这是你在编程时的问题，而不是计算机的问题。作为中国人，你可以处理：“中国人参加奥运会。”，但是如果你是不懂汉语的法国人呢？ 另外，如果让你来处理124种，或者更多语言呢？因为以前做翻译时用过机器翻译，所以实际上“中国人参加奥运会”的问题是不会出现的，无论是在分词和翻译的准确度方面
这是个模型的边界的问题，另一个实际的例子，当初某大学建过一个很牛的模型，做收益预测的，需要数百个参数，搞全了未来收益就全出来了，回测据说还不错，跑到企业才发现，这些参数每一个都需要另外数百个参数才能够计算出来，而计算着一个参数的那数百个参数，其中的任何一个又需要接近数量的参数才能够处理出来，结果就不必说了，企业自卑的发现自己的计算机化程度令人汗颜，不过实际上主要是另火星人汗颜，地球人的感觉其实也就是一般般。 线形处理的边界是确定性的，非线性的边界不是确定性的，其原因在于非线性计算的结果本来就是个概率值，而概率值的准确与否与其依赖的数据量有关，如果问题本身超边界，结果并不是做出错误的决策，而是做出无效的决策，从概率上来说，这个决策当然也可能是站在了对的一边 所以，法国人不会遇到分词问题，不过先不必高兴，法国人也同样会遇到暧昧语言的问题，更深一步说，就是模型边界的问题。
阶段性肯定有，这个市场的本质就是庄家对散户的掠夺。散户感兴趣的事情，就是庄家乐于制造的东西，散户一般来说是贪婪、恐惧、无知的乌合之众，所以价值投资这么高级的东西对于散户肯定毫无意义。一般散户关心的是能够省心、不费劲地获取利润，这也是他们进入市场的原因。庄家吸引散户最方便的模式就是制造趋势。
这不是一个模型的边界问题，包括那个“很牛”的模型，都是失败的范例而已，但失败不是说不好或贬低，当作实验的话就没问题了，总是需要不断尝试的。 那个大学做的事情就好象在建全能贝耶斯一样，但是往往简洁启发式更有效而快速，这是思路问题，和建模能力问题。 对于文本处理，不能只是单纯的统计它的频率而得出概率来判断，这个也是国内文本挖掘的误区。计算机可以处理文本处理的很好，这一点2004年的时候我已经亲身实践并得到证明了。 不过话说回来，我还是需要有更快的计算机来工作。
趋势是基本面和人类预期复杂的混合体，在不同的阶段表现也不同，这些阶段很难量化！人类想象中的趋势和实际的趋势存在差异，它们相互作用，互为反身！还有一点，一般的系统往往只包含价格和交易量两个因素，而这两个因素是完全被公开的，从这点而言，不存在任何信息不对称得优势，这降低了系统的优势！提高系统优势的办法就是融入基本面分析的方法，提高优势壁垒！
没有基本面分析的强大支持，系统只能是无本之木，无源之水，也许你可以成为一个匠人，精通技术分析的工匠，这种概率是非常低的，而且永远成不了师！索罗斯的量子基金之所以那么成功和罗杰斯的基本面研究密不可分！在中国，我觉得应该学习索罗斯研究基本面的方法，而不是巴菲特的方法,这和我们市场的制度有关！
任何人都知道1+1=2，所以当遇到x+y=2时，给出值1、1，这是否正确呢？答案是因边界而定，如果x、y的边界就是1，当然是正确的，但当x、y的边界并不等于1时，结果自然让我们觉得可笑，通常在教授小孩子数学的时候天天都会遇到这类笑话。 这是个建模能力的问题吗？当然也可以归咎到这个方面的原因，人类还不能把世界的一切都用规则描述出来，但是假如一个小孩子告诉你，它假定x、y的边界为1，此时给你1、1的结果，如果超边界，结果无效，他不会算。此时你还会认为这是建模能力的问题吗？ 能力是可以触及的东西，像上帝一样无所不能的能力是不存在的，我们只能抓住我们能抓住的东西，而不是把自己变成上帝。 这个你恐怕是误解了，应该只有互联网才会单纯依赖概率进行处理，原因也很简单，他的应用模式决定这已经够用了。 文本处理其实基本上分为三个方向，最早作为课题主要是从属人工智能领域，中间有很大一段时间停滞，其原因就在于全世界的科学家都没法搞出一个不针对边界限制的万能模型来，后期开始假如概率判断，作为新的突破方向。 