금융증권예측총론 金融證劵預測 이동평균 Delphi法

[빅셀의명]

金融證劵預測統論 금융증권예측 통론　作者：不詳

* 이런 글이 있어 소개 하오니, 관심있으신 분만 잘 들여다 보십시요.

순서

《一》、技術（統計）預測	《二》、資訊預測	《三》、擬合預測	《四》、《易經》預測 /總結
1、移動平均法 2、指數平滑法 3、Delphi 法	1、資訊預測 ㈠、信息守恆 ㈡、數學基礎 ㈢、建立資訊模型,包括兩類 ㈣、將預測過程 ㈤、提出幾種預測方法 2、灰色預測 <1>、關聯度 <2>、生成數 <3>、建立模型 <4>、預測方法： 3、模糊預測 4、基於混沌理論的分析預測

目前，各種金融證劵預測技術逾三百種之多，筆者將把它們統分為四個領域：

技術（統計）預測、資訊預測、擬合預測、易學全息預測。

현재 300 종류 이상의 금융 증권 예측 기술이 있으며,

저자는 기술 (통계) 예측, 정보 예측, 피팅 예측, 역학 예측의 네 가지 영역으로 나눌 것입니다.

以下簡要介紹與期貨、股票投資有關的部分預測技術，

這些技術方法基本上代表各相關理論的主要內容，

有些技術目前已屬於預測學前沿，雖然其理論基礎尚有待推敲，

但其應用的範圍、前景、效果顯然勿容置疑。

다음은 선물 및 주식 투자와 관련된 몇 가지 예측 기술을 간략하게 소개하며,

이러한 기술적 방법은 기본적으로 관련 이론의 주요 내용을 나타내며

일부 기술은 현재 예측의 최전선에 있지만 이론적 근거는 면밀히 조사해야하지만

적용 범위, 전망, 효과는 분명히 의심의 여지가 없습니다.

就期貨、股票預測而言，

重點在於解決常規狀態下的預測和突變預測，

一般情況下，市況的運行均屬於常規預測研究範圍，

這方面行之有效的解決方案是基於數理統計原理的分析範疇，如簡單的移動平均線；

而突變預測則傾向於處理轉市的時間和區間探討。兩者運用的方法絕然不同。

선물, 주식 예측에 관한 한,

중점은 기존 상태에서 예측 및 돌연변이 예측을 해결하는 데 있으며,

일반적으로 시장 상황의 작동은 기존 예측 연구의 범위에 속하며,

이와 관련하여 효과적인 솔루션은 단순 이동 평균과 같은 수학적 통계 원칙의 분석을 기반으로합니다.

반면에 돌연변이 예측은 시장 이동의 시기와 간격을 다루는 경향이 있습니다. 사용 된 방법은 완전히 다릅니다.

基礎分析由於其選取的研究對象和參數不同，

加上分析者的實踐限制和採集資料的真實程度的限制，

以及採用的技術手段的不同，其結論偏差較大。

這樣，對於實際操作的參考意義就要受到不同程度上的影響。

기본 분석에 의해 선택된 다양한 연구 대상 및 매개 변수와 분석가의 관행의 한계 및 수집 된 데이터의 신뢰성 및 사용 된 다양한 기술적 수단으로 인해 기본 분석의 결론은 큰 편차를 갖습니다.

이러한 방식으로 실제 작동에 대한 참조 중요성은 다양한 정도로 영향을 받습니다.

《一》、技術（統計）預測  1. 기술[통계]예측

常規預測。包括：

移動平均、指數平滑法、德爾菲法、馬爾克夫鏈、正態分佈、泊松分佈、殘差辯識預測、最小方差預測等等。

일반 예측. 포괄:

이동 평균, 지수 평활법, 델파이 법, 마르코프 사슬, 정규 분포, 포아송 분포, 잔차 식별 예측, 최소 분산 예측 등등.

對於期貨和股票市場，

常用的趨勢預測技術是移動平均法和指數平滑法，

或由此衍生的其他常規技術指標分析方法。

선물 및 주식 시장의 경우

일반적으로 사용되는 추세 예측 기법은 이동 평균 및 지수 평활

또는 이들로부터 파생된 기타 기존의 기술 지표 분석 방법입니다.

移動平均法是在算術平均數的基礎上發展起來的預測方法，

指數平滑法則以加權平均為基礎，是移動平均的一種改進，

兩者均屬時間序列下的預測方法，

假設預測物件的變化僅與時間有關。

根據它的變化特徵，以慣性原理推測其未來狀態。

이동평균법은 산술평균을 기반으로 개발된 예측법이고,

지수평활법은 이동평균을 개량한 가중평균을 기반으로 하며,

둘 다 시간서열에서의 예측 방법이며,

예측 대상의 변화는 시간 의존적일 뿐이라고 가정한다.

변화하는 특성에 따라 미래 상태는 관성 원리에 의해 추론됩니다.

1、移動平均法 이동평균법

對於資料序列<xi>=<x1,x2,x3,…xn>

i+K

平均值 Mi=(1/2k+1) ∑ Xl

l=i-k

i=1,2,…, k=1,2,…

趨向值 DMi=Mi-Mi-1

預測值 X*i+1= Mi-k+DMi(k+1)

2、指數平滑法 지수평활법

指數平滑法認為，資料的重要程度按時間上的近遠成非線性遞減。

常用的有一次指數平滑法、二次指數平滑法和三次指數平滑法。

지수 평활화법은, 데이터의 중요성에 따라 시간상의 가깝고 먼데서 이룬 비선형적으로 감소한다는 것을 시사합니다.

일반적으로 1차 지수 평활법이 있고, 2차 지수 평활법과 3차 지수 평활법이 있다.

對於資料序列<xi>=<x1,x2,x3,…xn>指數平滑法的遞迴式

X*1= X1

X*i+1=a Xi+(1-a) X*I 0￡a￡1

a為平滑係數，X*1 和X*i+1都是預測值

i-1

預測公式 X*i+1=∑ a(1-a)j Xi-j+(1-a)i X1

j=0

3、德爾菲（Delphi）法 델파이 법

* 델파이; 볼랜드사에서 발매하고 있는 소프트웨어 개발 환경. 비주얼 프로그램 언어로 객체 지향적인 오브젝트 파스칼(Object Pascal)을 채용하고 있다. 데이터베이스 응용 소프트웨어의 구축에 많이 사용된다.이론등 내용 참고연결입니다.

[Delphi] 정의 및 기초 정리

是美國蘭德公司1964年發明並首先用於技術預測的專家會議預測法的改進方法。

有的學者認為，德爾菲法可能是最可靠的預測方法。

在長期規劃者和決策者心目中，德爾菲法享有眾望。

이는 미국 1964 년 RAND Corporation에서 발명 한 전문가 회의의 예측 방법을 개선하고 기술 예측에 처음 사용 된 방법입니다.

일부 학자들은 델파이의 방법이 가장 신뢰할 수 있는 예측 방법일 수 있다고 믿습니다.

장기 계획자와 정책 입안자들의 마음 속에는, 델파이 법은 많은 희망을 누리고 있습니다.

