走势图上呈现为急升急降的尖头，在市场的混乱加剧时,价格的急升急降就变得越来越常见，在走势图上呈现为密集分布的形态，实际市场能量法

http://www.taoguba.net/Article/151408/1             

最有希望做中国西蒙斯就是我
~~~~~~~~~~~~~~~~~~
有志气！不过，要达到目标，可不是喊句口号那么简单。。。。。
西蒙斯现在的成功，是有其理论依据的。
“通过数千次快速的日内短线交易来捕捉稍纵即逝的市场机会，交易量之大甚至有时能占到整个NASDAQ交易量的10%。当交易开始，交易模型决定买卖品种和时机，但在某些特定情况下，比如市场处在极端波动的时候，交易会切换到手工状态。”。。。。
这这种交易方法，可以用混沌理论容错后的概率论来解释：
~~~~~~~~~~~~~
科学家们以前曾认为理所当然的确定性,仅仅是概率而已.
在数理统计中出现的随机小概率事件,通常被忽视或忽略.
认为“市场就是一个概率游戏”。市场博弈就是赌“概率”。-----是传统概率论对市场的认识，是错误的。
传统概率论假设所有的价格变化的分布服从标准钟形曲线这一模式。[正态分布]。
钟形的宽度(用它的σ值即所谓标准差来量度)描述了价格变化偏离平均值有多远。
极端情况的事件被认为是极其罕见的。。
事实是，市场价格随着时间变动的走势图中有相当多的突然的剧烈变化
------在走势图上呈现为急升急降的尖头，在市场的混乱加剧时，
价格的急升急降就变得越来越常见，在走势图上呈现为密集分布的形态。
传统概率论，这些大的价格波动的概率为亿亿亿分之几(波动大于10个标准偏差)。
事实上，人们经常观察到尖头——频繁到每个月都会出现——而它们的概率高达百分之几。它们不服从正态分布。
理论上，如果价格服从正态分布，完全随机的情况，所有钟型曲线内部的范围，都是数学期望为0的，
在曲线内的范围操作，无论交易者觉得自己有多聪明，找出来的规律有多么可靠，
从长远来看，会不赚不赔，因为数学期望为0。如果算上手续费，结果必然是亏损，
这种情况，市场等同于赌场。也就是说，在市场里，《稳定获利》从理论上就不可能存在。那人们何苦在市场里玩？

值得注意的是,实际市场能量法则分布中的”尖峰”和“胖尾”,与传统线性的概率分布,在实质上有本质的区别。[见图]

所有跟帖： 

• 先局部平均，再整体平均;在曲线内的范围操作，从长远来看，会不赚不赔，因为数学期望为0,无论交易者觉得自己有多聪明，找出来的规律有 -marketreflections- ♂ (7080 bytes) () 10/07/2011 postreply 13:42:20

• 正交风险（Orthogonal risk）和. 相关风险(Correlation risk)， ... 方差风险，与股市独立的波 -marketreflections- ♂ (3911 bytes) () 10/07/2011 postreply 15:00:59

• 外积01 ：正交风险（Orthogonal risk）和. 相关风险: in hd space, risk high! 外乘积的 -marketreflections- ♂ (31096 bytes) () 10/07/2011 postreply 17:17:49

• 在三维空间里，一个（有正反面的）平面，只有唯一的一个法向量，所以，平面的方向，可以等同于法向量的方向。，在四维空间里，一个平面， -marketreflections- ♂ (825 bytes) () 10/07/2011 postreply 21:03:17

• 一个n个数的序列可以被理解为一个n维空间中的位置;一个图形的维数可以认为是一个人要想达到这个图形中所有的点，需要运动的所有不同方 -marketreflections- ♂ (173 bytes) () 10/07/2011 postreply 21:21:19

• N维就是N条直线两两垂直所形成的空间:在我们熟悉的三维空间里，有三对主要方向：上下（高度），南北（纬度），东西（经度）。这三对方 -marketreflections- ♂ (1175 bytes) () 10/07/2011 postreply 21:32:02

• 分形、流形、波动 -marketreflections- ♂ (17425 bytes) () 10/07/2011 postreply 23:10:09

• 正交性 纯空间性的四维空间另有一对垂直于其他三个主要方向的主要方向 这一对方向处在另一条同时垂直于x、y、z轴的坐标轴上，通常 -marketreflections- ♂ (4449 bytes) () 10/08/2011 postreply 10:06:02

• 人眼的视网膜也是由一层二维的感受器构成的，但是人脑能够察知三维物体的真实形状；这是根据阴影、近大远小、双眼视觉等间接信息推断得来 -marketreflections- ♂ (1609 bytes) () 10/08/2011 postreply 10:12:19

• 正交性 空间理解成许多平行平面的堆积 -marketreflections- ♂ (1331 bytes) () 10/08/2011 postreply 10:28:04

• 两个相同微分乘积为零，不同微分乘积变换顺序时变号的微分之间的乘积称为微分外积，用 表示。由微分的外乘积乘上函数组成的微分形式称 -marketreflections- ♂ (10551 bytes) () 10/07/2011 postreply 17:57:43