※ 引述《peter308 (pete)》之铭言：
: 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
上面的简单讲结论错了，所以后面的研究都不会有什么意义。
进股票市场首先要知道股票是什么，先了解基本的规则再去做后续的研究，不可以
感觉自己好像是置身事外一样，大错特错。
单一档股票的走法，是盘面全部在看他的人，形成的动作，他们是交互影响的，
就像说为什么有的股票一直很间挺地震荡往上拉到尾盘，到尾盘突然直线下杀到底，
我们可以从模拟得到这个结果，但完全没意义，重点是形成这种走法的背后原因，它是
如何累积出来的？
我再说一次，要做AI，要研究股票价格的时间空间等要素，要先了解股票，不要当成
自己是局外人，那只是玩弄数据，到老一场空。
: 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??