德爾菲法的實質是利用專家的主觀判斷，通過資訊溝通與迴圈回饋，

是預測意見趨於一致，逼近實際值。

德爾菲法的不足之處在于，易受專家主觀意識和思維局限影響，

而且技術上，徵詢表的設計對預測結果的影響較大。

델파이 법의 본질은 정보 소통과 순환 피드백을 통해 전문가의 주관적인 판단을 사용하며,

이는 의견의 수렴을 예측하고 실제 값을 근사화하는 것입니다.

델파이 법의 단점은 전문가의 주관적 의식과 사고의 한계에 쉽게 영향을 쉽게 받는다는 점이며,

기술적으로는 질의 양식의 설계가 예측 결과에 대해 더 큰 영향을 미친다는 점이다.

就期貨、股票投資而言，

專家的意見往往不容忽視。

你永遠無法拒絕投資專家優秀業績的強大說服力和誘惑。

事實上，

留意優秀專業人士的投資思維可以作為一項輔助決策手段。

선물과 주식 투자에 관한 한,

전문가들의 의견은 종종 무시할 수 없습니다.

투자 전문가의 뛰어난 성과에 대한 강력한 설득과 유혹에 결코 저항 할 수 없습니다.

사실,

훌륭한 전문가의 투자 마인드를 주시하는 것은 의사 결정에 도움이 될 수 있습니다.

《二》、資訊預測  정보예측

突變性預測。包括：

《資訊預測》、模糊預測與《灰色預測》、基於混沌理論的分析等。

돌변성 예측. 포괄 :

"정보 예측"은, 퍼지 예측 과 "회색 예측", 혼돈 이론에 기반한 분석 등이다

1、《資訊預測》 정보예측

《資訊預測》認為預測的哲學思想在於認識論。

並將人類的認識體系分為三個體系， 即抽象體系、物理體系、資訊體系。

정보 예측은 예측의 철학적 아이디어가 인식론에 있다고 주장한다.

그리고 인간의 인지 시스템은 추상 시스템, 물리적 시스템, 정보 시스템의 세 가지 시스템으로 나뉩니다.

㈠、信息守恆：

由連貫原則（未來與過去相似）和類推原則（相似的體系，結構的變化具有相似的模式）兩部分組成。

認為資訊可以按照一定的認識觀點轉化為數位。

資訊體系對數值的要求是恰好滿足需要。

(1) 정보 보존 :

연관성의 원칙 (미래는 과거와 유사 함)과 유추의 원칙 (유사한 시스템, 구조적 변화는 유사한 패턴을 가짐)의 두 부분으로 구성됩니다.

정보는 특정 인식론적 관점에 따라 숫자로 변환될 수 있다고 믿어집니다.

정보 시스템의 수치 적 요구 사항은 수요사항을 만족시키기에 공급합니다.

㈡、數學基礎：

由翁氏質數猜想、可公度和隨機性否定等組成。

運算方法採用加減運算。

翁教授通過對質數的加減運算，找到一把“丈量”天災的“尺子”。

可公度性是“信號尺”，用它“量”出有用的資訊，得出有用的結論。

而隨機性否定理論是可信度尺，用它“量”出預測的結論有多大把握。

(2) 수학적 기초 :

옹씨의 소수 추측, 음조 및 무작위성 부정으로 구성됩니다.

연산 방법 채용은 덧셈과 뺄셈을 사용합니다.

옹 교수는 소수를 더하고 빼서 자연 재해를 "측정"하는 "통치자"를 발견했습니다.

허용 오차는 유용한 정보를 "측정"하고 유용한 결론을 도출하는 데 사용되는 "신호 눈금자"입니다.

임의성 부정 이론은 신뢰도 척도이며, 예측된 결론을 "측정"하기 위해 이를 얼마나 확신할 수 있는지입니다.

1> 、翁氏猜想

猜想一：從三起，任何質數可以用無窮個方式表示為其他兩個質數之和減去另一個質數。

如：11=13+5-7=19+5-13=…

1>. 옹씨 추측

가설 1:  3부터 모든 소수는 다른 두 소수에서 다른 소수를 뺀 합으로 무한히 표현할 수 있습니다.

如：11=13+5-7=19+5-13=…

2> 、哥德巴赫猜想：

任何偶數都可以表達為兩個質數之和。

如：24=23+1=19+5=17+7=13+11。

2> Goldbach 추측:

모든 짝수는 두 소수의 합으로 표현할 수 있습니다.

예: 24=23+1=19+5=17+7=13+11.

3> 、頻數猜想：

隨著偶數趨於無窮大，可表達這一偶數為兩個質數之和的公式（頻數）也趨於無窮大。

3> 주파수 추측:

짝수가 무한대가 되는 경향이 있기 때문에 이 짝수를 두 소수의 합으로 표현할 수 있는 공식(주파수)도 무한대가 되는 경향이 있습니다.

㈢、建立資訊模型，包括兩類：

(3) 두 가지 유형을 포함한 정보 모델을 수립 :

一是以概率為基礎的隨機資訊模型；

另一類確定資訊模型。

하나는 확률에 기반한 무작위 정보 모델입니다.

다른 하나 유형은 정보 모델을 결정합니다.

㈣、將預測過程分解成三個相對獨立的組成部分，即：

(4) 예측 프로세스를 세 가지 비교적 독립적인 구성 요소로 분해합니다. 즉:

1> 、主過程：要求嚴格的資訊保真，數學方法用抽象代數，象集合與群論等；

2> 、決策過程：是主觀過程，數學方法用概率論、運籌學、模糊數學等；

3> 、估計過程：是運算的主體，比較常用的擬合的數學方法有方程式、多項式、不等式等；常用的判別計算原則有最大擬然性、最小二乘方等。

1>. 주요 과정: 엄격한 정보 충실도, 집합 및 그룹 이론과 같은 추상 대수학을 사용하는 수학적 방법;

2>. 의사 결정 과정 : 주관적인 과정이며 수학적 방법은 확률 이론, 연산 연구, 퍼지 수학 등을 사용합니다.

3> 추정 과정: 연산의 주체이며, 더 일반적으로 사용되는 수학적 피팅 방법에는 방정식, 다항식, 부등식 등이 포함됩니다. 일반적으로 사용되는 판별 계산 원칙에는 최대 모방, 최소 제곱 등이 포함됩니다.

㈤、提出幾種預測方法，這些方法具有較佳的資訊保真。

(5) 정보 충실도가 더 높은 몇 가지 예측 방법이 제안됩니다.

1>、天干地支週期預測。천간 지지 주기적 예측

提出：

A、日干支預測 일간지 예측

日幹第一式：y=1923.2269+0.1642746*I

日幹第二式：y=1966.2396+0.164275*I

B、年干支預測 년간지 예측

C、天干地支週期預測與可公度性預測的一致性

A. 일간지 예측

일일 줄기의 첫 번째 공식: y=1923.2269+0.1642746*I

일일 트렁크의 두 번째 공식 : y = 1966.2396 + 0.164275 * I

B. 연간지 예측

C. 천간지지 주기 예측과 홍보의 예측의 일치성

2>、可公度性（多元概週期的擴張）

2>. 홍보 (다중 일반화주기의 확장)

A、可公度性（週期波長間若存在簡單的整數比關係，稱做可公度），反映自然界的一種秩序.