翻译系统早期大部分是应用上一个方向的研究结果，从词性词义入手，逐渐扩展到句型句法，但是成本高昂。应该是90年代中期，随着电子词典的崛起，一大批价格杀手加入了这个领域，结果只能说价钱一天便宜似一天，质量也随之一天不如一天，你今天的感觉并非是技术的原因，完全是价格的原因，劣币驱逐良币在任何领域都存在。 互联网引用，这个方向是新的方向，但其实和上两个方向本质上风马牛不相及，他有一个假定的边界，就是你能精确的描述你想要什么，我帮你找到你想要的东西，也就是所谓的关键词索引技术，但是中文与字母文字相比，涉及到一个词边界的切分问题，从而说起来也涉及到一部分文本处理。 随着关键词的玩法被挖掘殆尽，互联网也开始酌摸所谓“第三代搜索技术”，也就是加入内容理解，但是光打雷不下雨，原因很简单，应用模式完全不同，全世界都没有几个人会花上几天的时间傻乎乎的等在屏幕前，只为了想知道鲁隐公第三房小妾儿子的后裔现如今住在哪。想了解尿布片和啤酒之间关系的人也不会跑到网上找答案。 在对未知边界的探索上，人类能给计算机的指导少之又少，大部分时间，更靠谱的方式依然是最笨的方式——穷举，类似于计算笛卡儿乘积一样的穷举，这也正是人类需要计算机的主要原因。在经历过亿万次的计算之后，计算机终于可以告诉我们，尿布片和啤酒，而不是口红或者止咳糖浆存在着销售关联——当然它存在着潜在的模型边界：美国超市
趋势这个玩意，应该就是供需关系的持续性，当然也可以表述成预期的供需关系的持续性，这就如同说法律事实不简单等于事实一样，作律师的经常会这么提醒当事人。 至于信息对称，这个基本上很难，通常总是存在某个方面的不对称，合法的一面，比如一个企业的供销科长总是先投资者很多个月知道销售行将停滞，财务总监也总是先投资者很多个月知道资金即将断裂。而不合法的一面，不用说，王益们钱都落在口袋里我们都不一定知道发生过什么事。 个人觉得，基本面这个玩意搞得再复杂，也不一定比PE这类的简单数据靠谱到哪去，也只能做个参考。即使一个企业看起来一切都无懈可击世界独有，那他依然存在一个瑕疵，就是他的发起人居然会愿意和他人一起分享这个企业的所有权，分享本来被他私人所独享的财富，须知贷款与上市之间的难度差异足以用天上地下来形容，为什么呢？ 一切拿来上市的资产，都是用来变现的资产，而用来变现的资产，一定存在着巨大的不确定性。
但我们还是小孩子的时候，我们一样会犯这样的错误。 交易系统所会犯的错误与此相同，他不知道6124点的突破与998点的突破存在不同的场景，要么我们能够告诉它这种差别——基本上所有的交易系统都会通过过滤器来进行场景的简单指导，要么它能够自我完成进化——这个成本就比较巨大了。
我觉得从机理上说，趋势的形成可能来源于两个方面，一方面是信息的扩散和投资者对信息的接收处理决策这个过程是逐渐发展的，或者说，多数情况下是渐进式的，但也有少数情况是一步到位的（也可以说趋势行情在极短时间内完成）；另一方面是人群中不同人性的分布，在战场上，总有一些士兵喜欢冲在前面，不惜牺牲，也有一些士兵更有经验，在有保护的前提下该冲就冲，必要时就会卧倒或停在掩体后面，还有一些追求活得长久的士兵会把风险坚决地放在第一位。 老大说的太到位了，高度赞同。 如果我来办公司办得好的话，绝对不会上市，而将采用ESOP。 ScottChen兄的贴子都是重量级的，学习后直接受益，十分感谢！
还有一种能力计算机不具有，人类具有联想的能力，能根据事物的特性进行发散性联想。进化的能力，计算机不会选择变量组，人可以过滤掉一些无用的信息或者变量，不断在这个基础上进化，或者一些突变的变量加入变量组，计算机不具有这种能力。或者说，计算机不具有建立模型的能力，缺乏归纳演绎得能力。关于信息的传导，这个不同的信息引起的传导以及不同的群体心理传导都是不同的。