l*i
2 楼
没有，
数学phd很多是被MM拿来定价derivative，拿来delta hedge对冲风险的。
简单说就是开赌场的，自己不当赌徒。
创造各种奇怪的衍生物，然后和sales勾结起来，忽悠大家当赌徒。
真正参与赌博的用的是消息，数学没用。当然TA,FA都是自欺欺人，更没有用。
【在 f******d 的大作中提到】
: rt
数学phd很多是被MM拿来定价derivative，拿来delta hedge对冲风险的。
简单说就是开赌场的，自己不当赌徒。
创造各种奇怪的衍生物，然后和sales勾结起来，忽悠大家当赌徒。
真正参与赌博的用的是消息，数学没用。当然TA,FA都是自欺欺人，更没有用。
【在 f******d 的大作中提到】
: rt
l*i
3 楼
楼主你一直很好奇，数学能不能预测，怎么预测。今天有点时间，我就随便说说我知道
的一些吧：
对于某一只股票或者大盘的研究，目的都是试图从随机中抽出deterministic的部分。
1. 最原始的预测就是大家所说的TA，其实就是不停地手工描点划线，试图从随机中抽
出deterministic的部分。
2. 高级点的用基本统计方法来预测，。于是上时间序列，建立对应的time series模型
例如ARIMA或者GARCH，其中GARCH用的比较多因为不仅可以预测价格还可以预测
volatility。
但时间序列是假设股票的随机曲线仅与时间相关，局限性比较大。假设：如果股票A的
daily return不仅依赖于时间，还依赖于股票B的daily return和黄金的daily return
。并且这种依赖关系是非线性的。这样就要引出SPDE了。
3. 再高级点的，就是SPDE，根据各自的关系建立一个随机偏微分方程甚至方程组，
方程只是一个general模型，例如uup涨SPY跌，但具体关系系数系数是要通过现实里面
其他股票的价格反向求出的。例如option的implied volatility就是通过让option实际
价格等于black-scholes formula的理论价格，然后用牛顿迭代法解非线性方程而求出
的。
真实的弄系数是很复杂的，还有weight liquidity之类的。
最后系数出来了，具体方程样子就出来了。
把随机偏微分化成一般的偏微分，最后用numerical pde解法解方程。
不一定什么pde都可以顺利解的，有的numercial都无解。
这时还有一种方法，是改变概率(change of numeraire)
实在不行干脆就蒙特卡罗模拟, 直接模拟股票价格.
华尔街模型也不是固定的，比方说uup涨SPY跌只是最近成立，将来变了，整个模型都要
重新来。
这些都是我知道的基本的用数学预测，很多只是在特定市场有用。
更多数学phd很多是被MM拿来定价derivative，拿来delta hedge对冲风险的。
MM真正要赌主要靠消息，数学模型的解是拿来参考的，让analyst等用模型得出的结论
和新闻消息的基本面做大量对比再决定如何赌的。
没用纯粹依赖数学赌博的MM。
【在 f******d 的大作中提到】
: rt
的一些吧：
对于某一只股票或者大盘的研究，目的都是试图从随机中抽出deterministic的部分。
1. 最原始的预测就是大家所说的TA，其实就是不停地手工描点划线，试图从随机中抽
出deterministic的部分。
2. 高级点的用基本统计方法来预测，。于是上时间序列，建立对应的time series模型
例如ARIMA或者GARCH，其中GARCH用的比较多因为不仅可以预测价格还可以预测
volatility。
但时间序列是假设股票的随机曲线仅与时间相关，局限性比较大。假设：如果股票A的
daily return不仅依赖于时间，还依赖于股票B的daily return和黄金的daily return
。并且这种依赖关系是非线性的。这样就要引出SPDE了。
3. 再高级点的，就是SPDE，根据各自的关系建立一个随机偏微分方程甚至方程组，
方程只是一个general模型，例如uup涨SPY跌，但具体关系系数系数是要通过现实里面
其他股票的价格反向求出的。例如option的implied volatility就是通过让option实际
价格等于black-scholes formula的理论价格，然后用牛顿迭代法解非线性方程而求出
的。
真实的弄系数是很复杂的，还有weight liquidity之类的。
最后系数出来了，具体方程样子就出来了。
把随机偏微分化成一般的偏微分，最后用numerical pde解法解方程。
不一定什么pde都可以顺利解的，有的numercial都无解。
这时还有一种方法，是改变概率(change of numeraire)
实在不行干脆就蒙特卡罗模拟, 直接模拟股票价格.
