我认为这个wld是建立在财经类函数之上的一个概率验证，财经函数基本是连续函数，问题在这里，市场行为大多数是不连续的。 这工具，对市场了解较深的人用会比较有效。但这需要一定的积累和金融方面的经验。对于我来说只看到wld在概率验证方面比较有用。 我现在尝试用math-lab构建类似wld的测算环境，通过纯数学的方法看看是否有有效的交易办法。
它只是一件我用过至今认为很完美的工具，比国内的分析家、大智慧、飞狐强太多了，只是发现它在优化数据方面有点遗憾。工具永远是工具，就像电脑，很棒的玩意，如果你能得到优秀软件的支持，你就会觉得它是伟大至极的发明，如果需要您自己动手编程，好比80年代初期的laser310、苹果机等，您一定急得抓耳挠腮。股软可以视为后者，今后也不可能有人把优秀的赚钱公式合盘托出供大家挣钱，哈哈，必然如此，所以，千万不要怪罪那件工具，从自己身上多找原因。
我说的”放弃“是指方法上，但是目前也经常在用wlp来反复计算还在摸索，发这个贴的是想告诉大家 我隐约觉得wld的算法基础可能有问题这个和具体编程无关，我发现某些算法在一定期间是很有效但是也会有倒霉的时候，有的算法在某些股票群里面是有效在全部股票里面也很倒霉。然后我看了大部分wld的基本函数，都是连续函数的加权平均，积分等，我开始在想除非我能对股票数据按照某种特征很清晰的分类然后用不同的算法是可以得到满意结果，但是前提是一个不确定的分类方法。 所以我开始希望通过别的数学方法来研究，比如遗传算法，神经网络训练之类非传统的分析方法来寻求满意的结果而不需要关心具体市场情况。 大家采用这个工具应该有个共同的信念就是，认为市场是在某种概率程度上是有规律的，只是我认为这种概率规律不足以通过wld基本函数的组合增加if条件来的得到，所以说“放弃”
没有完美的算法! 别追求完美,只追求同等风险下的利益最大化. 很多时候简单的却是最有效的. 如果想高深分析:神经网络\专家系统\模式识别\小波分析,这些书我是从没看过了 对个人来说搞这些东西的成本是无法承担的. 道听途说的:量子基金前些年在挖小波分析的人