产生的误差，但增加了交易者的脑力工作负担。 如果现在我们把大部分交易者心理和智力上的差异考虑在内并取个平均值，一般情况下，交易结果将显示这两组指定预测值之间实际上并没有多少差异。

当科学预测技术变得过于复杂，导致出错的概率、数量和质量增大时，就会开始出现较为明显的重大差异。 有人可能会认为初始条件和最终结果之间似乎有冲突。

的确，如果决定要使用科学方法生成预测值，那么简单的技术不会产生足够精确的结果。 当技术变得复杂时，如何避免错误增加？而错误开始影响必要的预测精度时，是否可以完全不用这些技术？ 这是一个狡猾的问题，很容易导致逻辑死锁或一些需要耗费大量时间列举简单方法及其组合的呆笨解决方案。

在哪里以及如何找到源与结果之间以及计算方法的复杂性与最终结果的精确性之间的黄金分割线？ 解决方案可能有很多。 下文中我们至少要介绍其中一个。

1.2. 分割成多个部分...

由于我们重点关注的是技术交易，初始数据仅受报价历史记录的限制，即我们有条柱的总数和每个条柱的四个价格值，但没有交易量。 应忽略交易量值，因为各个源的交易量值都有很大差异，并且与真实交易量不符。 因此，在计算中使用交易量值并无意义，因为我们最终会用相同的价格数据获得不同的预测值，这本身就与给定任务相冲突。

另一方面，相关金融工具的价格变动已经包含实际的真正交易量的相关信息，可直接取决于后者。 我们必须处理手头的数值级数，并在图表上显示处理后的数据。

任务将被分为两个部分（这不会增加解决方案的复杂性）- 使用特定科学方法对数据进行预处理，和数据显示之后的后期处理。 让我们从结尾开始处理这个任务。

1.3. 解决任务的第二个部分...

假设我们已经对数据进行了预处理，并应在图表上显示这些数据。 最好用哪种方法、方式、数据显示技术来确保制备材料的失真度最小，同时又能提供具有预测潜力的分析？

数学仪器提供了足够多的圆滑解决方案，我们可以在其中挑选回归分析作为一种可以满足上述指定条件的方法。

回归分析是一种研究依赖关系的统计方法，从某个角度来讲，这个方法可视为一种简单的，不会降低初始材料价值的数据表示方法。 回归分析的另一个用途是预测因变量的值。 此方法几乎是给定任务的理想解决方案。

那么，是不是可以认为任务的第二个部分已经解决了呢？ 还没有。 解决方案还只是勾勒出个概貌，现在必须确定回归类型。 我们来看使用线性回归时会得出的结果。

假设数据预处理之后获得的初始作图点是 2007 年秋末的 EURUSD 汇率的一个局部极值。 将以线性回归的中心射线为基础，从这个点绘制一个标准偏差通道。

呵呵，波动嘛，其实无非就是涨跌，二选一游戏，一会涨一会跌，那方强势往那里走，简单模型就可以实现，不要想的太复杂，重点是如何确定趋势，这才是重点