A. 자연의 질서를 반영하는 홍보 (주기적 파장 사이에 단순한 정수 비율 관계가있는 경우 홍보라고 함).

B、基於天文學基礎，提出可公度性的一般運算式：B. 천문학 틀에 기초하여 홍보의 일반적인 표현이 제안.

l

Xi=∑（IjXij）+&0

j=1

式中：ij?{i},且ij1i，

即ij是下標集={1,2,…,n}中與I不同的任意元素，

Xij 是{Xi }中與Xi不同的任意元素。

Ij 是整數，l是可公度元數， &0是事先確定的可行性臨界值（偏差），

공식: ij? {i}이고,그 ij1i,

즉 ij는 아래 첨자 집합 = {1,2,...,n}에서 I와 다른 임의의 요소이고,

Xij는 {Xi입니다 } 중과 Xi와 다른 임의 원소.

Ij는 정수이고, l은 정량자이며, &0은 미리 결정된 타당성 임계값(편차)이며, 

推廣公式：공식을 일반화합니다.

l

Xi=∑（IjXij+M）+&0

j=1

並且,MAX(|&1|,|&2|,…,|&M|)￡&0

當M足夠大時，這些可公度式就不在是偶然的，M稱為可公度式的頻數。

M이 충분히 크면, 이러한 미터법 방정식은 우연이 아니며, M을 미터법 공식의 빈도라고 합니다.

C、可公度係數  C. 공차 계수

天文學中的波特定則表述為:

log(xi-0.4)-log0.3-i×log2=0 其中i=-∞,0,1,2,3,……

xi是太陽系中行星到太陽的平均距離

拉普拉斯提出木衛一, 木衛二, 木衛三的平均運動z1,z2,z3服從公式:

z1-3z2+2z3=0 (式一)

土衛一, 土衛二, 土衛三, 土衛四的平均運動z1,z2,z3,z4服從公式:

5z1-10z2+z3+4z4=0 (式二)

天王星的四個主要衛星,衛一, 衛二, 衛三, 衛四的平均運動z1,z2,z3,z4服從公式:

z1-z2-2z3+z4=0 (式三)

整數系下,式一、二、三、屬可公度方程,其中式一、二、係數之和為零, 式三係數之和不為零.

천문학에서 파동별 규칙은 다음과 같이 표현됩니다.

log(xi-0.4)-log0.3-i×log2=0 여기서 i=-∞,0,1,2,3,......

xi는 태양계에서 행성에서 태양까지의 평균 거리입니다.

라플라스는 유로파, 유로파, 유로파 Z1,Z2,Z3의 평균 운동을 제안했습니다.

z1-3z2+2z3=0 (방정식 <>)

엔셀라두스, 엔셀라두스, 엔셀라두스, 엔셀라두스, 엔셀라두스, z1,Z2,Z3,Z4의 평균 운동은 다음 공식을 따릅니다.

5z1-10z2+z3+4z4=0 (방정식 <>)

천왕성, 메디아투스 I, 메디트론 II, 메디트론 III, 메디트론 IV z1, Z2, Z3, Z4의 네 가지 주요 위성의 평균 운동은 다음 공식을 따릅니다.

z1-z2-2z3+z4=0 (방정식 <>)

정수 시스템에서 방정식 1, 2, 3은 수식 가능한 방정식이며, 여기서 방정식 1, 2 및 계수의 합은 0이고 방정식 3의 계수의 합은 0이 아닙니다.

?可公度性體系

可公度性構成資訊預測的重要方法之一。

為估計其非偶然性還要應用隨機性的否定等方法。

指出無論是微分還是高階差分都無法表達一個體系中的可公度資訊。

• 홍보 시스템

홍보는 정보 예측의 중요한 방법 중 하나입니다.

비우발성을 추정하기 위해 임의성 부정과 같은 방법도 적용됩니다.

차등이나 고차 차이는 시스템에서 홍보의 정보를 표현할 수 없다는 것이 지적됩니다.

例如,

在資料<xi>=< x1, x2, …xi,… xn>中三階差分只能反映(xi+1-2xi+xi-1)中的資訊,

不能反映可公度性式((xi+1-xi+xi-1))中的資訊.

而對給定事件集合中的資料進行研究，

從中選出具有可公度性的資料是資訊預測至關重要的環節。

예를 들어,

데이터에서 <xi>=< x1, x2, ... xi,... xn >중의 3계 차로 나누며 오직 반영은 (xi+2-1xi+xi-1)중의 정보일수 있지만,

반영 홍보 방정식((xi+1-xi+xi-<>))중의 정보는 반영할 수 없습니다.

그래서 주어진 이벤트 집합의 데이터를 연구하고,

홍보를 통해 데이터를 선택하는 것은 정보 예측의 중요한 부분입니다.

D、概週期   D. 대략적인 주기

如在一元資料有部分數值，

在它們之間都參與構成的間隔值X<I，

分佈於區間[(X<I-e/2),(X<I+e/2)]中。

X<I稱為這部分數值的e概週期。

以一系列概週期作為參量的體系模型，

構成概週期體系。

단항 데이터에 부분 값이 있는 경우

모두 구간 값 X<I에 포함되며

구간 [(X<I-e/2), (X<I+e/2)]에 분포됩니다.

X<I는 값의 이 부분의 전자 일반화 기간이라고 합니다.

일련의 근사 주기가 매개변수 시스템 모델로 사용되어

일반화된 주기 시스템을 형성합니다.

E、概週期擴張分佈   E. 대략적인 주기 확장 분포

一般的資料分佈<Xi>，其中指標I只表示次序。

資料二元合成的“間隔”聚焦為概週期。

體系模型可作概週期的擴張。

資料經二元合成的概週期擴張為三元合成，即三元間隔擴張。

同樣對四元、六元…等間隔，也可以有五元、七元…等間隔擴張。

體系擴張的一種簡便擴張方式是加法外推（或內推）。

일반적인 데이터 분포는 Xi >< 표시되며, 여기서 지표 I은 순서만 나타냅니다.

데이터 이진 합성의 "간격"은 대략적인 기간에 초점을 맞춥니다.

시스템 모델은 일반 사이클의 확장으로 사용할 수 있습니다.

이진 합성의 대략적인 주기는 데이터를 삼항 합성, 즉 삼항 간격 확장으로 확장합니다.

쿼터너리도 마찬가지, 6달러... 동등한 공간, 또한 5 위안, 7 위안을 가질 수 있습니다 ... 등간격 확장.

시스템을 확장하는 쉬운 방법은 외삽(또는 추론)을 추가하는 것입니다.

