《四维全息算法》第六讲－－随机、布朗运动、随机游走、混沌、分形混沌与时序拟合分析之间的关系

这几年随着对数学、物理学习、思考的深入，在头条上陆续写了一些有关数学拟合方面思考的文章。最终将所有思考汇总到四维全息算法这一个算法模型中。表达清楚这个算法似乎并不容易，因为兼容的内容太多了。
对于股市理论，百年前起步的传统股市理论是把股市作为一个决定性数学体系可以拟合的体系，那么才有何时何点的预测方面的追求。可是百年来，这个数学拟合的圣杯并无人摘取。偶尔的正确，并不代表数学体系性拟合意义的决定性的正确。
上世纪60年代开始，又产生博弈论。把股市基于随机基础进行思考，基于未来的不确定性前提，不预测未来，而是通过博弈的方式提高最大收益率。
如今两种理论体系并存，博弈论稍微占理论优势。
这不免又产生一个新问题，股市到底是决定性体系还是随机性体系呢？笔者的思考结果是股市是具有分形迭代特征的混沌体系。既有随机性，也有决定性，整体表现是混沌性，细节表现是分形迭代性。而且，在股市的随机性中还存在人为影响因素造成的结果，这与物理研究的随机还不同。

决定性与随机性之间的混沌性

解析几何方法在笛卡尔所处的时代开始完善，这是古代数学决定性方法的一个大集成。古人对随机往往采取忽略或者差不多的态度，重点研究的是决定性的结果。
到了欧拉所处的时代，开始产生数学的随机性理论。这个随机的概念，往往是基于绝对性的随机的表达。例如扔硬币、扔色子这种小问题。这是古人数学方法研究的弱项部分。
因此决定性与随机性就成了数学两种极端的表达方式。
但随着对随机的研究，随机性这个概念开始变得微妙、复杂起来。
热力学研究的布朗运动，是随机游走性质的，并不是绝对的随机，至少有一个步长的限制。我们至少知道，一定时间后，如果画一个圆，它不会超过哪里。这已经不是绝对的随机了，如果绝对随机，没有这个范围限制。
随后，数学产生了混沌体系、模糊体系的概念。
之后，在翁文波先生的《预测学》一书中，笔者又了解了随机游走的概念。
再之后，笔者了解了多重摆与傅立叶函数分级的拟合，这又是一种随机游走。
至上世纪70年，数学又产生分形分数维数学，而近几十年，迭代分形又成了数学的一个前沿重点。而分叉理论成为这个数学方向前沿的前沿。
这些系统都具有一类时序性特征，结果是混沌的，类似随机结果；但是其中有决定性方法可以拟合的因素，也就是存在部分决定性。
也就是在决定性与非决定性之间，存在一个随机游走的这种折中概念。而且，由于其分形以及迭代的不同，又会产生不同的混沌特征。
笔者基于上述数学发展的情况以及对物理天文学理论发展的学习，产生了四维全息算法的概念，这是基于分叉理论前提的，对分形迭代体系的再分形迭代的一个算法模型。暂时这方面的数学研究尚少。我能找到的资料有限，只能自己思考与摸索。
当我把这个模型在股市、天文学数据中试验检测的时候，发现存在一定的数学拟合特征。这也是笔者想把这个算法模型完善的原因。现在受困于编程，还望有原意合作者一起研究。

固定的尺与动态变化的尺

通常我们使用的尺都是静态的、固定刻度的尺。这样才能产生具有数学决定性意义的测量结果。
如果一把尺本身是兼容一定的固定规律，那么这把尺往往比较复杂，例如非等刻度的尺、江恩角度线等，或者有固定弯曲程度的尺。它也能产生决定性意义的测量结果。
现在再进一步，如果这把尺本身就是动态的，它有数学测量意义吗？
这会有两种结果：
1、如果它的变化动态适当，那么它能产生一定的相对性的比对测量意义。
2、如果它的变化动态不适当，测量结果将毫无意义。
而笔者的四维全息算法模型就相当于这种一把动态的尺，它是否有测量意义，就看它使用的动态规则是否适当。
为了解决具有分形迭代特征的混沌体系的描述问题，笔者想出来这样一种动态的尺。

