用数学化的眼光对程序化模型进行分析（一个字一个字敲出来的，看完这个，程序化建模就可以毕业）
我们平时用程序化建模无非用的是各种指标，比如均线、唐娜奇通道、布林线等。

   第一个问题是，目前来讲，单纯用简单的均线策略，已经不能够很好的获利。

   从上面的公式来看，均线策略是个简单的基于过去k个价格的线性关系。而我们知道实际的金融市场随着经济的发展，越来越趋向于复杂化。因此单纯的用线性关系，已经不能够进行稳定的获利。
第二个问题，如何才能进行稳定的获利。虽然单纯的用均线策略无法进行稳定的获利，但是我们可以通过双策略并集或者或集的方法，来调整我们预测未来收益的模型。


    比如说，均线和唐娜奇通道的并集。
   首先我们知道均线是个简单的线性关系，而唐娜奇通道呢？
   我们知道，而这种公式的编写表面，唐娜奇通道是个非线性的模式。比如这样的形式，就是海龟法则的基本模式，那么我们知道唐娜奇通道并不是线性的，因为我们不知道唐娜奇的哪个价格是最高价或者最低价，只能认为在唐娜奇通道里面，k个价格中，有一个是最高价，或者有一个是最低价。
   如果我们用均线&&唐娜奇通道，我们在某些数据中，就可以得到稳定的盈利模式。

   也就是说，用线性的关系和非线性的关系的并集，就可以很好的进行预测。虽然大家不承认这是预测，认为这是我们基于历史数据统计的结果，其实，我们做的就是预测。
   只是因为，通过线性的方法，我们得到的预测结果不好而已。
因此，有人用ARMA线性关系加上神经网络的非线性关系的残差来预测石油的价格，也是有意义的。


   第三个问题，既然这样，那么我们就知道了一个道理，就是所谓的我们用普通的指标进行预测，其实用的是线性和非线性相结合或者其他方式来做的。


   再比如，我们如果用两根均线来预测，估计效果也不会好，因为这不过是两个线性关系而已。因此，有些人，用的方法是均线，加布林线，来建立模型。这也是有道理的，因为布林线是线性和二阶函数相加的结果。因此还是有效果的，但是相信，效果不是很明显，因为其复杂性并没有很好的显示。

   第四个问题，有一个很经典的模型，就是用第一天的价格差，来预测第二天的价格。其实这里也用到了非线性的东西，因为典型的价格差的绝对值，就是一个二阶函数。

   结论：既然如此，我们就知道，如果我们想要建立一个有效的能够预测未来的函数，我们必须要用到非线性的东西。

   方法：其实有人或者机构已经做出了这样的方法：
第一，搜集所有的指标或者条件，
第二，随即让他们组合，二二组合，三三组合等，
第三，计算组合后它们的收益情况
第四，选出好的，就是我们要建立的模型
 
   这也就是所谓的筛选型。