3> 、浮動頻率 3>. 부동 주파수

認為用傅立葉級數或更廣泛的其他類似的諧和頻率函數多項式擬合無限容量的資料在理論上是恰當的，

而擬合有限容量的資料，可能引入資訊失真，有 時可能失去重要資訊。

為減少資訊的失真，提出一種浮動頻率多項式。

l

yi=a0+?ajcos(bjxi+cj)

j=1

式中，a0，aj，bj，cj(j=1，2，…，l)都是獨立參數；

bj與頻率有關，fj=bj/2p,共有l個浮動頻率，它們一般並不諧和。

xi（i=1,2,…,n）代表時間或空間並假設為單調增加或單調減少分佈。

yi（i=1,2,…,n）為xi的 單值映射，常取奇點值（極大值、極小值、零點、拐點等）

무한 부피는 푸리에 급수 또는 다른 유사한 고조파 주파수 함수의 다항식에 더 광범위하게 맞는 것으로 간주됩니다

정량적 데이터는 이론적으로 적절하지만 제한된 양의 데이터를 맞추면 정보 왜곡이 발생하고 때로는 중요한 정보가 손실될 수 있습니다.

정보의 왜곡을 줄이기 위해, 부동 주파수 다항식이 제안된다.

l

yi=a0+?ajcos(BJxi+CJ)

j=1

여기서 a0, aj, bj, cj(j=1,2,...,l)은 독립적인 매개변수입니다.

BJ는 주파수에 따라 다르며, FJ = BJ/2P, 총 L개의 부동 주파수가 있으며 일반적으로 조화롭지 않습니다.

xi(i=1,2,...,n)은 시간 또는 공간을 나타내며 단조롭게 증가하거나 단조롭게 감소하는 분포로 가정합니다.

yi(i=1,2,...,n)은 xi입니다.

단일 값 매핑, 종종 특이점 값(최대값, 최소값, <>, 굴절 등)을 취함

4>、隨機性的否定  4>. 임의성의 부정

提取有效信號的方法。

유효한 신호를 추출하는 방법.

A、簡單隨機遊動 A. 간단한 랜덤 워크

簡單隨機遊動可作為許多客觀現象的模型，並且顯示出不同程度的近似真實性。

公式：sn(+1,-1)=x1+x2+…+xn

其中x1，x2，…，xn是整數集I=?+1，-1?中以固定概率出現的、獨立分佈的元素。

간단한 무작위 걷기는 많은 객관적인 현상에 대한 모델로 사용될 수 있으며 다양한 정도의 대략적인 진실을 보여줍니다.

화학식: sn(+1,-1)=x1+x2+...+xn

여기서 x1,x2,...,xn은 고정 확률로 나타나는 정수 집합 I=+1,-1의 독립적으로 분포된 요소입니다.

B、等概率簡單隨機遊動

對簡單隨機遊動，假設出現+1和-1的概率相等，即為等概率簡單隨機遊動。

等概率簡單隨機遊動下的sn(+1,-1)主要作為提取資訊時識別“純噪音”的對應分佈。

B. 동일한 확률의 단순 랜덤 워크

단순 랜덤 워크의 경우 +1과 -1의 확률이 같다고 가정하면 동일한 확률을 가진 단순 랜덤 워크입니다.

동일한 확률의 단순 랜덤 워크에서 Sn(+1,-1)은 정보를 추출할 때 "순수 노이즈"를 식별하는 해당 분포로 주로 사용됩니다.

5>、資訊的綜合  5>. 종합 정보

A、資訊之間的關係  a. 정보와의 관계

a、 定性和定量關係。

要求對預測作出定量和定性兩方面的描述。

b、 整體和局部的關係。

即從整體和局部兩方面進行預測，以提高預測的品質。

c、 平行關係。

即資訊的多重性，提出從一個體系中可能取得不同種類的資訊，從單一體系中，不同的處理方式，結果未必完全相同。

d、 連接關係，即因果關係。

如前項資訊可以影響後項資訊。

e、 動態關係。

在多因數連接關係中，如果某項資訊依照一定的時延函數影響到另一項資訊，則構成動態關係。

a. 질적 및 양적 관계.

예측에 대한 양적 및 질적 설명이 모두 필요합니다.

b. 전체와 부분의 관계.

즉, 예측의 품질을 향상시키기 위해 글로벌 및 로컬 측면에서 예측합니다.

c、 평행도.

즉, 정보의 다중성, 하나의 시스템에서 서로 다른 종류의 정보를 얻을 수 있고 단일 시스템에서 서로 다른 처리 방법을 얻을 수 있으며 결과가 정확히 동일하지 않을 수 있다고 제안됩니다.

d. 연결, 즉 인과 관계.

앞의 정보와 같은 정보는 후자의 정보에 영향을 줄 수 있습니다.

e. 동적 관계.

다단계 연결에서 한 정보가 특정 지연 함수에 따라 다른 정보에 영향을 미치는 경우 동적 관계를 구성합니다.

B、資訊綜合的特點  B. 정보 합성의 특성

(a)、主觀因素占突出地位。

(b)、預測程式隨著結果檢驗不斷更新，難於固定。

(c)、資訊處理量隨著綜合過程迅速增加。

(a) 주관적인 요인이 두드러진다.

(b) 예측 프로그램은 결과 테스트로 지속적으로 업데이트되며 수정하기 어렵습니다.

(c) 정보처리의 양은 합성과정에 따라 급격히 증가한다.

6>、事件預測的置信水準

事件預測只有“發生”和“不發生”兩種狀態。

確定置信水準的主要依據是資料本身的性質。

6>. 이벤트 예측의 신뢰 수준

이벤트 예측에는 "발생"과 "발생하지 않음"의 두 가지 상태만 있습니다.

신뢰 수준을 결정하는 주요 기준은 데이터 자체의 특성입니다.

初步考慮下列假設：

設資料容量為n ,當置信水準取(1-a)時，na可看作是資料體系中的不確定頻數。

這“不確定頻數”可能是“偶然的干擾”容量，也可能是“內在資訊”容量。

不漏報的置信水準：(1-a)@rn/(n+1)

不錯報的置信水準：(1-b)@rm/(m+1)

其中：一段時間（空間）內，發生n次事件，相應的預測為m次。

n次事件中有rn次與預測相符合，m次事件中有rm 次與預測相符合。

초보는 다음과 같은 가정을 고려하십시오.

데이터 용량을 n으로 설정합니다.

신뢰 수준이 (1-a)인 경우 NA는 데이터 시스템의 불확도 빈도로 볼 수 있습니다.

이 "불확실한 주파수"는 "우발적 간섭" 용량 또는 "고유 정보" 용량일 수 있습니다.

부정을 놓치지 않는 신뢰 수준: (1-a)@rn/(n+1)

양호한 신뢰 수준: (1-B)@rm/(m+1)

그 중 : 일정 기간 (공간)에서 n 개의 이벤트가 발생하고 해당 예측은 m 배입니다.

n 이벤트의 Rn 시간은 예측과 일치하고, m 이벤트의 rm은 예측과 일치합니다 예측과 일치하는 시간.

