金融衍生 - 筛选日内高频量化交易计数模型 第三部乙∙上（赢家黄氏江夏堂：🌟儒家秦孝公清君侧之商鞅变法）世袭制道教徒十二生肖秦人牧马，从满洲到星洲

#春秋战国 #诸子百家 #秦人牧马 #世袭制道教徒赢家黄氏江夏堂 #世袭制杏林林氏西河堂 #道家中科红旗高频量化对冲 #万般皆下品唯有读书高 #大秦赋 #ChineseEmpire #公元前B4Christ只有中文BC没有外文 #世袭制道教徒赢家黄氏江夏堂拯救亚洲人歼灭所有巫裔回教徒Anti_Islamic_Virus_and_NonHalal_Only_governance #中国政府南太平洋战略 #大葱回教堂商鞅变法Anti_Islamic_Virus #Only_NonHalal_can_Survive #古老的东方有一条河它的名字叫黄河 #古老的东方有一条江它的名字叫长江 #江夏堂 #西河堂 #黄河文明 #黄埔军校 #黄种人🎶 #农民🎶
印裔尽弃（祖籍印尼的巫裔回教徒和土著、祖籍印度乌裔回教徒和兴都教徒和土著，咱们华人都是世袭制道家姓氏堂号/生辰八字的黄河文明/赢家黄氏江夏堂黄埔军校/黄种人/华夏民族/十二生肖/秦人牧马/燕从京来），瓦釜雷鸣；
莫忘初衷，方得始终。

《🚩🇨🇳🔆🏹🌟👊🚀🦔大秦赋 - 黄埔军校赢家黄氏j江夏堂 - 中科红旗，高频量化对冲》

「大秦赋 - 借鉴黄河文明史」
秦国三杰，拯救亚洲；
歼灭印裔，取代美国。
秦灭六洲，一统天下；
莫忘初衷，方得始终。

注释：印裔是祖籍印尼和印度、回教徒和兴都教徒。

#春秋战国 #七大洲五大洋 #诸子百家 #鬼谷传奇 #世袭制道教徒学术份子 #秦国文臣三杰商鞅吕不韦李斯 #秦国China #洲学论 #关雎 #山海经 #军官与淑女 #关关雎鸠在河之洲是黄河文明
🚩🌟🦔赢家黄氏江夏堂，黄河文明、黄埔军校、黄种人嬴政之黄河文明拯救亚洲人，焚经坑乌（歼灭所有可兰经回教刑事法典断肢法的回教徒和吠陀经大宝森节屠妖节习俗文化的兴都教徒），功勋超过历代三黄五帝，建立道家、物理学、统筹法、运筹学、学术、金融、军事、易经、算卜、概率论与博弈论、黄种人世袭制道家民族主义，史称「秦始皇」
🚩🌟🦔杏林林氏西河堂，复兴中华杏林、金融、农业、武术、学术、道家、物理学、统筹法、运筹学、算卜、概率论与博弈论、易经世纪大革命
🚩🌟🦔商家苏氏阜阳堂，复兴华夏司法界、商业、农业、物理学、统筹法、运筹学、学术、治安、易经、算卜、概率论与博弈论、金融大革命
🚩🌟🦔道家肖氏远芳堂，复兴中华道家、十二生肖、天文历法、物理学、统筹法、运筹学、学术、算卜、概率论与博弈论、易经世纪大革命

