股票量化软件：赫兹量化中计算股票证券博弈的最优参数

概述

在之前的文章中，我阐述了产生价格动态的基本原理和隐含机制，这纯粹是理论性质的，甚至超出了观察到的界域（不过，这就是基础）。在本文和后续文章中，我将尝试为一门新的工程学科奠定基础（其中许多计算都具有评估性质），这将令用户能够从观察到的价格动态中得出实用的结论，并将其直接应用到交易。在本文中，我将讨论通常能够提供可持续盈利的工程方式和算法，以及那些可以达成最大平均利润的最优止盈和止损值的概率计算。

1. 模型。

在上一篇文章（第 2 部分）中，我获得了价格概率流的（II.3）方程（为简洁起见，从现在开始，文章《第 R 部分》中的（N）方程编号为（R.N），其中 R 为罗马数字）。这种以简化或可观察形式的概率流表达价格走势“上涨”和“下跌”的概率，或者更准确地说，它创造了这种概率。我们把这种概率实际评估的方式公式化。

在离散时间表示（基于柱线概念）中，当价格历史片段（开盘价、收盘价、最高价、或最低价）呈现为序列时（此处的计数顺序是为了让后续柱线的序号高于前一根柱线的序号），价格以离散步长移动。在大尺度上或在相当大的情况下，这令我们能够探讨这种价格跳跃的概率，评估价格走势上涨概率，譬如，其中 — 集合成员数量，或对于下跌 ，其中 — 成员的数量。同时，可以计算平均跳跃的持续时间

对应价格。在实际中，我们可以发现，由于随机游走，期间的混沌价格移动偏离了其当前平均值（由这样的概率定义）。偏离约为

（这由 Casual Channel 指标确认，其通道线，或距周期的移动平均线的偏差（1.2））。

显然，随机价格偏离的特征时间是的阶数的，其中是相应时间帧的临时柱线长度。如果价格随机移动按类似跳跃正好等于 ，我们将看到价格距平均值的相同偏差（1.2）。

因此，在此提供的简化模型中，我们将假设价格移动按类似的跳跃，其方向概率为 和 。

按上述方法计算出的跳跃，以及与前一个区间的整体相关的概率，即作为数值范围的平均值，而不是针对不同跳跃影响下形成的当前价格走势，最重要的是，还有尚未预测的 和 概率。

正如我在第 2 部分中提到的，传统的统计学方法及其数学装置不适用于由概率波叠加形成的价格动态，因为这样会有相当大的误差。因此，基于应用观测数据的分析，以及相应的概率和统计计算具有近似性质。

2. 实际判定先前的操作概率，并归一化价格速度。使用这些参数来计算未来价格分布的原理。

平均区间内价格走势的平均速度等于

并显示具有相应平均周期的移动平均变化率（其中是柱线索引），而不是某种速度波动。因此，平均速度是一个可实际计算的量值

将（2.1）等同于（2.2），我们得到一个经验判定的参数

我们称之为归一化价格速度，因为，而 。 很容易证明。事实上，例如，从（1.1）遵循不等式

(2.4)需要 配合（2.3）。我们也可以假设 ，且由于概率是 ，那么 。使用（2.3）及 去寻找概率

在价格区间上计算的 （2.5） 跳跃概率是区间的平均概率，并参与形成最终价格。因此，如果我们知道（在当前时刻提前知道 价格）这些平均概率，我们就可以预测未来时刻的价格，或更准确地说，是价格的概率分布。在比较价格图表和归一化速度（从和中计算得出）时，我们可以追踪它们的强相似性（通过它们的顶点位置重合），表明正是这个速度（更准确地说，与之相对应的概率）形成了当前价格。