华尔街模型也不是固定的，比方说uup涨SPY跌只是最近成立，将来变了，整个模型都要
重新来。
这些都是我知道的基本的用数学预测，很多只是在特定市场有用。
更多数学phd很多是被MM拿来定价derivative，拿来delta hedge对冲风险的。
MM真正要赌主要靠消息，数学模型的解是拿来参考的，让analyst等用模型得出的结论
和新闻消息的基本面做大量对比再决定如何赌的。
没用纯粹依赖数学赌博的MM。
【在 f******d 的大作中提到】
: rt
w*2
4 楼
deep
return
【在 l******i 的大作中提到】
: 楼主你一直很好奇，数学能不能预测，怎么预测。今天有点时间，我就随便说说我知道
: 的一些吧：
: 对于某一只股票或者大盘的研究，目的都是试图从随机中抽出deterministic的部分。
: 1. 最原始的预测就是大家所说的TA，其实就是不停地手工描点划线，试图从随机中抽
: 出deterministic的部分。
: 2. 高级点的用基本统计方法来预测，。于是上时间序列，建立对应的time series模型
: 例如ARIMA或者GARCH，其中GARCH用的比较多因为不仅可以预测价格还可以预测
: volatility。
: 但时间序列是假设股票的随机曲线仅与时间相关，局限性比较大。假设：如果股票A的
: daily return不仅依赖于时间，还依赖于股票B的daily return和黄金的daily return
return
【在 l******i 的大作中提到】
: 楼主你一直很好奇，数学能不能预测，怎么预测。今天有点时间，我就随便说说我知道
: 的一些吧：
: 对于某一只股票或者大盘的研究，目的都是试图从随机中抽出deterministic的部分。
: 1. 最原始的预测就是大家所说的TA，其实就是不停地手工描点划线，试图从随机中抽
: 出deterministic的部分。
: 2. 高级点的用基本统计方法来预测，。于是上时间序列，建立对应的time series模型
: 例如ARIMA或者GARCH，其中GARCH用的比较多因为不仅可以预测价格还可以预测
: volatility。
: 但时间序列是假设股票的随机曲线仅与时间相关，局限性比较大。假设：如果股票A的
: daily return不仅依赖于时间，还依赖于股票B的daily return和黄金的daily return
l*m
5 楼
mark
return
【在 l******i 的大作中提到】
: 楼主你一直很好奇，数学能不能预测，怎么预测。今天有点时间，我就随便说说我知道
: 的一些吧：
: 对于某一只股票或者大盘的研究，目的都是试图从随机中抽出deterministic的部分。
: 1. 最原始的预测就是大家所说的TA，其实就是不停地手工描点划线，试图从随机中抽
: 出deterministic的部分。
: 2. 高级点的用基本统计方法来预测，。于是上时间序列，建立对应的time series模型
: 例如ARIMA或者GARCH，其中GARCH用的比较多因为不仅可以预测价格还可以预测
: volatility。
: 但时间序列是假设股票的随机曲线仅与时间相关，局限性比较大。假设：如果股票A的
: daily return不仅依赖于时间，还依赖于股票B的daily return和黄金的daily return
return
【在 l******i 的大作中提到】
: 楼主你一直很好奇，数学能不能预测，怎么预测。今天有点时间，我就随便说说我知道
: 的一些吧：
: 对于某一只股票或者大盘的研究，目的都是试图从随机中抽出deterministic的部分。
: 1. 最原始的预测就是大家所说的TA，其实就是不停地手工描点划线，试图从随机中抽
: 出deterministic的部分。
: 2. 高级点的用基本统计方法来预测，。于是上时间序列，建立对应的time series模型
: 例如ARIMA或者GARCH，其中GARCH用的比较多因为不仅可以预测价格还可以预测
: volatility。
: 但时间序列是假设股票的随机曲线仅与时间相关，局限性比较大。假设：如果股票A的
: daily return不仅依赖于时间，还依赖于股票B的daily return和黄金的daily return
f*d
6 楼
马甲贤弟有投简历给复兴基金吗？
return
【在 l******i 的大作中提到】
: 楼主你一直很好奇，数学能不能预测，怎么预测。今天有点时间，我就随便说说我知道
: 的一些吧：
: 对于某一只股票或者大盘的研究，目的都是试图从随机中抽出deterministic的部分。