🚩🇨🇳🏹🌟🦔量化对冲，中科红旗；一带一路，一统天下（兵马未动，粮草先行；人民币货币经济学，东亚中国司马错得蜀既得楚；歼灭东南亚所有回教徒和峇峇娘惹并攻占东南亚，尤其是四季仔的印尼回教徒外劳房客、阿塔的孟加拉回教徒外劳房客、瓜雪回教市政局柜台巫婆回教徒奴辱依杀、瓜雪回教土地局巫贼巫婆回教徒汪阿自杀和懦蛤仕蟆和法米仨、瓜雪回教警署巫贼巫婆回教徒、大港回教警署所有巫贼巫婆回教徒、瓜雪RHU（淮西派）花园加德士油站隔壁第三巷门牌卅二号边抽鼻涕边求命边膜拜边失心疯边自残自虐自杀的土司乩童刘瑾貹、瓜雪巴西不能帮门牌T十五号吱吱吾语的失心疯猥亵淫魔土司乩童张佳坤、瓜雪回教警署巫贼回教徒黑米哈山·殡·伊不拉心和马航日语组森美兰人黑米哈山。）、大港巴列特花园第十三巷门牌廿七廿九号土司乩童胖妈和卅一号李东海和李东梅和所有回教徒（尤其是回教徒公仆）和峇峇娘惹党羽、所有印裔（祖籍印尼包括土著和回教徒、祖籍印度的兴都教徒和回教徒包括土著）。

🚩🇨🇳🏹🌟🦔诸子百家：印裔回教徒尽弃，瓦釜雷鸣。儒学、墨学、法学、道学、兵法、阴阳学、佛学、哲学、运筹学、思想录、干支算筹、中华习俗文化宗教语言复兴、学术数学科学科技大秦赋

🚩🇨🇳🏹🌟🦔《大秦赋 - 🇨🇳关雎》
🚩🇨🇳🏹🌟🦔春秋战国，诸子百家；
🚩🇨🇳🏹🌟🦔左氏春秋，鬼谷传奇。
🚩🇨🇳🏹🌟🦔商鞅变法，道法兵家；
🚩🇨🇳🏹🌟🦔四面楚歌，焚经坑番。
🚩🇨🇳🏹🌟🦔一带一路，横跨七洲；
🚩🇨🇳🏹🌟🦔史无前例，一统天下。
🚩🇨🇳🏹🌟🦔高频量化，对冲基金；
🚩🇨🇳🏹🌟🦔只争朝夕，不负韶华。
🚩🇨🇳🏹🌟🦔学海无涯，唯勤是岸；
🚩🇨🇳🏹🌟🦔莫忘初衷，方得始终。
https://gitee.com/eglianhu

Author: englianhu

binary-Q1Inter-HFT-RV3E.Rmd

@@ -568,7 +568,7 @@ nameserver 114.114.114.114
 - [CSDN]()
 - [数学中国](http://www.mathchina.com/bbs)
 