随机漫步、随机游走（Random walk）

随机漫步(Random walk)是一种数学统计模型，它由一连串轨迹所组成。其中每一次都是随机的，它能用来表示不规则的变动形式。气体或液体中分子活动的轨迹等可作为随机漫步的模型。随机漫步已在许多领域中得到应用，如生态学，经济学，心理学，计算科学，物理学，化学和生物学等。

Random walk，也被翻译为随机游走。在拟合数学领域，如今得到广泛的应用。但是，对于随机漫步的数学本质，很少见讨论。甚至一些人将随机漫步理解为数学的绝对随机，这种理解是错误的。

在股市中，存在一种理论，就是基于股市的数据是数学随机的，从而产生了股市的博奕论。这种理论自上世纪60年代产生，在21世纪初相关内容的研究多次获得诺贝尔经济学奖。

这种理论与传统的具有决定论特征的股市理论（如江恩理论、波浪理论、三角洲理论等），在基本的出发点上，形成对立。由于这种基础的立论不同，导致博奕论的方法在与传统理论的方法衔接和兼容时候，形成麻烦，不容易兼容。

对于随机性系统，未来是不可预测的，也就是博奕论认为未来不可唯一性的准确预测；而自上世纪初产生的诸多具有决定性论特征的股市理论，追求的最大理想之一就是预测未来，而且也在验证中预测正确了一部分。坦率地说，最大化的盈利是两类理论共同的最高理想。这一点上没有区别。

巴菲特是典型的传统理论的拥护者，对于博奕论表达了王者般的不屑。在西方理论界，理论的争议是正常的事情。国内的这种理论争议很少见，通常是一边倒的坚信或者崇拜，倒是“民科”才跳出来找一些理论的麻烦。

那么，股市的数据是否就是数学意义的绝对随机的呢？我们先讨论随机与随机漫步的不同。

随机的几何（可视化）表达特征

利用现代的软件，拟合出一套随机或者随机游走的数列是个简单的过程。笔者使用python3.4，winxp进行模拟。为方便验证，源码列出来。

为了表达数列的顺序特征，我们采取将随机数据作为y轴，时间作为x轴的直角坐标系的方法。（强调：这里的时间是序列意义，暂时不是时间轴的意义。尽管笔者的《四维数学股市拟合理论》中将时间坐标轴同时当时间轴（ict）和时间使用。以表达股市的数据具有的分形混沌、酷似四维时空特征以及混沌坐标系与笛卡尔坐标系的区别。）

python中有random这个随机函数，可以产生随机数。

import matplotlib.pyplot as plt

from numpy.random import randn

plt.plot(randn(1000))

plt.show()

每运行一次这个小程序，都会产生不同的时序性的随机数字的序列组合。

以上就是随机数据产生的图形，特征很明显，就是混乱、无序。与股市的数据几乎没有任何的数学拟合意义相似度。

那么，股市的数据是绝对随机的论点如何产生的？

随机漫步的几何（可视化）表达特征

import matplotlib.pyplot as plt

from numpy.random import randn

plt.plot(randn(1000).cumsum())

plt.show()

运行之后，随机产生如下图形：

由于是随机漫步，每运行一次，都会出现不同的几何形态，但是已经“酷似”股市的数据了。“酷似”加引号的原因在于，还有更酷似的基于决定性论方法的拟合数学方案。这种随机漫步的结果，仅仅拟合了部分股市数据的特征，而且每次运行程序都不同，这就是数学的麻烦。

详见：《葛兰维均线的数学拟合原理－－傅立叶函数的分解的应用》

也就是股市的数据不仅仅具有这种随机漫步的特征，而且还具有一些决定性论的特征，在这一方面，博弈论的基础拟合方式上并没有表达出来。

这两组小程序，区别仅仅在于一个cumsum()函数。

cumsum()函数

简单说，cumsum函数通常用于计算一个数组各行的累加值。

那么，增加这一个函数，随机混乱的数据就具有了与股市数据“酷似”的特征。这意味着，哪怕在每一个数据随机的前提下，越来越多的数据正在表现出一种酷似不随机的特征。原因仅仅在于这个累加的因素。

