weixin_47150696的博客

可惜的是，chatgpt出现了，学了三年，写的小程序还不如它写的完美。以后编程的思路都需要改变了，有些具体问题可以让它写了。好在学了这三年python，知道如何问chatgpt编程的问题了。数学找到一个答案这仅仅算理论数学部分的一个总结，对于应用数学部分，未来还在试验中。涉及脉搏波、引力效应、场效应、股市等多方面，结果还早，但憧憬还在。依然还在研究数学，好在感觉对于研究了几年的四维全息算法这个类的算法模型现在可以总结了。三年前开始在此写第一篇文章，把自己研究思考数学的过程写下来，同时开始学python。

对四维全息算法的解读和总结

股市数据是具有分形迭代特征的随机游走，因此笔者采用10个傅立叶函数分解波作为其影响因素进行干涉共振的拟合。

在试图兼容博弈论方法与传统的决定性方法的努力中，笔者利用四维全息算法规定的特定均线来界定动态时空区间，从而寻找各种理论适用的“时空”范畴，发挥各种理论在各个时空区间的拟合优势。

四维全息算法的维度定义并非现有的维度定义，这里解释一下这种维度及维线的定义方式以及试图兼容各种算法的方式。

利用动态的特定四维全息均线来拟合角度线的曲率，以表达具有分形特征的混沌体系的特征。从而试图兼容博弈论与传统决定性理论方法的部分内容。区分随机、布朗运动、随机游走、分形迭代、混沌与时序曲线的异同。

一、为何会有这种多均线相似度比较的想法。1、在使用四维全息理论设置的特定均线的时候，会出现相同均线组合模式出现类似行情的情况。特别是时空共振点之后，更为相似。但是，这种相似是指四维全息标注的相似，而不是行情的几何形状的唯一、完全相似。检测一段行情与历史行情的相似，如果我们不基于趋势行情的直接的曲线图比较相似（这种方法利用python进行试验，结果并不理想），而是基于多组均线来比较相似，这更可行一些。而四维全息均线的特定设置，实际多组均线就相当于一个变动的标准尺，起到一个相对的标定、界定的作用。而所谓的

通过四维全息理论的基本均线的设置，我们会发现，股市的所谓随机有两种：小级别的随机；大级别的混沌，虽然这看似随机结果！这是分形混沌体系分数维超过3.6维的特征。由于笔者使用的是最简单的1/2分形，分叉理论已经计算出这种分形混沌的界限是3.6分数维。对于随机游走系统这种并不完全随机的系统，电子模型与其有共同点。基于特定的能量，在不同的轨道间迁移。而股市的能量就是成交量的力量。...

一、傅立叶变换分级的可视化找这个函数的可视化表达很久，终于在cdsn上找到这个帖子。感谢原作者的共享。茫然的哈士奇－－《python写傅里叶变换可视化》python写傅里叶变换可视化我们可以把这看成是十重钟摆的一种特定的运动方式的二维动态的描述。我未找到三重摆的运动可视化模型，可到网络上寻找相关动态图，以对比。笔者不清楚这里是否可以引用外网链接，所以不想自找麻烦。读者只好自己寻找一下，对比一下，这对于理解这个算法的原理很重要。因为笔者把股市拟合成一种特定的四重摆，而且还是具有“全息”特征的四重

均线表达的数据本质实际就是股价与时间的关联，单位时间估价的变化。如果我们把这种关联比喻为时空，结果会怎么样呢？这是笔者对于自然日情况下均线参数的四维全息的定义。这样定义的缘由是什么呢？是针对如下这样的数学拟合现实。这是用傅立叶函数分解的方式拟合的上证指数的一段行情。上图中的白线是自然日的36天均线。而下图中的红色的sin(x）与这条36均线对应。其中的曲线，使用了两阶分形：y＝sin(x)＋1/4sin(4x)＋1/16sin（16x）；相似程度不用解释了，目测可误差可接受。也就是一个与股市

《四维全息算法》第一讲－－波的标注四维全息算法，待你理解以后，也可简称为四行算法，比古代的五行小一个型号。如果你理解霍金所说的维度就是数学放大镜的意思，那么有助于理解这个理论。一、从古人的一波三折说起一个标准的正弦波，如果我们用线段的方式表达，且夹角使用60度这个特殊的角，就会产生一个标准的一波三折模型。这个数学游戏，可以从古人的圆、方数理一统谈起。我们并不需要图形重合，而需要这种基于各自标准的表达。圆与波是可以数学等效表达的，至少很多人这么认为。先假定也就是这样。这就是四维全息算法的理论