2、《灰色預測》 회색예측

通過少量的、不完全的資訊，建立灰色微分預測模型，對事物發展規律作出模糊性的長期描述（模糊預測領域中理論、方法較為完善的預測學分支）。

灰色理論認為系統的行為現象儘管是朦朧的，資料是複雜的，但它畢竟是有序的，是有整體功能的。

灰數的生成，就是從雜亂中尋找出規律。

同時，灰色理論建立的是生成資料模型，不是原始資料模型，

因此，灰色預測的資料是通過生成資料的GM(1,1)模型所得到的預測值的逆處理結果。

소량의 불완전한 정보를 통해 회색 미분 예측 모델을 설정하여 사물의 발전 법칙 (퍼지 예측 분야에서 비교적 완전한 이론과 방법을 가진 예측의 한 분야)에 대한 장기적인 설명을합니다.

회색 이론은 시스템의 동작이 흐릿하고 데이터가 복잡하지만 결국 정렬되고 전반적인 기능을 가지고 있다고 주장합니다.

회색 숫자의 생성은 혼란에서 패턴을 찾는 것입니다.

동시에 회색 이론은 원시 데이터 모델이 아닌 생성 데이터 모델을 설정하므로

회색 예측 데이터는 데이터를 생성하는 GM(1,1) 모델에서 얻은 예측 값을 역처리한 결과입니다.

<1>、關聯度

提出系統的關聯度分析方法，是對系統發展態勢的量化比較分析。

關聯度的一般運算式為：

N

ri=1/N∑ xi(k)

i=1

ri 是曲線xi對參考曲線x0的關聯度。

<1>. 관련성 정도

시스템의 상관 관계 분석 방법이 제안되며, 이는 시스템의 발전 추세에 대한 정량적 및 비교 분석입니다.

관계의 정도에 대한 일반적인 표현은 다음과 같습니다.

N

ri=1/N∑ xi(k)

나=1

RI는 곡선 XI가 기준 곡선 x0와 상관 관계가 있는 정도입니다.

<2>、生成數

通過對原始資料的整理尋找數的規律，分為三類：

A、累加生成：

通過數列間各時刻資料的依個累加得到新的資料與數列。

累加前數列為原始數列，累加後為生成數列。

<2>. 빌드 수

원본 데이터의 데이터 정렬을 통해 숫자 법칙이 발견되며 세 가지 범주로 나뉩니다.

A. 누적 생성:

시리즈 간의 매 순간 데이터를 누적하여 새로운 데이터와 시리즈를 얻습니다.

첫 번째 누적 숫자는 원래 계열로 나열되고 누적 후 숫자 계열이 생성됩니다. 

基本關係式：

記x(0)為原始數列

x(0)=( x(0)(k)xk=1,2,…,n)=(x(0)(1),x(0)(2),…,x(0)(n))

記x(1)為生成數列

x(1)=( x(1)(k)xk=1,2,…,n)=(x(1)(1),x(1)(2),…,x(1)(n))

如果x(0) 與x(1)之間滿足下列關係，即

k

x(1)(k)= ∑x(0)(i)

i=a

稱為一次累加生成。이를 적층 빌드라고 합니다.

B、累減生成：前後兩個資料之差，累加生成的逆運算。

累減生成可將累加生成還原成非生成數列。

C、映射生成：累加、累減以外的生成方式。

B. 누적 생성 : 전후의 두 데이터의 차이, 누적에 의해 생성 된 역 연산.

빌드를 누적하여 누적 빌드를 생성되지 않은 시리즈로 복원합니다.

C. 이미지 생성: 누적과 뺄셈 이외의 생성 방법.

<3>、建立模型

A、建模機理

<3> 모델 수립

A. 모델링 메커니즘

A、 把原始資料加工成生成數；

B、 對殘差(模型計算值與實際值之差)修訂後，建立差分微分方程模型；

C、 基於關聯度收斂的分析；

D、 GM模型所得資料須經過逆生成還原後才能用。

A. 원본 데이터를 생성된 번호로 처리합니다.

B. 잔차 (모델의 계산 된 값과 실제 값의 차이)를 수정 한 후 미분 미분 방정식 모델을 설정합니다.

C. 상관관계 수렴도에 기초한 분석;

D. GM 모델에서 얻은 데이터는 사용하기 전에 역생성 및 복원해야 합니다.

B、採用“五步建模

（系統定性分析、因素分析、初步量化、動態量化、優化）”法，

建立一種差分微分方程模型GM(1,1)預測模型。

. "1단계 모델링

(시스템 정성 분석, 요인 분석, 예비 정량화, 동적 정량화, 최적화)" 방법을 사용하여

미분 미분 방정식 모델 GM(1,<>) 예측 모델을 설정하였다.

기본 방정식은 다음과 같습니다.

基本算式為：

令 x(0)=(x(0)(1),x(0)(2),…,x(0)(n))

作一次累加生成， k

x(1)(k)= ∑x(0)(m)

m=1

有 x(1)=(x(1)(1),x(1)(2),…,x(1)(n))

=(x(0)(1),x(1)(1)+x(0)(2),…,x(1)(n-1)+x(0)(n))

x(1)可建立白化方程：dx(1)/dt+ax(1)=u 即GM(1,1).

該方程的解為: x(1)(k+1)=(x(1)(1)-u/a)e-ak+u/a

<4>、預測方法：

ê、數列預測

?、災變預測

ì、季節災變預測

í、拓撲預測

?、系統綜合預測

<4> 예측 방법:

ê, 수열 예측

?,재앙 예측

ì, 계절적 재앙 예보

í. 토폴로지 예측

?,종합적인 시스템 예측

3、模糊預測 퍼지예측

對於一個模糊系統來說，傳統的預測方法就會失去作用。

處理模糊預測問題的數學方法是模糊數學。

模糊數學的基礎是模糊集合論，而模糊集合是普通集合的擴張。

美國學者L.A.Zadeh教授建立的模糊集合論，為模糊預測理論與方法的研究奠定了理論基礎。

它用簡捷有力的方法處理複雜系統，在某種程度上彌補了經典數學與統計數學的不足。

在預測應用上，如氣象預報、地震預報、病蟲害預報等，國內學者做出了許多有益的研究。

3. 퍼지 예측

퍼지 시스템의 경우 기존 예측 방법은 쓸모가 없습니다.

퍼지 예측 문제를 처리하는 수학적 방법은 퍼지 수학입니다.

퍼지 수학의 기초는 퍼지 집합 이론이고 퍼지 집합은 일반 집합의 확장입니다.

미국 학자 L.A. Zadeh 교수가 확립한 퍼지 집합 이론은 퍼지 예측 이론 및 방법 연구의 이론적 토대를 마련했습니다.

간단하고 강력한 방법을 사용하여 복잡한 시스템을 처리하여 고전 수학 및 통계 수학의 단점을 어느 정도 보완합니다.

일기 예보, 지진 예보, 해충 예보 등과 같은 예보의 응용에서 국내 학자들은 많은 유용한 연구를했다.

