- 所谓建模， 就是找一个合适的方程描述特定的曲线
有了方程，可以求导，计算某一点位的即时趋势
- 最基础的， up ， down 的趋势怎么判断 ？
当前是用一个10元素的栈，放过去1分钟的斜率，先进先出
如果新斜率普遍大于旧的，说明是涨势
- 参考文章 ：
A comprehensive beginner’s guide to create a Time Series Forecast (with Codes in Python and R)
https://www.analyticsvidhya.com/blog/2016/02/time-series-forecasting-codes-python/
金融时间序列分析 第三版
https://www.ncbi.nlm.nih.gov/pmc/articles/PMC5283670/检测时间序列的突然变化
https://techrando.com/2019/08/14/a-brief-introduction-to-change-point-detection-using-python/
用python实现
关键字 ： Detecting changes in a time-series
理论论文：
电子书 about forecasting
https://otexts.com/fpp2/appendix-using-r.html
- 关键字
Change point detection (or CPD)
time serial 时间序列
Trends 趋势
Irregularity 或者叫 noise , 噪音，扰乱
- 要达到的效果
大致类似这个
https://patents.google.com/patent/CN106600410A/zh
本发明公开了一种基于时间序列的量化投资方法，所述方法为下述方法之一：(1)时间序列预测：是一种考虑变量随时间发展变化规律，并用该变量以往的统计资料建立数学模型，进行类推或延伸，借以预测下一段时间的趋势的方法；(2)相似搜索：是通过测量时间序列数据之间的相似度，从历史库中寻找相似的时间序列数据，从而对系统的走势做出预测；(3)周期分析：指对周期模式的挖掘，即在时序数据库中找出重复出现的模式。本申请将时间序列与量化分析相结合，可以做出准确预测，满足客户的使用需求。
其中相似性已有基础的解决方案，见：
http://www.notesoflyang.com/?p=1757
- 其他的影响因素
a) 出现哪种情况会让多方情绪升高
空方开始做空
空方绝望平空或者转多
多方绝望
b) 降噪未必是对的 ， 来回反复是为了强化信念，特别是错的信念
- 作业
1： 以xxxx 为前高 ，xxxx为低点 ， 以xxxx为新高 ， 自动画出集中突破走势 图
提示， 人们如果被灌输进前高是高点的概念， 那么会在高于此位置多少的范围内做空， 是有大数据支持的 ，主力会故意流出一个做空区域陷阱