: 1. 最原始的预测就是大家所说的TA，其实就是不停地手工描点划线，试图从随机中抽
: 出deterministic的部分。
: 2. 高级点的用基本统计方法来预测，。于是上时间序列，建立对应的time series模型
: 例如ARIMA或者GARCH，其中GARCH用的比较多因为不仅可以预测价格还可以预测
: volatility。
: 但时间序列是假设股票的随机曲线仅与时间相关，局限性比较大。假设：如果股票A的
: daily return不仅依赖于时间，还依赖于股票B的daily return和黄金的daily return
return
【在 l******i 的大作中提到】
: 楼主你一直很好奇，数学能不能预测，怎么预测。今天有点时间，我就随便说说我知道
: 的一些吧：
: 对于某一只股票或者大盘的研究，目的都是试图从随机中抽出deterministic的部分。
: 1. 最原始的预测就是大家所说的TA，其实就是不停地手工描点划线，试图从随机中抽
: 出deterministic的部分。
: 2. 高级点的用基本统计方法来预测，。于是上时间序列，建立对应的time series模型
: 例如ARIMA或者GARCH，其中GARCH用的比较多因为不仅可以预测价格还可以预测
: volatility。
: 但时间序列是假设股票的随机曲线仅与时间相关，局限性比较大。假设：如果股票A的
: daily return不仅依赖于时间，还依赖于股票B的daily return和黄金的daily return
l*i
7 楼
没有。。
【在 f******d 的大作中提到】
: 马甲贤弟有投简历给复兴基金吗？
:
: return
【在 f******d 的大作中提到】
: 马甲贤弟有投简历给复兴基金吗？
:
: return
f*d
8 楼
thanksgiving 到 尤他探望你吧
【在 l******i 的大作中提到】
: 没有。。
【在 l******i 的大作中提到】
: 没有。。
l*i
9 楼
靠，我怎么会在犹他？
我认识UU的中国人，只是我老婆第一年在犹他，后来转来我们学校了。
我在中西部地区
【在 f******d 的大作中提到】
: thanksgiving 到 尤他探望你吧
我认识UU的中国人，只是我老婆第一年在犹他，后来转来我们学校了。
我在中西部地区
【在 f******d 的大作中提到】
: thanksgiving 到 尤他探望你吧
f*d
10 楼
我也在中西，thanksgiving 来聚一聚
【在 l******i 的大作中提到】
: 靠，我怎么会在犹他？
: 我认识UU的中国人，只是我老婆第一年在犹他，后来转来我们学校了。
: 我在中西部地区
【在 l******i 的大作中提到】
: 靠，我怎么会在犹他？
: 我认识UU的中国人，只是我老婆第一年在犹他，后来转来我们学校了。
: 我在中西部地区
b*x
11 楼
mark
l*i
12 楼
我记得你好像是在芝加哥？
【在 f******d 的大作中提到】
: 我也在中西，thanksgiving 来聚一聚
【在 f******d 的大作中提到】
: 我也在中西，thanksgiving 来聚一聚
f*d
13 楼
你也在chicago？？？
【在 l******i 的大作中提到】
: 我记得你好像是在芝加哥？
【在 l******i 的大作中提到】
: 我记得你好像是在芝加哥？
n*2
14 楼
大马甲，在不考虑消息和基本面的影响下，市场参与者基于不同的心理驱使做出的买卖
行为所造成的价格跌升，能用数学公式表达不？
行为所造成的价格跌升，能用数学公式表达不？
j*g
15 楼
你不会真是数学系的PhD吧？
这些大部分应该属于金融工程吧，我上过几门FE的课，基本就是在讲用PDE定价的问题。
return
【在 l******i 的大作中提到】
: 楼主你一直很好奇，数学能不能预测，怎么预测。今天有点时间，我就随便说说我知道
: 的一些吧：
: 对于某一只股票或者大盘的研究，目的都是试图从随机中抽出deterministic的部分。
: 1. 最原始的预测就是大家所说的TA，其实就是不停地手工描点划线，试图从随机中抽
: 出deterministic的部分。
: 2. 高级点的用基本统计方法来预测，。于是上时间序列，建立对应的time series模型
: 例如ARIMA或者GARCH，其中GARCH用的比较多因为不仅可以预测价格还可以预测
: volatility。
: 但时间序列是假设股票的随机曲线仅与时间相关，局限性比较大。假设：如果股票A的