-有天通过网上搜索到[迪克逊与克尔斯 一九九六（原文：Dixon & Coles 1996）](https://github.com/scibrokes/odds-modelling-and-testing-inefficiency-of-sports-bookmakers/blob/世博量化研究院/图书馆/DixonColes1996.pdf)阅读后就感到惊讶很专业（就像之前对日语班老师佩琪桑、安利传销经理、PAAC会计老师说过：“如果你那么厉害，会灵活应用就不会只是个夸夸其谈的门面功夫老师而已。”因为马克·迪克逊/马克·大顺在一九九四年左右，在当时落后的科技下每天记载报章上所有的赔率而非局部抽样，来回测再算卜预测。一九九八年创办自家[ATASS](https://www.atass-sports.co.uk)公司提供数句分析与高频量化对冲生意，该科研文献中的学者司徒·克尔斯就是在Shawn Lim伟雄的客户公司[精明赔率（原文：SmartOdds）](https://www.smartodds.co.uk)智能赔率中当高级主管，而精明赔率的创办人老板以前帮托尼·布伦打工，详情请查阅：[他不认同Moneyball，却靠数据在三重身份里都成了大神 | 颜强专栏](https://zhuanlan.zhihu.com/p/657802733)），然后再搜索估计一共储存了有好几百篇科研论文，每天像佐治·索罗斯和金牧·罗杰斯一样翻阅许多篇科研文献筛选最优最实用的科研文献和所有作者的背景包括在哪家公司工作。在数学中国论坛咨询并发送邮件联系坛主陆远鸿教授，陆教授好心回复并使用三四天时间依照[**Maher 1982](https://github.com/scibrokes/odds-modelling-and-testing-inefficiency-of-sports-bookmakers/blob/世博量化研究院/图书馆/Maher1982.pdf)论文中的数学公式编写个矩阵软件计数/机数分析给我。当时陆教授好像使用C#语言编程，只要导入一个文本矩阵数字，点击计算就能解析。（借鉴硅谷传奇史，比尔∙盖茨从研发MS-DOS磁盘操作系统到视窗Win操作系统，视窗Win操作系统的主打办公软件是由一位教授所编写而非比尔∙盖茨编写的。）陆教授是中国数学系领域十大著名教授之一，当时我还咨询陆教授怎么中国各大学校都没有一个统一的计数/机数软件来授教莘莘学子呢？如果每次都得各别编写个计数/机数软件给各别学生的话，教授不就很忙？然后也顺便咨询陆教授会不会R鄀计数/机数编程语言方便许多，当时我才刚开始自修R鄀计数/机数编程语言。愚生建立专业计数/机数学术论坛[](https://soccer.oksport)在友邦保险工作时期（当时自个儿到公司附近工商银行注册了储蓄户口）被中国公安局屏蔽后，之后就建立个个人随笔记事本记载[「文派」統計學に就いて](https://englianhu.wordpress.com/statistics)，寻觅个完善的计数/机数软件，然后开始自修R鄀计数/机数编程语言混《统计之都》的谢益辉——谢氏宝树堂同姓）
+有天通过网上搜索到[迪克逊与克尔斯 一九九六（原文：Dixon & Coles 1996）](https://github.com/scibrokes/odds-modelling-and-testing-inefficiency-of-sports-bookmakers/blob/世博量化研究院/图书馆/DixonColes1996.pdf)阅读后就感到惊讶很专业（就像之前对日语班老师佩琪桑、安利传销经理、PAAC会计老师说过：“如果你那么厉害，会灵活应用就不会只是个夸夸其谈的门面功夫老师而已。”因为马克·迪克逊/马克·大顺在一九九四年左右，在当时落后的科技下每天记载报章上所有的赔率而非局部抽样，来回测再算卜预测。一九九八年创办自家[ATASS](https://www.atass-sports.co.uk)公司提供数句分析与高频量化对冲生意，该科研文献中的学者司徒·克尔斯就是在Shawn Lim伟雄的客户公司[精明赔率（原文：SmartOdds）](https://www.smartodds.co.uk)智能赔率中当高级主管，而精明赔率的创办人老板以前帮托尼·布伦打工，详情请查阅：[他不认同Moneyball，却靠数据在三重身份里都成了大神](https://zhuanlan.zhihu.com/p/657802733)），然后再搜索估计一共储存了有好几百篇科研论文，每天像佐治·索罗斯和金牧·罗杰斯一样翻阅许多篇科研文献筛选最优最实用的科研文献和所有作者的背景包括在哪家公司工作。在数学中国论坛咨询并发送邮件联系坛主陆远鸿教授，陆教授好心回复并使用三四天时间依照[**Maher 1982](https://github.com/scibrokes/odds-modelling-and-testing-inefficiency-of-sports-bookmakers/blob/世博量化研究院/图书馆/Maher1982.pdf)论文中的数学公式编写个矩阵软件计数/机数分析给我。当时陆教授好像使用C#语言编程，只要导入一个文本矩阵数字，点击计算就能解析。（借鉴硅谷传奇史，比尔∙盖茨从研发MS-DOS磁盘操作系统到视窗Win操作系统，视窗Win操作系统的主打办公软件是由一位教授所编写而非比尔∙盖茨编写的。）陆教授是中国数学系领域十大著名教授之一，当时我还咨询陆教授怎么中国各大学校都没有一个统一的计数/机数软件来授教莘莘学子呢？如果每次都得各别编写个计数/机数软件给各别学生的话，教授不就很忙？然后也顺便咨询陆教授会不会R鄀计数/机数编程语言方便许多，当时我才刚开始自修R鄀计数/机数编程语言。愚生建立专业计数/机数学术论坛[](https://soccer.oksport)在友邦保险工作时期（当时自个儿到公司附近工商银行注册了储蓄户口）被中国公安局屏蔽后，之后就建立个个人随笔记事本记载[「文派」統計學に就いて](https://englianhu.wordpress.com/statistics)，寻觅个完善的计数/机数软件，然后开始自修R鄀计数/机数编程语言混《统计之都》的谢益辉——谢氏宝树堂同姓）
 