决定论的理论描述是：“历史影响未来”－－江恩理论。但是这是否有决定性，博弈论肯定不同意。

这些数据似乎正在从无序变得向有序趋近（笔者并未说变得有序）。博弈论抓住了随机的特征，而传统的具有决定性论调的理论，在试图抓住“这种向有序趋近”的特征。

而这个累加，在股市中，实际起到的作用类似均线的作用。也就是均线在表达这种向有序趋近的特征。

在股市中，这种向有序趋近的数据特征是由于分形造成的混沌系统的结果，这在上世纪70年代分形数学产生以后已经定量化论证。而股市的分形特征，传统的理论多有描述。在这一点上，博弈论由于侧重的随机数学方法的原因，暂时没有兼容、不容易兼容这部分的关键数学拟合特征。

博弈论与有决定性韵味的传统理论的方法的兼容

从这两组可视化图表的比较来看，博弈论的随机性理论基础是股市数据的一个侧面，而传统理论的决定性论调，尽管并不十分切合实际，但是也在逼近另一个数据特征的侧面。

也就是基于数学拟合而言，如果能兼容博弈论和传统理论的数学拟合方法，才会更加逼近股市的现实。

博弈论的方法有高射炮打蚊子之嫌，随机漫步并非绝对意义的数学随机，其中包含了一些混沌数学、分形数学的特征，同时也包含了基于前提条件的有限的决定论特征。这个前提条件笔者的观点是：在基础条件（规律）未发生改变之前。而面对预测，谁能保证这个基础条件的确立，这又是一个头疼的数学拟合问题。

因此在现代的股市解读中，我们可以看到分析师在利用传统股市理论解读股市数据的时候，通常要加一个“如果”，如果怎么样，可能会怎么样。这样解读有两个特征：

一、如果的意思是假设条件（规律）并未改变；

二、可能会怎么样的意思是这个预测结果是概率性的。这是博弈论的思路。

在国内用博奕论方法解读股市、应用于股市的分析师，见到的并不多。通常还处于方法的学习和论文层面。

而信誓旦旦说明天会怎么样的，笔者就不说了，至少数学暂时、现在还做不到这个拟合和预测。

在随机漫步的数学方法的应用过程中，出现了利用可公度性这种决定论方式来进行预测的方法，这实际就是在寻找规律性特征。例如翁文波先生在《预测学》中对地震的预测，存在高概率性成功的例子。徐小明先生也利用可公度性的方法，测算了月度级别上证指数的重要顶底（有误差）。

兼容传统理论的方法，特别是有关分形方面的方法的博奕论，似乎会更高效、简洁一些。以避免由于数据的庞大、方法的复杂造成的对于硬件的过度依赖。

这个数学拟合方向的探讨，笔者也是刚刚起步，数学拟合之路还长，而并不是我们已经发现了股市数学的真谛或者奥秘、法则之类的。通常这样说的，这是西方泛神论方式写理论的方法，唯物论并不支持这种理论表达方式。

有谁不服气数学的这个暂时的结果，就说说明天股市的开盘价、最高价、最低价、收盘价，如果你正确了，数学就更脑袋疼了。混沌难道变得不混沌了？

随机

欧拉所在的时期，数学才开始研究随机系统的数学性表达。

而古代数理对于随机的解读往往是通过差不多、混沌、模棱两可地说来解决。例如古人数理表达方式的“十之八九”，这实际是数学性的概率性表达。

对于随机系统，也就是不能直接线性拟合的系统，或者说非决定性系统。我们不可能唯一性地准确知道下一次的随机结果是什么。时序在这个系统中并不产生影响，也就是结果与次序无关。