: daily return不仅依赖于时间，还依赖于股票B的daily return和黄金的daily return
这些大部分应该属于金融工程吧，我上过几门FE的课，基本就是在讲用PDE定价的问题。
return
【在 l******i 的大作中提到】
: 楼主你一直很好奇，数学能不能预测，怎么预测。今天有点时间，我就随便说说我知道
: 的一些吧：
: 对于某一只股票或者大盘的研究，目的都是试图从随机中抽出deterministic的部分。
: 1. 最原始的预测就是大家所说的TA，其实就是不停地手工描点划线，试图从随机中抽
: 出deterministic的部分。
: 2. 高级点的用基本统计方法来预测，。于是上时间序列，建立对应的time series模型
: 例如ARIMA或者GARCH，其中GARCH用的比较多因为不仅可以预测价格还可以预测
: volatility。
: 但时间序列是假设股票的随机曲线仅与时间相关，局限性比较大。假设：如果股票A的
: daily return不仅依赖于时间，还依赖于股票B的daily return和黄金的daily return
l*i
16 楼
以前猜测心理部分一般认为是unpredictable noise，一般来说noise会被signal
dominate。
不过最近的市场，在机器人作用下，volatility越来越大，noise占主流了。
现在数学模型下，大家用最基本的时间序列就可以预测了。
看你假设：你假设今日涨幅预测只与最近几日涨幅和noise有关，就用arma model。
你假设今日涨幅预测不仅与最近几日涨幅和noise有关，还与最近几日的volatility有
关，就用garch model。
你要是觉得还有别的因素，就加在模型右边项里面。给个例子：
比方说在没有新闻消息情况下，spx碰到1130左右会启动触底反弹，
你觉得涨幅和spx靠近1130时是正相关的，
给定小邻域\eps，把 (（spx-1130）regress一下就得出相关系数了。
出时间序列外，当然还有很多复杂得多的手段可以弄得更精确。
【在 n******2 的大作中提到】
: 大马甲，在不考虑消息和基本面的影响下，市场参与者基于不同的心理驱使做出的买卖
: 行为所造成的价格跌升，能用数学公式表达不？
dominate。
不过最近的市场，在机器人作用下，volatility越来越大，noise占主流了。
现在数学模型下，大家用最基本的时间序列就可以预测了。
看你假设：你假设今日涨幅预测只与最近几日涨幅和noise有关，就用arma model。
你假设今日涨幅预测不仅与最近几日涨幅和noise有关，还与最近几日的volatility有
关，就用garch model。
你要是觉得还有别的因素，就加在模型右边项里面。给个例子：
比方说在没有新闻消息情况下，spx碰到1130左右会启动触底反弹，
你觉得涨幅和spx靠近1130时是正相关的，
给定小邻域\eps，把 (（spx-1130）regress一下就得出相关系数了。
出时间序列外，当然还有很多复杂得多的手段可以弄得更精确。
【在 n******2 的大作中提到】
: 大马甲，在不考虑消息和基本面的影响下，市场参与者基于不同的心理驱使做出的买卖
: 行为所造成的价格跌升，能用数学公式表达不？
l*i
17 楼
我不在。不过很近。
因为你说你去chinatown，学EE，又在中西部。
一猜就猜到了。
【在 f******d 的大作中提到】
: 你也在chicago？？？
因为你说你去chinatown，学EE，又在中西部。
一猜就猜到了。
【在 f******d 的大作中提到】
: 你也在chicago？？？
w*o
18 楼
如果模型是建立在市场是Random walk的基础上的，
出发点就错了，市场绝对不是random walk的
【在 l******i 的大作中提到】
: 以前猜测心理部分一般认为是unpredictable noise，一般来说noise会被signal
: dominate。
: 不过最近的市场，在机器人作用下，volatility越来越大，noise占主流了。
: 现在数学模型下，大家用最基本的时间序列就可以预测了。
: 看你假设：你假设今日涨幅预测只与最近几日涨幅和noise有关，就用arma model。
: 你假设今日涨幅预测不仅与最近几日涨幅和noise有关，还与最近几日的volatility有
: 关，就用garch model。
: 你要是觉得还有别的因素，就加在模型右边项里面。给个例子：
: 比方说在没有新闻消息情况下，spx碰到1130左右会启动触底反弹，
: 你觉得涨幅和spx靠近1130时是正相关的，