 ![*夸夸其谈，纸上谈兵*](诸子百家考工记/大顺农民皇帝闯王 - 夸夸其谈，纸上谈兵.png){width=400}
 
@@ -2248,7 +2248,7 @@ rm(日内指数平滑数据二零一八年一月总汇, 日内指数平滑数据
 - [**Forecasting: Principle & Practice** - *5.8 Evaluating point forecast accuracy*](https://otexts.com/fpp3/accuracy.html)
 - [**预测：方法与实践（第三版）** - *第五章第八节 评估预测精度*](https://otexts.com/fpp3cn)
 
-这儿使用`forecast`、`fable`、`fabletools`程序包，该程序包中的`accuracy()`[^8]函数和`report()`函数有使用**平均绝对比例误差（MASE）**来衡量更为精准的计数模型预测值。至于`stats`、`TSA`并无兼容`forecast`、`fable`、`fabletools`程序包，故此以`MAE`, `MAPE`, `RMSE`, `SMAPE`, `MSE`来评估。
+[赤池信息量准则](#赤池信息量准则)介绍`AIC`、`AICc`和`BIC`来评估计数/机数模型的精准度，这儿使用`forecast`、`fable`、`fabletools`程序包，该程序包中的`accuracy()`[^8]函数和`report()`函数有使用**平均绝对比例误差（MASE）**来衡量更为精准的计数模型预测值。至于`stats`、`TSA`并无兼容`forecast`、`fable`、`fabletools`程序包，故此以`MAE`, `MAPE`, `RMSE`, `SMAPE`, `MSE`来评估。
 
 [^8]: 预测：方法与实践（第三版）<br> - [**Forecasting: Principles and Practice (3rd ed)** - *5.8 Evaluating point forecast accuracy*](https://otexts.com/fpp3/accuracy.html)阐明评估预测精准度的计算公式。<br> - [**预测：方法与实践（第三版）** - *第五章第八节 评估预测精度*](https://otexts.com/fpp3cn)阐明评估预测精准度的计算公式。<br> - [「CSDN」选择正确的错误度量标准：MAPE与sMAPE的优缺点](https://blog.csdn.net/deephub/article/details/109483129)<br> - [「β站」康雁飞在线视频教程《预测：方法与实践》（第三版）](https://space.bilibili.com/624024421)
 
@@ -3558,20 +3558,20 @@ l_ply(list.apply(列表, paste, collapse = ', '), function(参数) paste0("as_ti
 
 ![*解秘文艺复兴科技 - 第五节：模型选择标准*](诸子百家考工记/解秘文艺复兴科技 - 第五节：模型选择标准.png)
 
-借鉴[「猫城」次元期权（binary.com）量化分析员/量化交易员面试题#第一题](https://github.com/englianhu/binary.com-interview-question?tab=readme-ov-file#第一题)中的`USDJPY`和七种国际主要货币并非抽样局部数据，以下赤池信息量准则分为`AIC`和`AICc`。
+借鉴[「猫城」次元期权（binary.com）量化分析员/量化交易员面试题#第一题](https://github.com/englianhu/binary.com-interview-question?tab=readme-ov-file#第一题)中的`USDJPY`和七种国际主要货币并非抽样局部数据，以下赤池信息量准则分为`AIC`、`AICc`和`BIC`。
 