例如随机的整数序列，把每一次的结果用次数（x)、数值（y）这个坐标轴来表达，结果是一条任意摆动的线。这个“任意”没有步长限制。也就是这次是800，下一次是256478996，再下一次是-234222652489321418，这是很正常的随机系统的结果。

这才是纯粹、理想化、数学化表达的随机系统。

有限的随机：

这种“有限的随机”，通常也被简称为随机。最典型的例子就是扔色子。这种系统与上述随机的定义的不同就在于－－范围的有限性。例如色子的最大数字是6，最小数字是1，那么，扔色子的最大范围就是1-6。

在应用数学讨论中，这种有限的随机是通常被使用的。

现有的理论通常认为这种有限的随机，每个数字出现的概率是相同的。但是，在实际中，会出现两个极端的极大、极小数字统计结果出现的概率偏少的情况，笔者尚不清楚，是理论本身问题还是统计结果出了问题。这是概率学的根基问题，兹事体大，笔者也不敢冒然否定，仅仅是存有疑虑。

布朗运动

这是物理化学热力学研究分子热运动状态的一种表达。

例如一杯水中的一滴墨水分子的运动。墨水会因分子运动产生相对于水这个整体的无序的运动，最终将水杯中的水全部变为墨水的颜色。这个运动的过程，被称为布朗运动。

这是数学性的绝对随机系统吗？并不是！对于每个分子而言，它的运动方向、速度是随机性的，但是这个系统多了两个隐含的限制，也就是步长和时序。

一个分子的运动，由于分子之间的碰撞以及水的阻力，不可能速度随机性地忽然达到无限大，它的步长虽然数值上随机，但是会在统计学意义的一个范围之内。

另外，它有时序。也就是说一个分子每走一步，它的位置都是迭代性质的，基于这一步走下一步。

这就是布朗运动系统与随机系统的数学性区别。

随机游走（随机漫步）

随机游走，有时候也被翻译为随机漫步。

随机游走，可以是与布朗运动一样的系统，也可以不是。

当“随机”加上“游走”这个限制，实际是给随机系统加上了步长的限制，隐含地加上了时序的限制。

一个系统，如果由于时间这个矢量变量的限制，不会出现反向时间坐标轴的运动，这个系统就不是通常的布朗运动了，而是特定的有时间矢量方向的布朗运动。（当然，在四维时空系统中，时间轴ict实数化表达为ct是可以弯曲的，这个需要另外考虑。）这样的表达结果通常是一条有波幅限制的波动性的时序曲线。

例如地震、天气、台风、股市等的预测。

产生随机游走结果的本质机理可以不知道、不明确，但是数学拟合结果上可利用。现在数学的研究重点之一在这方面。

对于具有分形特征的混沌系统，这方面的研究更多一些。

时序系统

时序系统，是与上述数学拟合方法并不同的另外一种分类，它的特征重点是x轴是时间这个坐标轴或者x轴是序列号意义的坐标轴。且重点是“序”这个字，也就是数列不能反向顺序表达的体系。

时序系统的表达方式就是x轴为t或序列，y轴是数值结果。这种简单表达方式，可以理解为“只描述一个事实，不带有任何感情色彩”。因为复杂的时序曲线不能直观、直接表达线性规律。

由于表达的简单性，例如用时间、路程组成坐标系，这也是时序坐标系。假设匀速运动就会出现一条标准的斜线，规律明显。这种情况是线性数学的结果，并不是现代时序分析关注的系统。现代时序分析，关注的是找不到简单时序函数规律的系统。

这又得区分三种情况：

一种是这个时序系统有线性规律，尽管复杂一些。例如能够找到一个复杂的线性拟合方程。这种系统的预测结果有决定性。

另一种就是这个时序虽然是非线性系统，但是可以找到分形吸引子的函数。这种也算有答案了，仅仅是预测结果无决定性。

还有一种就是时序随机系统。非线性系统，无分形吸引子函数。这种系统的预测结果毫无准确数学意义。

因此，现在重点研究的时序系统，实际是证明一个系统看似随机，但是实际是分形造成的混沌，有部分规律性的信息在里面。当然，这个数学拟合结果需要实践检验，而非数学或数学方法主观臆定。实证物理出现验证瓶颈问题，实际就是这种问题。

