※ 引述《peter308 (pete)》之銘言：
: 簡單講
: 股價的動力學模型應該本質上是一個PDE(偏微方方程)而非ODE(常微分方程)
: 時間序列看的就是股價怎麼隨著時間變化而已
上面的簡單講結論錯了，所以後面的研究都不會有什麼意義。
進股票市場首先要知道股票是什麼，先瞭解基本的規則再去做後續的研究，不可以
感覺自己好像是置身事外一樣，大錯特錯。
單一檔股票的走法，是盤面全部在看他的人，形成的動作，他們是交互影響的，
就像說為什麼有的股票一直很間挺地震盪往上拉到尾盤，到尾盤突然直線下殺到底，
我們可以從模擬得到這個結果，但完全沒意義，重點是形成這種走法的背後原因，它是
如何累積出來的？
我再說一次，要做AI，要研究股票價格的時間空間等要素，要先瞭解股票，不要當成
自己是局外人，那只是玩弄數據，到老一場空。
: 至於空間結構的那個部分則把它平均掉
: 我的想法是 結構空間不應該被平均掉，而是應該透過一個PDE的空間座標去描述
: 當然
: 要從第一原理或理論角度去建構出這樣的PDE 太困難了
: 但如果把原本的時間序列改成收集spatio-temporal 數據
: 再用機器學習去針對這個spatio-temporal 數據做超參數優化(模型訓練)呢?
: 有沒有可能提升股價預測上的準確度??
: 有沒有人實際做過?
: 或是有些想法的??
: 要不要討論看看??