ScottChen的"边界" 和robinxing的"發散性聯想" 都是很深入的概念. 數學符號是封閉型系統, . 而語言符號是開放型系統, 就系統交易而言, 雖然市場展示了複雜的型態, 在應用上, 簡單的數量模型已足以達到長期盈利的目的. 不過是否存在一套能夠征服市場的模型, 確實是一個挺有趣的問題.
实际上完全可以这么做,模型方面已经有很多现成的了,但是它还不是生物。 但却可以自行分析和作出判断 对于“很多事物的因果关系很难定制规则”,相信建模出来的结果要比人类判断要强得多,不能说百分之百或者百分之九十有效,但是比人类判断多一点儿也是多。因为的确对于有些事情,模型的效果并不能达到多好,尽管我也在努力提高其性能,但是基本的效果就已经比单独的人类专家所能判定的效果好了。 另外再提文本挖掘的问题,把苹果和梨子、一袋米和一袋面来进行“加减法”,是没有问题的,而且效果很好。只不过,基本面的问题在于保障,以及没有更好的策略的情况下的替补,实际上有更好的策略用来盈利,而基本面的分析,是作为风险评估的保障
是,只不过是模拟人类的反应而已,加上计算机的能力,但是有个东西计算机没办法。 就是模型判定的指标,尽管计算机可以自己找寻和建立指标,但你让台式机去做全人类几百年的东西不太现实,所以,为了节省时间,往往还需要人类自己根据自己的思想设定模型判定指标来更好的告诉计算机人类的目的,并节省时间。计算机在这方面起判定作用,和做取舍的选择。 自动建模方面,现在已经有不少商用产品了,可是由于设计者的水平问题,所以在实际建模方面的效果实际不如人意。目前商业应用最好的是一些流程化的模型,而对于面向投资市场的,只能自己来建自动建模的东西。用模型来建模型。
按内部模型建模方面属于定向的,模板式的;另一部分是属于计算机自己做的,自己推的,其基础来自于模型库和纯随机模型建立(数学符号什么的肯定是计算机要用得着的,还有各种各样的公式和模型)。 而非定向的这种所耗费的时间,实际比较长。
這種 "模型建立的模型", 主要是賣給個人投資者呢, 還是被机構採用? 我也在思考 "系統的系統"這個問題, 不過思路比較笨拙, 很低科技. 就是為既定的一套策略組合建立一個自動化的市場數据自適應流程.
所有模型给出的都是一种可能性,就准确率来讲,跟人有关系。不管是对于人类的准确率还是模型的,人类的跟人类本身市场适合性分不开(这跟素质高低、学历高低、学术如何、人品优劣没有关系,纯粹是他的思想所产生的系统恰恰适合一段时期内市场而已),建模方面,显然跟建模的人或者设计用于建模系统的人有关系。准确率来讲,在任何市场我没有建过模型情况下,我不知道准确率会有多少。而且,判断准确率的方法/指标,不一定仅仅是拟合度。
投资机构当然用,看他们的专家小组能搞出什么样的东西而已。 老巴实际上挺聪明的,而且善于抓重点。 技术、非技术,有什么区别吗?目的都是一个,还在乎什么方法实现?不同阶段、不同短期目的,作用、用法不同罢了。是吧
个人认为:系统=机器,机器在处理信息和规避情感方面比人有优势... 金融市场没有一个普遍真理,有太多的随机,每个人建立的系统都基于一定的宏观环境,很多时候也会失效,但总的来说,好的系统保证赢的次数比较多或者以损失多次小的博大的利润... 大的股灾或危机等属于小概率事件,但很多时候比较"肥尾",经济危机有一定的周期性,就好象"沙崩"(沙堆慢慢垒的很高总会土崩).因为危机属于小概率,并没有统计上的意义,所以技术上是很难精确预测的,但总有一些征兆会出现...我们作(理性)预测主要是愿意冒可以控制和喜欢的风险,尽量回避不擅长的风险,当然赌徒除外... 个人理解,系统交易的死穴在于去冒系统无法承受的风险(宏观).(ps:我的理解可能比较保守,偏重技术)