现在常见到的应用数学错误是：搞定了一个时序拟合函数，或者发现一个分形函数，就以为可以准确、唯一性地预测未来了。这对于分形混沌系统和随机系统都是无稽之谈。

时序性的随机游走系统，如果发现线性函数或者分形函数特征，这才是有数学拟合意义发现的第一步。但是，对于并不明确线性函数、分形函数特征的时序性随机游走系统，如果发现结果具有某种数学性的规律性，这可能反向表达：这个系统可能具有某种分形特征。

机械分形、迭代分形、跨维分形、分形混沌

这方面能够看到的资料并不多，笔者的看法如下（待验证）：

在同一个维度内的有明确分形函数的分形，这种通常是机械分形。例如古代的八卦兼容的简单1/2分形，以及康托三分集、门杰海绵等。这种分形，只要观察尺度足够精细，不会混沌。

在同一维度内的有迭代分形函数的分形或者不同维度的分形，这种针对每个、每阶分形有明显相似几何特征，但是总体是看似无规则的、混沌的。例如树的分叉。这种分形，笔者的理解就是少分析了一个或多个参与影响因素的结果。例如树的分形，就是少分析了一个分叉的水平旋转角度问题。

跨维分形，这种，现在没有这种提法。实际上，解析几何方法的坐标系分形就是这种分形。一条一维的线段，在二维中是一条平面上的斜线，在三维是立体中的一条斜线，在四维时空体系中是一条弯曲的曲线。那么解析几何方法的分形吸引子是什么？勾股定理的迭代变形：（x^2+y2＋z^{2－（ict）}2＝0。由此才产生的四维时空这种数学方法。而四维超体并不符合这种几何规律性的递进，因此四维超体并无三维几何的几何决定性特征。

这种特殊的分形，还导致了上世纪90年代产生的另外一个数学分支，分叉理论。如果分叉是1/2的分形，在1-3.6分数维之间是机械分形，而在3.6分数维以后陷入混沌。这种分形最难理解。而老子的三生万物是否说的是这种分叉理论才是最纠结的，因为他利用的数理就是1/2分形。

笔者对此依然还有疑惑，因为可见的这方面的数学研究资料很少。谁能突破这个前端，不仅仅是帮笔者解惑，也会是站在数学分支理论之一的一个最前端了。

笔者认为跨维分形都具有分叉理论的特征。基于这种判断，笔者拟合了太阳系和我们所处的这个总时空的数据。现代总时空的大尺度观察结果体现出来的均一性，可以由这个理由解释。也就是四维时空陷入混沌的维数是3.6-3.7之间。当我们处在这个特定维数来观察远端，就会在反向1的位置观察到奇点，在正向3.7－4.0附近观察到黑洞。而反向向下观察，在1的位置观察到夸克，弦已在向下混沌的范围，所以无法观察到。

分形不见得一定导致混沌结果，存在机械分形，但是特定的分形，特别是跨维度分形、少分析一个或多个影响因素的分形，会产生混沌结果。

复杂的综合体系的数学拟合

数学拟合研究，为了方法的简便以及明了，往往通常是研究主要因素或主要影响。但是，现在假设有一个体系是随机性、分形性、混沌性、决定性因素都存在的复杂体系，如何表达？至少大尺度星系体系以及股市笔者认为是这样的复杂体系。

而星系体系是自然性的结果；股市体系比它还复杂一点，还多了一个人为影响因素这个可以随机可以不随机的特殊特征。星系是没有人为因素的结果，而股市必须有人为因素。

笔者的四维全息模型对这种股市情况的数学拟合会产生如下推导结果：在4.5天以下，随机性占主导。人为影响的意义是四两拨千斤；在4.5-约2304个自然日范畴，决定性是占主导的，但是人为因素可起到改变决定性的作用，古代说的人定胜天；超过2304天，陷入混沌状态或者反转状态或者改变级别的状态，解释要复杂一些了。以上说的是均线自然日数据，对应时间约是3天，960天（交易日）。当然，这是普通交易级别的考虑。