4、基於混沌理論的分析預測 4. 혼돈 이론에 근거한 분석 예측

混沌理論是近年來長足發展的一門學科。

混沌向世界規律運動的假定性提出挑戰。

一方面，它告訴我們，宇宙遠比我們想得到的要怪異，它使許多傳統的科學方法受到懷疑。

另一方面，混沌認為許多無規則的事物實際上可能是簡單規律的結果。

混沌展現給我們的是一些新的規律。

提出：

遵從簡單規律的系統會以令人驚訝的複雜方式表現其行為。

混沌是隱秘形式的秩序。

카오스 이론은 최근 몇 년 동안 크게 발전한 학문입니다.

혼돈은 세계의 규칙적인 움직임에 대한 가정에 도전합니다.

한편으로 그것은 우주가 우리가 생각하는 것보다 훨씬 더 낯설다는 것을 말해 주며 많은 전통적인 과학적 방법에 의문을 제기합니다.

다른 한면에 혼돈은 불규칙한 많은 것들이 실제로 단순한 법칙의 결과일 수 있다고 믿습니다.

혼돈은 우리에게 새로운 법칙을 제시합니다.

제안:

간단한 규칙을 따르는 시스템은 놀라울 정도로 복잡한 방식으로 동작합니다.

혼돈은 비밀스러운 형태의 질서입니다.

混沌系統是指敏感地依賴於初始條件的內在變化系統，

對外來變化的敏感性本身並不意味著混沌。

混沌理論最令人興奮的是：

一個非常簡單的決定論系統能夠產生異常複雜的輸出結果。

給定一個簡單規則和初始條件，

系統將產生複雜連續系列，

這一點類似“無中生有”。

혼돈 시스템은 초기 조건에 민감한 본질적으로 변화하는 시스템이며

외부 변화에 대한 민감성 자체가 혼돈을 의미하지는 않습니다.

혼돈 이론의 가장 흥미로운 점은 ;

매우 단순한 결정론적 시스템이 매우 복잡한 출력을 생성할 수 있다는 것입니다.

간단한 규칙과 초기 조건이 주어지면,

시스템이 일련의 복잡한 연속계열을 생성하는데,

이런점은 "무에서 무언가를 만드는 것"과 유사합니다.

美國科學家帕卡德和他的同事基於混沌和生物進化理論，借助電腦，致力於用圖形來描述金融市場的混沌現象。

帕卡德認為，世界上有大量不同的隨機現象，

他所研究的是大體只需幾個變數就能描述系統行為的一種混沌現象。

他試圖建立一種學習演算法，對進化模型進行處理。

而對於眾多的模型，帕卡德採用一種稱為遺傳演算法的方法處理資料。

它用類似生物繁殖中突變和雜交現象的方法來改變模型。

這種方法的核心是，電腦不斷設定新的假設環境，從而使學習演算法更具有適應性。

認為一個好的學習演算法不僅能建立適應模型，它還能時刻觀測資料的變化。

所謂“學習演算法”是一種特別的程式，他擅長對大量的、各種各樣的模型進行比較研究，找出哪個模型最適用於分析目前和未來的資料。

혼돈과 생물학적 진화 이론을 바탕으로 미국 과학자 패커드와 그의 동료들은 컴퓨터의 도움을 받아 금융 시장의 혼란스러운 현상을 그래픽으로 묘사하는 작업을 해왔습니다.

Packard는 세상에는 다양한 무작위 현상이 있다고 믿었고 대략 몇 가지 변수만으로 시스템의 동작을 설명할 수 있는 혼돈 현상을 연구했습니다.

그는 진화 모델을 처리하는 학습 알고리즘을 만들려고 노력했습니다. 많은 모델에서 Packard는 유전 알고리즘이라는 방법을 사용하여 데이터를 처리합니다.

그것은 생물학적 번식에서 돌연변이와 혼성화를 모방하는 방식으로 모델을 변경합니다.

이 접근 방식의 핵심은 컴퓨터가 학습 알고리즘의 적응력을 높이기 위해 지속적으로 새로운 가상 환경을 설정한다는 것입니다.

좋은 학습 알고리즘은 적응 모델을 구축할 수 있을 뿐만 아니라 시간 경과에 따른 데이터 변화를 관찰할 수 있다고 믿어집니다.

소위 "학습 알고리즘"은 현재와 미래의 데이터를 분석하는 데 가장 적합한 모델을 찾기 위해 많은 수의 다양한 모델을 비교하는 데 특화된 특별한 종류의 프로그램입니다.

《三》、擬合預測 피팅예측

擬合預測是建立一個模型去逼近實際資料序列的過程，適用於發展性的體系。

建立模型時，通常都要指定一個有明確意義的時間原點和時間單位。

而且，當t趨向于無窮大時，模型應當仍然有意義。

將擬合預測單獨作為一類體系研究，其意義在於強調其唯“象”性。

一個預測模型的建立，要盡可能符合實際體系，這是擬合的原則。

擬合的程度可以用最小二乘方、最大擬然性、最小絕對偏差來衡量。

피팅 예측은 실제 데이터 시리즈를 근사화하기 위해 모델을 구축하는 프로세스로, 개발 시스템에 적합합니다.

모델을 작성할 때 일반적으로 의미 있는 시간 원점과 시간 단위를 지정합니다.

또한 t가 무한대가 되는 경향이 있으므로 모델은 여전히 의미가 있어야 합니다.

피팅 예측을 별도의 시스템 유형으로 연구하는 것의 중요성은 "이미지"특성을 강조하는 것입니다.

예측 모델의 설정은 피팅의 원칙인 실제 시스템과 가능한 한 일치해야 합니다.

피팅 정도는 최소 제곱, 최대 모방 및 최소 절대 편차로 측정할 수 있습니다.

主要方法有：주요 방법은 다음과 같습니다.

A、回歸預測：主要含自回歸、線形回歸、同態線形回歸和多元回歸。

B、“S”模型。主要用來擬合生命總量不受直接限制的體系從發生發展直到飽和點這一階段的形象。

A. 회귀 예측 : 주로 자기 회귀, 선형 회귀, 동형 선형 회귀 및 다중 회귀를 포함합니다.

B. "S" 모델. 주로 발생 및 발달 단계에서 포화 지점까지 직접적으로 제한되지 않는 총 수명을 가진 시스템의 이미지를 맞추는 데 사용됩니다.

C、生命旋回：

對一事物從零開始，經過成長、興盛，

達到全盛期後再逐漸衰落，最後又回到零的過程的預測。

它適合於總量有限的體系。

D、週期擬合模型。

當系統的條件未知，而僅對實際發生的週期因素建立的擬合模型。

其準確性取決與模型的合理性，並經常為預測結果所驗證，屬於動態預測模型。

C. 수명주기 : 한사물에 대하여 0에서 시작하여 성장하고 번영하며,

전성기에 도달하고 점차 감소하고 마침내 0으로 돌아가는 과정을 예측합니다.

볼륨이 제한된 시스템에 적합합니다.

D. 주기적으로 피팅 모델.

시스템의 조건을 알 수 없는 경우 실제로 발생하는 주기적 요인만 모델에 맞게 설정됩니다.

정확도는 모델의 합리성에 따라 달라지며 동적 예측 모델인 예측 결과에 의해 확인되는 경우가 많습니다.

