花费了很多时间，经历了痛苦的反思，我终于比较完备地了解了趋势跟踪的概念：我有自己的交易系统，我机械地跟踪我的系统；我有自己的市场理念，并对此深信不疑；我已经接受止损，不再以单次交易“论英雄”；我知道片

　　1、最邻近算法 KNN方法的简单描述：KNN方法用于分类，其基本思想如下。我们已经有一些已知类型的数据，暂称其为训练集。当一个新数据（暂称其为测试集）进入的时候，开始跟训练集数据中的每个数据点求距离，

　　寻找一个适合自己的交易系统，是一个股民在成功路上最为耗时的工作。因为可供选择的系统实在太多了，每一种方法都需要一段时间的试用来证明是否合适自己，穷尽人的一生也没有办法把所有的交易系统试用完毕。那么该用

　　时间是个智慧的问题。刚高层次的投资者，能够明白时间的力量，并且善于借助它来进行自己的投资。空间是个视野的问题，大的视野，可以是横向的广度方向，也可以是纵向的深度方向。无论是任何形式的投资，注重的是一种

　　一、技术分析的理论基础： 金融市场的根本矛盾是多空之间的矛盾。   研究多空之间的实力对比现状以及未来可能的相互转换为主要研究内容。多空之间对市场未来走势的心理预期，体现其市场操作。故通过研究交易者目

　　关于时间框架的问题，在我的上一篇思考总结里面已经从手续费损失和提高盈亏比的角度建议大家选择大的时间框架。下面我想从市场操纵的角度再次谈谈这个问题，随便谈谈交易品种的选择问题。 我们知道，一个金融品种价

　　耐心 1.没有机会时空仓耐心等待。有着较长看盘经历的人应该有这个体会，那就是在一些局部情况下市场会存在较明显的有交易优势的机会，比如大周期下（日线或者周线）极端上涨后出现看跌形态、或者极端下跌后出现看

　　数据“爆炸”的时代，大数据常常被寄予厚望。到底，什么样的数据才算大数据，怎样才能用好大数据，传统统计学还有用武之地吗？清华大学统计学研究中心前不久成立，著名统计学家、哈佛大学终身教授刘军担任主任。日前

　　1. 前言 分类与回归树（Classification and Regression Trees, CART）是由四人帮Leo Breiman, Jerome Friedman, Richard Ol

　　1. 朴素贝叶斯算法 朴素贝叶斯分类器的主要思路：通过联合概率P(x,y)=P(x|y)P(y)建模，运用贝叶斯定理求解后验概率P(y|x)；将后验概率最大者对应的的类别作为预测类别。   分类方法

　　本文讨论的kNN算法是监督学习中分类方法的一种。所谓监督学习与非监督学习，是指训练数据是否有标注类别，若有则为监督学习，若否则为非监督学习。监督学习是根据输入数据（训练数据）学习一个模型，能对后来的输

　　1. 集成学习 集成学习（ensemble learning）通过组合多个基分类器（base classifier）来完成学习任务，颇有点“三个臭皮匠顶个诸葛亮”的意味。基分类器一般采用的是弱可学习（

　　1. 极大似然 极大似然（Maximum Likelihood）估计为用于已知模型的参数估计的统计学方法。比如，我们想了解抛硬币是正面（head）的概率分布θ；那么可以通过最大似然估计方法求得。假如我

　　1. 关联分析 关联分析是一类非常有用的数据挖掘方法，能从数据中挖掘出潜在的关联关系。比如，在著名的购物篮事务（market basket transactions）问题中，   关联分析则被用来找出

　　SVM（Support Vector Machines）是分类算法中应用广泛、效果不错的一类。《统计学习方法》对SVM的数学原理做了详细推导与论述，本文仅做整理。由简至繁SVM可分类为三类：线性可分（