西方百年前产生的股市理论大多都是重点研究股市决定性特征的，上世纪60年代之后，产生博弈论，又把重点放在了随机游走（细节的分笔交易才有绝对意义的随机）特征上，都是片面性的盲人摸象一般的理论。两种“对立”理论的基础以及方法不能兼容。笔者正试探用数学方法兼容这两类理论。用模糊的近似的时空区域代替准确点，以兼容随机游走的混沌特征和股市的部分决定性特征。四维全息模型，是对假设主要有四个具有分形特征的影响因素相互影响的动态模型的近似表达。

而五行体系，是对五个有分形特征的动态体系的拟合。且在中医数理应用中，不仅要考虑这种体系的自然规律性，也要考虑人为影响因素性。更为复杂一些。鉴于一元五次方程无公式解，这是五因素静态的表达结果，那么五行数理的公式解可能就是没有，只能分别考虑特殊性、简化体系。例如像考虑n体问题的三体问题中简化的假设一个星体是质点，且在一个平面上，才有拉格朗日的五个精确区域。

对于1/2分叉，分叉理论认为在3.6分数维就陷入混沌。要留神3.6维之后的数理解释，不要陷入数理玄学。

以上是笔者的思考结果，数学待验证。四维全息分形，在3.6分数维附近已经陷入混沌。五行陷入混沌的表达，古人利用了天这个一统的含糊概念。陷入混沌之前的分形分数维准确是多少，这是数学待解决的问题。因为五行的分形不是简单的1/2，而是几千分之一这种级数的分形。

数学性表达五行数理中的数，路还远，还长，数学现在并不敢造次，笔者也仅仅是在探索这个研究方向。

数学意义的混沌与随机并不相同。

数学的混沌与数理文化的混沌并不相同。数理文化中的混沌，包括随机性、布朗运动系统、随机游走系统等无法准确线性拟合的系统。

而数学的混沌现在通常指具有一定分形特征，并产生了类似随机、布朗运动结果的一个系统。上世纪70年代产生分形数学这种方法以后，数学现在重点研究的是这一类系统中的分形函数和分形分数维。

如果这种混沌系统找不到分形函数（分形吸引子），那么这种系统无法线性拟合；而利用分形分数维的数学本质解决的是这种具有差不多分形吸引子特征的系统的含糊近似表达。

也就是数学的混沌，现在重点是找有一个或多个分形吸引子，或者近似分形特征的有随机游走结果一样特征的这类系统。从这种结果的不确定性中找到有限的数学拟合确定性、决定性。

随机游走的现代拟合方式

学习博弈论的，或者利用随机游走探讨股市数据的，通常会用以下方式来拟合股市。我们用程序来表达一下：

#winxp，python3.4

#随机游走

import matplotlib.pyplot as plt

import numpy as np

nwalks = 1

nsteps = 2000000

draws = np.random.randint(0, 2, size=(nwalks, nsteps)) # 0 or 1

steps = np.where(draws > 0, 1, -1)

walks = steps.cumsum(1)

fig = plt.figure()

ax = fig.add_subplot(111)

for i in range(nwalks):

ax.plot(walks[i])

plt.show()

结果如下图：

没有概率数学，可否拟合随机游走

近代100年前，在数学拟合方法上的一个另类分支，就是江恩使用的方法，他是继承古典决定性数学方法和思路的一个人。他试图用基于决定性的数学方法来解读类似上述的特征曲线的特征。也就是说，他的方法是基于古人决定性思路一致的方法。当然，他是一位集古人数理思路的大成者之一。