《四》,《易經》預測 역경예측

“天—人感應”預測方法的實證研究要經過實踐的論證，這可能要需很長的時間。

就目前的科學發展而言，

《易經》的哲理，以及模型體系的嚴謹已為世人所公認。

一本《易經》可以說是文化的源頭。

然而，《易經》作為預測學的地位能否確立？

這是一個很大的命題。

在此，我們僅提出幾點看法。

"천-인 감응" 예측 방법에 대한 실증적 연구는 실제로 입증되어야 하며,

이는 오랜 시간이 걸릴 수 있습니다.

현재의 과학 발전에 관한 한,

역경의 철학과 모델 시스템의 엄격함은 세계에서 인정 받았다.

역경의 사본은 문화의 원천이라고 할 수 있습니다.

그러나 역경이 예측가로 자리 매김 할 수 있습니까?

그것은 하나의 큰 과제입니다.

여기서 우리는 몇 가지 간법을 제출 합니다.

A、八卦、六十四卦是外推的，以8為模的遞推性能，使《周易》本身具有預測的邏輯功能。

問題是如何尋找一種方法，使其鏈結到它的數學模型上。

A, 8괘 64괘는 외삽되고, 8로써 모델이 "주역"자체를 예측의 논리적 기능을 갖게하는 <>의 재귀 적 성능.

문제는 그것을 수학적 모델에 연결하는 방법을 찾는 방법입니다.

B、太極圖的陰陽升降具有深刻的科學內涵，它反映陰陽迴圈的本原，

同時也體現事物發展過程的簡單對稱和標準週期模式。

B. 태극도의 음양의 상승과 하강은 음양주기의 기원을 반영하는 심오한 과학적 의미를 지니고 있으며,

또한 사물의 발전 과정의 단순한 대칭과 표준주기 패턴을 반영한다.

C、“一闔一辟謂之變，往來不窮謂之通”，太極圖代表一種思維，或一種簡單演算法。

體現事物變換發展的絕對性和時空觀。

C. "한 번의 변화, 끝없는 교환", 태극도는 일종의 사고를 나타내며, 또는 간단한 알고리즘을 나타냅니다.

그것은 사물의 변환 발전에 대한 절대성과 시공간적 관점을 반영합니다.

D、“以錢代蓍”的預測方法是不可取的，因為科學實驗與預測本身應具備重複性，

是不以人的意志為轉移的。

如果它是科學的，應該不會因預測次數的多少而有所不同，最近以王吉柱先生為代表。

D. 과학적 실험과 예측 자체가 반복 가능하고 인간의 의지에 종속되지 않아야하기 때문에

"돈을 돈으로 대체하는"예측 방법은 바람직하지 않습니다.

그것이 과학적이라면, 그것은 최근 왕길주 씨가 대표하는 예측의 수에 따라 달라서는 안된다.

E、由《易經》派生出的其他術數，是古人研究、預測社會、自然發展及人類命運的方法。

術數的方法很多，突出的是奇門遁甲、太乙、六壬，稱為“三式”。

由於歷史的原因，其中迷信的成分居多，同時也有辨證的一面，

如奇門遁甲某種程度上可以反映一定的時空對應及轉換關係。

E. 역경에서 파생 된 다른 산술은, 고대인들이 예측사회, 자연 발달 및 인간 운명의 방법을 연구하고 예측하는 데 사용한 방법입니다.

산술 방법에는 여러 가지가 있으며, 눈에 띄는 방법은 기문둔갑, 태을, 육임이며 "3식"이라 합니다.

역사적인 이유로 인해 많은 미신적 요소가 있지만, 동시에 또한 변증 법적 측면이 있는데,

예를들면 기문둔갑은 어느 정도 일정 시간과 공간의 대응과 전환 관계를 반영 할 수 있습니다.

與東方的術數類同，西方的《星辰學》也試圖從天文學角度出發，

研究各種天體現象對社會的影響，同時賦予其一定的人文內涵。

並將《星辰學》的有關內容應用於期貨、股票預測的研究，

據稱交易大師江恩就聲稱自己的理論基礎之一就來源於對《星辰學》的參悟。

함께 동양의 산술과 마찬가지로 서양의 "점성술" 또한 시도에서 천문학의 각도에서 출발하고,

다양한 천체 현상이 사회에 미치는 영향을 연구하고, 동시에 인본주의적인 의미를 부여하려고 시도합니다.

그리고 "점성술"의 관련 내용은 선물 및 주식 예측 연구에 응용되며,

무역 마스터 강은은 그의 이론적 토대 중 하나가 "점성술"에 대한 이해에서 비롯된 것이라고 주장했다고합니다.

總結

A、統計預測重點於統計，並且數量增加只會增強資料的統計效果，

並非意味著可以增加預測效果。

A. 통계 예측은 통계에 초점을 맞추고, 아울러 그수량을 늘리면 데이터의 통계적 효과가 향상되지만,

예측 효과가 증가 할 수 있다는 의미는 아닙니다.

B、資訊預測在突發性事件的研究中具有重大的現實意義。

其深刻的理論內涵，將對預測學產生深遠的影響。

對隨機性的否定把握程度直接關係到預測的置信水準。

資訊預測的方法論下，

對時間和空間的原點和單位有明確界定，

認為每一事物都有自身適應的原點和單位，

並確信原點和單位的動態性。

建立於質數基礎上的突變預測理論，對於預測事件的漏報數量是決定預測置信水準的關鍵。

B. 정보 예측은 비상 사태 연구에서 실질적인 의미가 크다.

그것의 심각한 이론적 의미는, 예측에 지대한 영향을 미칠 것입니다.

임의성의 부정성 정도는 예측의 신뢰 수준과 직접적인 관련이 있습니다.

정보 예측의 방법론 하에서,

시간과 공간에 대한 원점과 단위가 명확하게 정의되고,

모든 것이 자신의 적응 기원과 단위를 가지고 있다고 믿어지며,

아울러 원점과 단위의 역학성이 결정된다.

소수를 기반으로 하는 돌변 예측 이론은, 예측된 사건에 대한 거짓 음성의 수에 대한 예측의 신뢰 수준을 결정하는 열쇠입니다.

C、灰色預測是一系統化的預測理論。

關聯度的引入對預測的量化研究十分重要，

生成數的方法與資訊預測中的可公度方法一樣意味深遠。

C. 회색 예측은 하나의 계통화한 예측 이론입니다.

상관관계의 도입은 예측에 대한 정량적 연구에 매우 중요하며,

숫자를 생성하는 방법과 함께 정보 예측중의 확장성 방법만큼 광범위합니다.

D、模糊預測的其他研究方法，目前進展緩慢，

對集合的模糊化和模糊數學的引入只是提供一種研究問題的角度，

就預測意義而言，

它不會增加事物的預測效果，

而灰色預測中提及的生成數的思維方法則完全不同。

D. 퍼지 예측의 다른 연구 방법은, 현재 느리게 진행되고 있으며,

집합에 대한 퍼지화와 퍼지 수학도입은 오직 예측 의미 측면에서 하나 연구문제의 각도를 제공 할 뿐이며,

예측 의의를 취하는 말은,

사물의 예측 효과를 증가시키지 않을 것이며,

그래서 회색 예측에 언급 된 숫자를 생성하는 사고 방법은 완전히 다릅니다.

