我之前版上po过我自己的见解
#1R1uCkrB
[请益] 股市那么难预测是什么原因??
文章有提到以下内容:
所谓的价格动力的空间部分的贡献
来自于交易投资人间形成的一个网络拓朴结构(network topolology structure)
这个结构很可能是 scale-free, small-word 或是其他结构
但很可惜 目前投资人的拓朴结构为何是个unknown
不像材料科学 可以用Xray 或是中子绕射的方法去测量材料的晶格构造!
怎么知道这个拓朴结构的拓朴长相，
以及如何把它的效应放进CAPM或是异质投资人模型，
是我下一个阶段想研究的课题!
我认为如果未来能够写的出这个考虑过网络拓朴结构的PDE
对于我们理解股价的动力行为会有一些帮助!
简单讲
股价的动力学模型应该本质上是一个PDE(偏微方方程)而非ODE(常微分方程)
时间序列看的就是股价怎么随着时间变化而已
至于空间结构的那个部分则把它平均掉
我的想法是 结构空间不应该被平均掉，而是应该透过一个PDE的空间座标去描述
当然
要从第一原理或理论角度去建构出这样的PDE 太困难了
但如果把原本的时间序列改成收集spatio-temporal 数据
再用机器学习去针对这个spatio-temporal 数据做超参数优化(模型训练)呢?
有没有可能提升股价预测上的准确度??
有没有人实际做过?
或是有些想法的??
要不要讨论看看??