我们继续上述随机游走的拟合探讨。

一条曲线看不出整体特征，那么画10条如何。

将nwalks = 1改为nwalks = 10。（我也没办法，再增加一些效果会更好，但是我的电脑会罢工。）

我们可以看到喇叭口扩大的一个整体趋势。当然，概率学的近似拟合结果用t＝y^2来表达这个大致的范围。我们先了解这个结论。

现在没有概率数学基础，如何表达这个范围？

这就是江恩的方法，江恩的角度线。江恩发表的文章中未见到他对概率数学的讨论，也未见到他对爱因斯坦的相对论的讨论，但是，他用时间等于空间来描述这种表达现象。这实际上也是角度线可以近似应用于这种范围性的拟合的理论基础。同时在特定的位置，y＝x与y^2=x有交叉点。这个特定点被说成正方、1:1、共振点等。而江恩研究过中国古代的周易以及24节气的数理。

也就是利用决定性的数学方法，对于这种特定的随机游走也会产生基于范围的一种拟合界定。在数据的小范围，例如2000000这个范围，两种方法的结论都是近似。当数据进一步扩大的时候，博弈论的结论更精确一些。而一般的电脑，数据再扩大，也会罢工。这个范围数字仅仅说明了一种趋势。
而笔者的四维全息模型将这些直线变为特定的曲线，均线来拟合。

探讨这段拟合程序的细节

这段程序的拟合步长是基于1和－1的，也就是基于时间顺序，基于迭代基础，每个时间点之间的步伐是一致的，但是方向随机。

这并不是绝对的随机，因为有步长限制、时序限制、迭代限制。这可以比喻为步长固定、有时序限制的随机漫步。

这也不是绝对意义的布朗运动的拟合。假设布朗运动的步长也是固定的1，这可以理解为有现代时序意义的布朗运动。现代时序意义，是基于一维的定义是点动成线就是一维，那么时间一维坐标轴可以是连续的曲线，这样就可以表达布朗运动了。如果时间可以用这种曲线表达，相对论的时间轴，也可以这样直接实数化的表达弯曲时空效应。

当然，传统的时间定义是刚性、矢量、等刻度、直线的。我们先不把时间的基础概念打乱。不利用现代意义的时间轴或者相对时间、弯曲时间轴线的概念。

当然，步长设定为标准的1，是为了简化数学模型。这样，假设步长小有差异，例如0.58，1.35，这都近似为1。这会使拟合问题简化。

那么，步长为1的随机漫步的这种表达，是否适合股市的定量计算呢？

笔者的思考是，并不适合。步长设定为1/2更接近。因为我们还需要考虑一个分形的特征。而这个分形，可以用最简化的1/2来替代。

也就是0.618、0.809或者0.382都近似为0.5，这依然是相对含糊的简化设定，但是，结果会更近似一些。理想的拟合步长设置应该是一个可变的区间范围，建议步长随机在0.382－0.618之间，至于0.809忽略掉了。

上述程序中的steps = np.where(draws > 0, 1, -1)改为steps = np.where(draws > 0, 0.5, -0.5)，图如下：

每次运行，都会有不同的结果。但是总体趋势我们可以依然利用上述江恩角度线的方法进行界定，会有更为接近的结果。具体数据，读者可以自行继续研究。或者参考笔者的四维角度尺方式。

在mt4软件中，有一种弧线式样的现代角度线，实际是借鉴了江恩角度线理论以及博奕论中正态分布范围的理论的综合结果。

时间是连续的，那么实数意义的时空也是连续的。而角度线是对实数时空范围的综合近似拟合。当节假日的时候，股价不变，时间依然在运行，那么时空依然在运行。因此角度线的使用建议在自然日状态下使用，更接近理论拟合目的。

现在还没有趋势行情软件具有分钟级别的自然日数据功能（笔者用修改软件公式的方法完成了这种方式的使用），那么，在分钟级别使用角度线的方法本身就是错误的，体现不出来角度线的拟合意义。

这样探讨的结论就是：在一定数量范围内，利用角度线方法，也可近似拟合具有分形特征的随机游走现象的正态分布峰值的大致范围的界定，而不使用概率数学的方法。而笔者的角度线是特定的动态的、时序性弯曲的均线来表达。