主题：盛邀dianslm就技术分析理论进行PK

搞算法技术的人是不少，不过绝大多数都是外行，研究浮在表面，无法深入

 

请问 kinglong 是少数的内行人士么？ 说说你的研究有那些成果，展示一下吧，空说没有意义，

 

这里是实力说话，或者模型实力、或者马“前”炮的预测实力、或者实盘实力。

实际上我是专业做数学模型的，解决下面这种问题的数学模型

 

数学建模 难度级别

下面这道题目可以区分数学建模难度级别：
共有三个问题需要解答，封闭考试，只有一台电脑，电脑中配有MATLAB、C++系统，以及函数说明书，
可以带MATLAB使用说明书、慨率教科书、最优化教科书，其它书不得带入。

那么三个问题的难度为：
1、第一问3天内正确解答出来符合要求
2、第二问9天内正确解答出来符合要求
3、第三问6天内正确解答出来符合要求

三个问题合计18天内须全部正确解答出来
---------------------------------------------------

题目：

    一道工序用自动化车床连续加工某种零件，由于刀具损坏等原因该工序会出现故障，其中刀具损坏故障占95%, 其它故障仅占5%。工序出现故障是完全随机的, 假定在生产任一零件时出现故障的机会均相同。工作人员通过检查零件来确定工序是否出现故障。现积累有100次刀具故障记录，故障出现时该刀具完成的零件数如附表。现计划在刀具加工一定件数后定期更换新刀具。

已知生产工序的费用参数如下：
故障时产出的零件损失费用 f=200元/件；
进行检查的费用 t=10元/次；
发现故障进行调节使恢复正常的平均费用 d=3000元/次(包括刀具费)；
未发现故障时更换一把新刀具的费用 k=1000元/次。

1)假定工序故障时产出的零件均为不合格品，正常时产出的零件均为合格品, 试对该工序设计效益最好的检查间隔（生产多少零件检查一次）和刀具更换策略。

2)如果该工序正常时产出的零件不全是合格品，有2%为不合格品；而工序故障时产出的零件有40%为合格品，60%为不合格品。工序正常而误认有故障仃机产生的损失费用为1500元/次。对该工序设计效益最好的检查间隔和刀具更换策略。

3）在2)的情况, 可否改进检查方式获得更高的效益。

　
附:100次刀具故障记录(完成的零件数)
  
459 362 624 542 509 584 433 748 815 505
612 452 434 982 640 742 565 706 593 680
926 653 164 487 734 608 428 1153 593 844
527 552 513 781 474 388 824 538 862 659
775 859 755 649 697 515 628 954 771 609
402 960 885 610 292 837 473 677 358 638
699 634 555 570 84 416 606 1062 484 120
447 654 564 339 280 246 687 539 790 581
621 724 531 512 577 496 468 499 544 645
764 558 378 765 666 763 217 715 310 851

kinglong 的研究只是实现模型的具体计算，并不是专业研究数学模型，

 

而股票期货“市场规律”研究，属于“数学模型”研究，其模型的具体计算对于我们来讲也没有难度，

 

所以kinglong 正常情况下，是没有可能搞出反应市场规律“高精尖”的数学模型，

 

如果你不信，不妨做做上面我给出的那道题，看看你的数学建模实力，你只作“第一问”吧

解决实际问题的“数学模型”步骤：

 

1、提出问题

 

2、建立数学模型

 

3、模型求解计算（使用算法技术）

 

4、模型检验

 

5、以上过程多次反复

 

6、得到满意解答，给出规律，指导实践

 

 

 

这是个二元变量的数学模型最优求解法，其实简单的采用穷举法，复杂的采用遗传算法就可以得到最优解

求解问题的前提是“首先要有数学模型”，

 

“穷举法、遗传算法” 仅仅是“算法技术”，kinglong 的研究就是“算法技术”，

 

通常“算法技术”相对于“构建数学模型”要简单得多，

 

如果你连问题的“数学模型”都没有，你怎么去使用“算法技术”？

 

我们在解决实际问题中，对于“算法技术”就不怎么去关心，因为它对于我们来讲没有难度，

 

我们的注意力在于“提出问题、构建数学模型”这两个环节，

 

其中构建数学模型要求尽量“精准”，符合“精度”要求。

 

从 kinglong 的言谈中，我们就知道“他还没有搞清楚状态”

 

即他就不清楚“我们该怎样来研究这个市场” 

程序化交易是交易，数学，软件三位一体的，你站在哪个角度看问题，就会有什么样的思路，你们都站在数学的角度看问题，自然要追求精确的波段顶底，而我更愿意站在交易的角度去审视程序化模型，你们追求的是精确的研究市场，找到完美的进场点，而我更关心的是如果制定最合理的资金管理策略和出场策略，在保护本金的前提下尽可能的挣最多的钱。

从交易的角度看问题来看待追求精确波段顶底的模型，一般有几个问题：金融市场的波段顶底都是风险回报比最好的进场点吗？如果是，如何证明，如果不是，那么最好的进场点在哪里？同一个模型，如果交易的周期和品种不是唯一的，在有限的资金下如果分配才能达到最大收益？在一个模型有正期望的情况下，如何加仓才能在同等风险下获取最大收益？ 类似上面的问题，我想是从交易角度出发和从数学角度出发完全不同的思路，我认为数学只是程序化的工具，交易才是程序化的本质。

1、程序化交易是交易，数学，软件三位一体的
-----OK,不过有主次之分

 

2、你站在哪个角度看问题，就会有什么样的思路
------OK

 

3、你们都站在数学的角度看问题，自然要追求精确的波段顶底
-----追求精确是人类的本能，当然不得已时只能降低要求

 

4、而我更愿意站在交易的角度去审视程序化模型，你们追求的是精确的研究市场，找到完美的进场点
-----两者不矛盾

 

5、而我更关心的是如果制定最合理的资金管理策略和出场策略，在保护本金的前提下尽可能的挣最多的钱
------这本质上也是数学问题，只是由于问题复杂，我们水平不够，无法精确描述它，不得已靠主观经验来判断，主观经验可靠么？

6、从交易的角度看问题来看待追求精确波段顶底的模型，一般有几个问题：金融市场的波段顶底都是风险回报比最好的进场点吗？如果是，如何证明？
------显然的问题，不用证明，核心是你的“顶与底”的技术可靠性如何

 

7、如果不是，那么最好的进场点在哪里？
------由于随机市场我们无法做到正确率的“100%”，所以对于正确率不同的策略，“最好的进场点”会有不同

 

8、同一个模型，如果交易的周期和品种不是唯一的，在有限的资金下如果分配才能达到最大收益？
------这本质上也是数学问题，不过难度更高，简单一些的问题都没有搞清楚，你能保证更复杂的问题你能搞清楚？

 

9、在一个模型有正期望的情况下，如何加仓才能在同等风险下获取最大收益？
------回答同上一个问题，即“8”的回答

 

10、类似上面的问题，从交易角度出发和从数学角度出发完全不同的思路，我认为数学只是程序化的工具，交易才是程序化的本质。
------双方不矛盾，搞清楚了“市场规律”，能大大的促进交易策略水平的提升，否则.....