 - `AIC`适用于全局数据。
 - `AICc`适用于局部数据。
-- `BIC`适用于比较少参数的数据。
-
-*注释：需要回测数据，才能为标准。不过目前都是以MASE来评估与衡量精准度。*
+- `BIC`适用于比较少参数的数据，请查阅上图。
 
+*注释：需要回测数据，才能为标准。不过目前都是以MASE来评估与衡量精准度，详情请查阅[精准度](#精准度)。*
 
+欲知更多关于赤池信息量准则文献与信息，请查阅：
 
 - [AIC vs AICc: Performance Comparison in Model Selection](https://github.com/angela-xu/aic-aicc-performance-comparison-in-model-selection)
 - [Time Decomposition and Short-Term Forecasting of Hydrometeorological Conditions in the South Baltic Coastal Zone of Poland](https://github.com/englianhu/binary.com-interview-question/blob/世博量化研究院/图书馆/Time%20Decomposition%20and%20Short-Term%20Forecasting%20of%20Hydrometeorological%20Conditions%20in%20the%20South%20Baltic%20Coastal%20Zone%20of%20Poland.pdf)
 - [The relative performance of AIC, AICC and BIC in
-the presence of unobserved heterogeneity]()
+the presence of unobserved heterogeneity](https://github.com/englianhu/binary.com-interview-question/blob/世博量化研究院/图书馆/The%20relative%20performance%20of%20AIC%2C%20AICC%20and%20BIC%20in%0Athe%20presence%20of%20unobserved%20heterogeneity.pdf)介绍`ICsims`鄀软件包，可以通过`install.package('Ipaper'); Ipaper::install_github('MarkJBrewer/ICsims')`或`install.package('devtools'); devtools::install_github('MarkJBrewer/ICsims')`安装。
 
 **设置最优赤池信息量准则为`ic = 'aic'`**
 
@@ -3893,17 +3893,7 @@ l_ply(list.apply(列表, paste, collapse = ', '), function(参数) paste0("as_ti
 
 *引用：[Sarimax model issue with `xreg`](https://stackoverflow.com/a/76269638/3806250)*
 
-> …
-> 
-> `auto.arima()`的函数参数可以对算法进行修正和改进。上述步骤是在默认参数下的过程。
-> 
-> 默认的步骤中采用了一些近似方法来加速搜索，可以设置参数`approximation=FALSE`不使用这些近似方法，可能会出现由于这些近似方法或逐步变量筛选（stepwise）而无法找到最小`AICc`的情况。如果设置参数`stepwise=FALSE`，会有更多的模型被搜索。所有参数的详细描述请查看帮助文档。
-> 
-> **选择自己的模型**
-> 
-> 如果你想自己选择模型，你可以使用R中的`Arima()`函数。R中的`arima()`函数也可以用来拟合ARIMA模型，但是它不适用于常数`c`存在的情况(除非`d=0`)，并且它和`forecast`包中的一些函数不兼容。最后，它的估计模型也不能被用于新数据集（新数据在检测预测准确率时非常有用）。因此我们强烈建议使用`Arima()`而不是`arima()`…
-
-*引用：[第八章第七节 在R鄀中建立ARIMA模型](https://otexts.com/fppcn/arima-r.html)*
+[精准度](#精准度)有说明*…如果你想自己选择模型，你可以使用R中的`Arima()`函数。R中的`arima()`函数也可以用来拟合ARIMA模型，但是它不适用于常数`c`存在的情况(除非`d=0`)，并且它和`forecast`包中的一些函数不兼容。最后，它的估计模型也不能被用于新数据集（新数据在检测预测准确率时非常有用）。因此我们强烈建议使用`Arima()`而不是`arima()`…*
 
 > I'm working with a time series of 59 elements. I'm wondering why the R function, Arima, throws an NaN for the standard errors of some parameters. I'm trying to model the residuals of a log-quadratic stational model:
 > ```