E、混沌意義下的預測，嚴格來講，要麼不可能，要麼很難把握。

正如一種觀點所言：

”上帝不僅扔骰子，而且有時還把骰子扔得很遠”。

對混沌秩序的研究，科學界的成果是豐富的，

但站在一定高度的預測角度來分析混沌現象，

這方面的研究才剛剛起步。

一種觀點下的研究正在取得可喜的進展，簡單事件的不斷變換形成混沌。

E. 혼돈의 의미에서의 예측은, 엄밀히 말하면 파악하기가 불가능하거나 어렵다.

한 견해에 따르면 ;

"신은 주사위를 던질뿐만 아니라, 그저 때로는 주사위를 멀리 던진다".

혼돈의 질서에 대한 연구에서 과학계의 성과는 풍부한 것이지만,

혼돈의 현상을 분석하기위한 어느 정도의 예측 적 관점에서 볼 때,

이러한 연구 측면은 이제 막 시작되었습니다.

한 가지 관점에서의 연구는 혼란을 형성하는 단순한 사건의 끊임없는 변화와 함께 유망한 진전을 이루고 있다.

F、擬合的研究方法，是從實際出發，以解決實際問題為出發點，

是唯“象”論的。

許多科學領域的偉大成就往往就是此類方法的昇華，

它是人類認識自然和社會的簡單有效的方法。

不同體系下，

擬合模型的建立使預測成為可能。

只有當擬合模型所給出的結論與實際體系相吻合時，

才能得出正確的結論。

F. 피팅의 연구 방법은, 현실에 기반을두고 있으며, 실제 문제를 해결하는 출발점이되며,

이는 단지 "상"이론 일뿐입니다.

많은 과학 분야의 위대한 업적은 종종 인간이 자연과 사회를 이해하는 간단하고 효과적인 방법 인 그러한 방법의 증류입니다.

다양한 시스템에서는

피팅 모델을 설정하면 예측 성과가 가능합니다.

피팅 모델에 의해 주어진 결론과 실제 시스템이 일치하는 경우에만,

비로소 올바른 결론을 도출할 수 있습니다.

[빅셀의명]

거래량을 고려한 매매법

1.주가는 바닥권이며 거래량은 횡보
-매도세와 매수세의 공백기간으로 당분간 매력이 없는 주식입니다.
-거래량이 증가할 시점까지는 관망으로 접근하는 것이 좋습니다.

2.주가는 바닥권이며 거래량은 감소
-매수세가 부재한 상황으로 주가가 떨어지지 않는다면 조만간 거래량 바닥이 탄생하며 주가가 상승 전환할 가능성이 있습니다.

​
3.주가는 바닥권이며 거래량은 증가
-거래량이 최저점을 기록한후 평균 거래량의 3배 이상 거래량이 증가할때의 경우인데 자취를 감추었던 매수세의 등장을 의미합니다.
-일반적으로 강한 세력이라면 거래량 바닥시점에서 거래량 증가 후 큰 거래량 없이 주가를 끌어올리게 됩니다.
-약한세력이라면 주가가 상승반전하면서 곧 매물화 되면서 거래량이 평균거래량에 비해 폭증하게 됩니다.

[빅셀의명]

1.주가는 급등중이며 거래량은 증가​

-주가가 장기 횡보장세를 마무리한 다음 급등하기 시작하면서 오히려 거래량이 증가하는 경우가 있습니다.

매물소화 측면에서 바람직해 보이지만, 오히려 급락의 위험은 거래량 없이 급등하는 주식보다 더 큰 것이 일반적입니다. 보통세력이 연속해서 양봉을 만들어 억지로 끌어올리면서 거래량이 증가하는 경우인데, 일반 개인투자가들이 반복적인 학습효과를 통해 따라오라고 유혹하는것이니 조심해야 합니다. 개인들이 매수세에 동참할 떄면 세력은 일시에 물량을 내던지곤 하기 때문에 급등중 거래량이 증가하는 종목에서는 최대한 단타로 접근하는것이 좋다고 생각합니다.


2.주가는 급등중이며 거래량이 감소

-세력은 강한 힘을 느끼게 해주는 경우입니다. 이미 물량 매집이 완료된 상태이기 떄문에 개인들의 매수 참여를 허락하지 않는 경우로 만들어 갑니다. 거래량이 터졌을 때는 매도 관점으로 보시면 됩니다.

[빅셀의명]

1.주가가 고점에서 거래량 증가

-고점에서 거래량 증가는 두가지 목적이 있습니다. 우선 이전 저가 매수자의 매도물량을 받으며 추가로 상승하려는 의도에서의 거래량 증가와 고점에서 팔아먹는 거래량 증가입니다.
고점에서 추가상승을 위한 거래량 증가는 대체로 전고점대를 지지하면서 고점을 상승 돌파 하는데, 우리가 흔히 얘기하는 눌림목이나 고가놀이 패턴이 여기에 해당합니다.
반면에 전고점대를 지지하지 못하는 상태에서 거래량이 증가하면 세력이 물량을 던지는 과정으로 해석하여 매도로 접근해야 합니다.

​
2.주가가 고점에서 거래량 감소

고점에서는 대체로 거래량이 증가해야 정석입니다. 고점은 그동안 주가를 끌어올렸던 세력이 대량의 물량을 파는 시점이기에 거래량이 증가하는 패턴을 보입니다. 고점에서 오히려 감소한다는 것은 세력이 일단 시장을 개인들에게 맡겨놓는다고 해석하는 편이 좋습니다. 물론 그 이전 고점 대량 거래 시점에서 세력이 물량을 털었을 가능성도 염두에 둬야 합니다. 주가가 저점을 지지하는지 아니면 거래량이 다시 급증하는지의 여부에 따라 상승 추세를 이저가느냐 하락추세 반전이냐로 판단할수 있습니다.

[빅셀의명]

1.주가가 고점에서 급락 거래량이 증가

-주가가 급등한 이후 고점을 찍고 급락하면서 거래량이 증가하는 경우는 대부분 주식에 대한 미래기대치가 높다는 것을 말합니다. 기대치가 높으니 급락을 해도 누군가 계속 매수를 하는 과정에서 거래량이 증가한다고 생각하면 됩니다. 그 기대치가 허상일 경우에는 첩첩산중으로 매물대가 쌓이는 결과를 가져옵니다. 거래량이 급증한 상태에서 저점을 차례로 낮춘다면 추가 상승 가능성은 희박한 편입니다.

2.주가가 고점에서 급락 거래량이 감소

-고점에서 이미 대량거래와 함께 음봉이 출현 상태라면 고점찍고 급락하면서 거래량은 감소하게 됩니다. 고점을 이미 확인한 상태이기 때문에 신규 매수세가 유입되지 않은 상태로 지속적인 투매매물로 거래량이 감소하는 것으로 이해하면 됩니다. 개인투자자가 주가되는 매수세 인지 세력이 주가되는 매수세인지 파악하는 것이 중요한 키포인트입니다.