我在私下曾把思路发给了几位朋友看，想让朋友看看能不能优化，

　　后来一想，不如让大家一起看看，看有无优化的价值，所以我把

　　思路和源码一起写上，公式写的不好，大家不要笑话啊！

　　呵呵！

　　地狱美人朋友，如果你要改大智慧，这有可以用：

　　MA5：=MA(C，5)；

　　PI：LN(MA5+1/MA5)，LINETHICK2；

　　PP：HHV(PI，0)；

　　QQ：LLV(PI，0)；

　　QQ1：(PP-QQ)*0.172+QQ；

　　QQ2：(PP-QQ)*0.383+QQ；

　　QQ3：(PP-QQ)*0.5+QQ；

　　PP1：(PP-QQ)*0.618+QQ；

　　PP2：(PP-QQ)*0.7+QQ；

　　佑霖朋友，你要改成繁体，我不单独跟你发了，你自己看源码吧！

　　你发的邮件我收到了，可惜是乱码 ，不过还是谢谢！！

　　我编高等数学法的思路

　　我编的高等数学法公式，并不算一个完整意义上的高等数学公式，主要是用

　　了一些《真正的RBF神经网络公式论文》文章中的思维，对这篇文章，我并

　　不能全部读懂，但我从这几个方面做了把握。

　　第一 文章的整体思路我是这样想的，所谓神经网络，简单的说就是不同的情况

　　适用不同的方法，方法不同走的网络不同。这一点我的理解是用指标划分不同的情况：

　　pp：hhv(p1，0)；

　　qq：llv(p1，0)；

　　qq1：qq+(pp-qq)*n1；

　　qq2：qq+(pp-qq)*n2；

　　qq3：qq+(pp-qq)*n3；

　　pp1：qq+(pp-qq)*n4；

　　pp2：qq+(pp-qq)*n5；

　　这样分的好处是不同股票不需要调整不同的p1划分值，减少了工作量，原文章中用

　　了几个具体值我认为在对数量较多的股票时不具有普遍性，所以并未采用。我的划分也

　　有缺点，至少在概率上并没有很大的提高，大部分时间是在40至60间，少数有70几的，这在

　　实战中才有可能派上作用。针对这一情况，我觉得可以把p1再分细一点，比如在区间一而且收

　　阳线时三天后的上涨概率应该大一些，这样把原区间扩大一倍，在区间内判断也许更有针对性。

　　第二 高等数学法公式的数学把握。所谓高等数学，虽然不是真正意义上的高等数学，但数学上

　　起码也要近似，原文中作者把公式ln(ma(c，5)+1/ma(c，5))，拿了出来，我想可能是作者经过了数学

　　推导而来，应此我在此直接用，不作推导和变换（最有可能的情况是作者证明了ln（x）的正态分布

　　而推理出来的，或是由st=so*exp(r-u-a*2)t-w*a)及相关式推导的，我没作深究），故p1定义：

　　m1：=ma(c，5)；

　　p1：ln(m1+1/m1)；

　　第三 概率的问题 概率是动态的，神经网络的一点核心思想是学习，能把一个公式编的能学习应该是

　　编神经网络公式的最高境界，可惜我办不到，只有向着他努力。我的办法是用一个式子求概率，增加

　　和减少的机会存在于这个式子中，于是求出的概率是动态的，正确的机会增加，概率增加，反之亦然。

　　这样做也只是一个现阶段的权益之计。概率我这样算：

　　100*count(c>ref(c，3) and ba1，0)/count(ba1，0)

　　三天后上涨天数除以总天数。

　　综合而言，这只是一个很粗糙的公式，可以改进的余地很多，从区间划分，算法，概率问题上应该都

　　有提高的余地，也欢迎有高手优化一下。

　　总言之，这只是一个启迪思路的公式！

　　总的源码如下：

　　m1：=ma(c，5)；

　　p1：ln(m1+1/m1)；

　　pp：hhv(p1，0)；

　　qq：llv(p1，0)；

　　qq1：qq+(pp-qq)*n1；

　　qq2：qq+(pp-qq)*n2；

　　qq3：qq+(pp-qq)*n3；

　　pp1：qq+(pp-qq)*n4；

　　pp2：qq+(pp-qq)*n5；

　　ba1：= p1=qq；

　　ba2：=100*count(c>ref(c，3) and ba1，0)/count(ba1，0)；

　　explainex(ba1，'p1在这个区间三天后上涨的几率为：百分之'，ba2，1，4)；

　　ba11：= p1>qq and p1 ba21：=100*count(c>ref(c，3) and ba11，0)/count(ba11，0)；

　　explainex(ba11，'p1在这个区间三天后上涨的几率为：百分之'，ba21，1，4)；

　　ba111：= p1>qq1 and p1 ba211：=100*count(c>ref(c，3) and ba111，0)/count(ba111，0)；

　　explainex(ba111，'p1在这个区间三天后上涨的几率为：百分之'，ba211，1，4)；

　　ba1111：= p1>qq2 and p1 ba2111：=100*count(c>ref(c，3) and ba1111，0)/count(ba1111，0)；

　　explainex(ba1111，'p1在这个区间三天后上涨的几率为：百分之'，ba2111，1，4)；

　　ba11111：= p1>qq3 and p1 ba21111：=100*count(c>ref(c，3) and ba11111，0)/count(ba11111，0)；

　　explainex(ba11111，'p1在这个区间三天后上涨的几率为：百分之'，ba21111，1，4)；

　　ba11112：= p1>pp1 and p1 ba21112：=100*count(c>ref(c，3) and ba11112，0)/count(ba11112，0)；

　　explainex(ba11112，'p1在这个区间三天后上涨的几率为：百分之'，ba21112，1，4)；

　　ba11113：= p1>pp2 and p1 ba21113：=100*count(c>ref(c，3) and ba11113，0)/count(ba11113，0)；

　　explainex(ba11113，'p1在这个区间三天后上涨的几率为：百分之'，ba21113，1，4)；

　　ba11114：=  p1=pp；

　　ba21114：=100*count(c>ref(c，3) and ba11114，0)/count(ba11114，0)；

　　explainex(ba11114，'p1在这个区间三天后上涨的几率为：百分之'，ba21114，1，4)；

　　EXPLAIN(c>0，'yang_wen1983根据《真正的RBF神经网络公式论文》编的公式，主要思想是

　　分段求概率，用不同运动区间的上涨概率来预测股价。n1至n5几个参数主要是求不同的区间。

　　用法就是告诉我们历史上在这一特殊区间三天后成功的概率，既可以用概率指导操作，也可以

　　自己划分区间提高概率！')；

　　EXPLAIN(c>0，'本人学识和水平有限，如有错误理解和错误叙述欢迎指教。qq：316964376')

　　Last edited by yngs on 2004-11-9 at 10：39 ]