出发点就错了，市场绝对不是random walk的
【在 l******i 的大作中提到】
: 以前猜测心理部分一般认为是unpredictable noise，一般来说noise会被signal
: dominate。
: 不过最近的市场，在机器人作用下，volatility越来越大，noise占主流了。
: 现在数学模型下，大家用最基本的时间序列就可以预测了。
: 看你假设：你假设今日涨幅预测只与最近几日涨幅和noise有关，就用arma model。
: 你假设今日涨幅预测不仅与最近几日涨幅和noise有关，还与最近几日的volatility有
: 关，就用garch model。
: 你要是觉得还有别的因素，就加在模型右边项里面。给个例子：
: 比方说在没有新闻消息情况下，spx碰到1130左右会启动触底反弹，
: 你觉得涨幅和spx靠近1130时是正相关的，
l*i
19 楼
这不就是数学的基本知识吗？FE和STAT都是从数学里拨出去的。
题。
【在 j*******g 的大作中提到】
: 你不会真是数学系的PhD吧？
: 这些大部分应该属于金融工程吧，我上过几门FE的课，基本就是在讲用PDE定价的问题。
:
: return
题。
【在 j*******g 的大作中提到】
: 你不会真是数学系的PhD吧？
: 这些大部分应该属于金融工程吧，我上过几门FE的课，基本就是在讲用PDE定价的问题。
:
: return
l*i
20 楼
未眠大牛，
首先我回答的是剥离了新闻消息之类的对市场影响的主导部分，
剩下部分实在没有任何information情况下的市场走向，
完全由散户心理因素决定的，
我也没说是random walk啊，我给的例子就是让把不random的项加在右边啊。
"你要是觉得还有别的因素，就加在模型右边项里面。给个例子：
比方说在没有新闻消息情况下，spx碰到1130左右会启动触底反弹，
你觉得涨幅和spx靠近1130时是正相关的，
给定小邻域\eps，把 (（spx-1130）regress一下就得出相关系数了。"
什么你都不加就只剩white noise项自然没有预测的可能了。
【在 w*******o 的大作中提到】
: 如果模型是建立在市场是Random walk的基础上的，
: 出发点就错了，市场绝对不是random walk的
首先我回答的是剥离了新闻消息之类的对市场影响的主导部分，
剩下部分实在没有任何information情况下的市场走向，
完全由散户心理因素决定的，
我也没说是random walk啊，我给的例子就是让把不random的项加在右边啊。
"你要是觉得还有别的因素，就加在模型右边项里面。给个例子：
比方说在没有新闻消息情况下，spx碰到1130左右会启动触底反弹，
你觉得涨幅和spx靠近1130时是正相关的，
给定小邻域\eps，把 (（spx-1130）regress一下就得出相关系数了。"
什么你都不加就只剩white noise项自然没有预测的可能了。
【在 w*******o 的大作中提到】
: 如果模型是建立在市场是Random walk的基础上的，
: 出发点就错了，市场绝对不是random walk的
G*o
21 楼
受教了~~
l*g
22 楼
俺是门外汉，但感觉更重要的是信息，而不是精确的模型。
我就想知道每天股市的交易量，已经炒家手里可以动用的资金，别的很次要。不知道这
些是不是商业机密，反正我看不到。
我就想知道每天股市的交易量，已经炒家手里可以动用的资金，别的很次要。不知道这
些是不是商业机密，反正我看不到。
s*0
23 楼
information cascades,
【在 n******2 的大作中提到】
: 大马甲，在不考虑消息和基本面的影响下，市场参与者基于不同的心理驱使做出的买卖
: 行为所造成的价格跌升，能用数学公式表达不？
【在 n******2 的大作中提到】
: 大马甲，在不考虑消息和基本面的影响下，市场参与者基于不同的心理驱使做出的买卖
: 行为所造成的价格跌升，能用数学公式表达不？
t*s
24 楼
太复杂了，俺的shit桶就是大金蛙。
return
【在 l******i 的大作中提到】
: 楼主你一直很好奇，数学能不能预测，怎么预测。今天有点时间，我就随便说说我知道
: 的一些吧：
: 对于某一只股票或者大盘的研究，目的都是试图从随机中抽出deterministic的部分。
: 1. 最原始的预测就是大家所说的TA，其实就是不停地手工描点划线，试图从随机中抽
: 出deterministic的部分。
: 2. 高级点的用基本统计方法来预测，。于是上时间序列，建立对应的time series模型
: 例如ARIMA或者GARCH，其中GARCH用的比较多因为不仅可以预测价格还可以预测
: volatility。
: 但时间序列是假设股票的随机曲线仅与时间相关，局限性比较大。假设：如果股票A的
: daily return不仅依赖于时间，还依赖于股票B的daily return和黄金的daily return
return
【在 l******i 的大作中提到】
: 楼主你一直很好奇，数学能不能预测，怎么预测。今天有点时间，我就随便说说我知道
: 的一些吧：
: 对于某一只股票或者大盘的研究，目的都是试图从随机中抽出deterministic的部分。
: 1. 最原始的预测就是大家所说的TA，其实就是不停地手工描点划线，试图从随机中抽
: 出deterministic的部分。
: 2. 高级点的用基本统计方法来预测，。于是上时间序列，建立对应的time series模型
: 例如ARIMA或者GARCH，其中GARCH用的比较多因为不仅可以预测价格还可以预测
: volatility。
: 但时间序列是假设股票的随机曲线仅与时间相关，局限性比较大。假设：如果股票A的
: daily return不仅依赖于时间，还依赖于股票B的daily return和黄金的daily return
f*y
25 楼
挺有趣的！
但是我还是认为数学在金融里面只能用于分析，而不能用于预测。而在股票市场上，更
多的人关心的是预测，而不是对过去的分析。
return
【在 l******i 的大作中提到】
: 楼主你一直很好奇，数学能不能预测，怎么预测。今天有点时间，我就随便说说我知道
: 的一些吧：
: 对于某一只股票或者大盘的研究，目的都是试图从随机中抽出deterministic的部分。
: 1. 最原始的预测就是大家所说的TA，其实就是不停地手工描点划线，试图从随机中抽
: 出deterministic的部分。
: 2. 高级点的用基本统计方法来预测，。于是上时间序列，建立对应的time series模型
: 例如ARIMA或者GARCH，其中GARCH用的比较多因为不仅可以预测价格还可以预测
: volatility。
: 但时间序列是假设股票的随机曲线仅与时间相关，局限性比较大。假设：如果股票A的
: daily return不仅依赖于时间，还依赖于股票B的daily return和黄金的daily return
但是我还是认为数学在金融里面只能用于分析，而不能用于预测。而在股票市场上，更
多的人关心的是预测，而不是对过去的分析。
return
【在 l******i 的大作中提到】
: 楼主你一直很好奇，数学能不能预测，怎么预测。今天有点时间，我就随便说说我知道
: 的一些吧：
: 对于某一只股票或者大盘的研究，目的都是试图从随机中抽出deterministic的部分。
: 1. 最原始的预测就是大家所说的TA，其实就是不停地手工描点划线，试图从随机中抽
: 出deterministic的部分。
: 2. 高级点的用基本统计方法来预测，。于是上时间序列，建立对应的time series模型
: 例如ARIMA或者GARCH，其中GARCH用的比较多因为不仅可以预测价格还可以预测
: volatility。
: 但时间序列是假设股票的随机曲线仅与时间相关，局限性比较大。假设：如果股票A的
: daily return不仅依赖于时间，还依赖于股票B的daily return和黄金的daily return
l*i
26 楼
u got it.
information cascades很多是CS专业的东西，你是学计算机的吗？
【在 s********0 的大作中提到】
: information cascades,
information cascades很多是CS专业的东西，你是学计算机的吗？
【在 s********0 的大作中提到】
: information cascades,
l*i
27 楼
是啊，人很多时候就是分析过去，想用过去展望未来。
比方说过去很多时候周二涨，我们认为未来周二也涨。
【在 f********y 的大作中提到】
: 挺有趣的！
: 但是我还是认为数学在金融里面只能用于分析，而不能用于预测。而在股票市场上，更
: 多的人关心的是预测，而不是对过去的分析。
:
: return
比方说过去很多时候周二涨，我们认为未来周二也涨。
【在 f********y 的大作中提到】
: 挺有趣的！
: 但是我还是认为数学在金融里面只能用于分析，而不能用于预测。而在股票市场上，更
: 多的人关心的是预测，而不是对过去的分析。
:
: return
相关阅读