第一章：人的预测系统... 5
❶动机（Motivational）... 6
❷情绪（Emotion）... 9
❷A【有关情绪的股票交易】... 11
❷B【智能预测的目标】... 13
❸经验（Experience）... 14
❹逻辑推理... 15
❹A智能首先受限于人脑结构... 16
❹B逻辑的限制：... 19
❹B①逻辑是抽象简化... 19
❹B①⑴认识复杂性... 20
❹B①⑵在股价预测中的复杂性... 23
❹B②逻辑的相对性... 25
❹B③问题本身的问题... 26
❺因果关系... 27
❺A定义：在智能预测中的定义... 27
❺B确定性... 29
❺C因果关系与实践... 30
❺D因果关系与逻辑... 32
【附】智能预测中的“道，法，术，器，势” 33
【附】情绪 与交易的反人性... 35
第一章：人的预测系统
我们不能预知，只能预测
人是依赖自我模型输出的预测，而生存的。
要面对的问题是：为什么即便拥有相同的知识、相同的信息，人的感受、预测以及选择的行为，还是会不同？
人预测能力的演化过程，先后发展出：情绪、动机、经验、逻辑推理、因果判断的能力。人对各系统使用的强度依次减弱。
❶动机（Motivational）
“不知道为什么这么干”，人的能动性与坚持就会丧失。
动机解决“最迫切需求”的选择问题。影视作品中，常设计出“选择工作，还是亲情”的两难场景，判断的输出系统就是动机。
人的行为是遵循动机律，而不是理性的因果律。
人判断自身反应是否正确、是否需要，标准来自于“动机”。
在马斯洛需求塔中，底层的四项，都需要从他人处获得，满足与否，则取决于自身。某层次没有得到满足，就会陷于该层；满足了，会向更高一层次发展。获得基本满足的需要就不再是一股激励力量。
由物质性的获利动机起步，至自我实现的闭环，包含了人的物质（身体）与精神属性。人在对自我实现层次的追求过程中，会越来越自在、独立，交易过程中不易被同化（被共识化后，预测必定滞后、失去超额利润的可能）。
为什么更偏向选择重点大学毕业生现象时，有种观点是有关动机的。重点大学的毕业生，更容易进入自我实现这一需求层。当“自我实现”为最迫切的需求时，需求满足更依赖于自我的横向比较，从而更易且乐于接受挑战性任务。
假设，需求止步于“安全需求”时，因为安全需求依赖于他人给予，所以对环境的敏感度高；而满足与否，取决于自身，于是行为模式在“服从”与“破坏”之间交替发生，“服从”是改变自己适应环境，“破坏”是拉低社交关系的底线，以求获取关系安全的更大冗余度。演化最擅长使用冗余性来对抗不确定性。比如“损友”。
谈论动机，首先必须肯定的是，并不能给人的需求层级，定“高级”或“不高级”之分。层级显示一个“上层包容下层”的包容性问题，而非到了一个层级，其他的需求层级就不存在了，强调的是“当下最迫切”的一个选择问题。因此，从需求下层到上层，人数是逐步减少的。
另外，不同的人，在同一天空下，需求是不同的，有人需求是幸福，有人需求是生存下去。且在不同环境下，同一个人需求的重要性也会变化。如重点大学的毕业生，在阶段性的自我实现满足后，可能会要求一定的底层需求回馈，此时内心与平时相比较，是变脆弱了的，因为此时是需要他人的肯定与给予，才有可能需求满足。
需求金字塔的下四层需求，需求目标的设定与得到，本质是消除，而非“不再需要”，从而会陷入在“需求新目标设定”与“满足与否”之间峰谷的循环波动。反馈到行为，变成为“他人给予我则回馈”、“他人忽视我则对等报复”的对价模式中，行动易丧失主动性。
所以对于这四层中的幸福感来说，真正的幸福时刻，不是拥有后，而是期待的过程，是通过努力就要拥有的那个感觉。
从动机，从需求被满足的角度来说，人首先是环境的产物。
起心动念，一念间
不忘初心，人生正道是沧桑
需求，像个笼子罩住了人心。越底层笼子越小，突破的挣扎就越强烈；越高层笼子越大，因为空间大了，显得挣扎没那么剧烈，但突破的难度更大了。
到了自我实现一层时，是“我知道有笼子”，但笼子并不是我关心的，我更关心的是“是不是我比昨天更棒了”。
生存有安全需求→确定性能满足安全感→所以需要确定性……
预测寻求确定性，动机是智能预测的源头。
❷情绪（Emotion）
是人感知环境后，行为的最终决策系统。
一个人的情绪判断为“有害”时，会进入防御模式，会拒绝他人的任何企图，无论事实是有利或是有害。
因此，只要有情绪存在、有被肯定的需求，情商就不可或缺。
行为结果对行为模型产生反馈，人体会感受到愉悦或沮丧。
情绪会干扰动机判断：人对结果过于渴望时，增强了刺激，从而过度依赖于大脑奖励系统（既负责动机、又负责情绪系统的奖励反馈）给出的奖励体验（多巴胺等）。愉悦易让人产生“上瘾”的体验，即便是非需求，也会持续按该行为模式输出行动指令，即“无法自律”。比如，富有家庭的小偷小摸者、《人民的名义》中的赵处长。
情绪是底层快系统，无需学习。需求的满足，则需要后天的学习。所以说，快乐是种感受，幸福是种能力。
情绪影响力之强大，不止会改变身体状态，还会影响DNA表达。
决策是可能性或者说是概率的判断，情绪系统则是行为的选择，没有情绪系统的协调执行，则不产生行为。行为一旦发生，就是确定性的，并形成行为影响。
讨论“去情绪化”。首先，情绪对行为的发生是如此重要，是不可能彻底清除，也是不必要的。“去情绪化”更强调的是，在“环境必会更复杂的”背景之下，了解情绪不足之后，能更刺激人脑的智能部分，能更有效地工作及演化。“环境更复杂（情绪不能应付）”与“智能会不断演化并进化”，是矛盾发展的两方面，是历史的必然，是趋势。
情绪是智能预测的最终行为决策系统。
情绪与动机是底层快系统，是本能预测，是“不用多想”就输出预测的系统（应激反应）。所有的感觉（如饥饿、危险）,是本能捕获的因果。
生存需求最先激发本能预测，如果处理不了才会传递给智能预测。
而本能预测是“强力约束”智能预测的，表现如：幸存者偏差、归因偏差、叙述谬误等本能的偏差、偏见。
同时，推理的动机被本能掌控，即动机性推理（Motivated Reasoning）：先有了本能设定的答案，然后再寻找所需的证据，最后推理出从证据到答案的逻辑……
这就是问题所在：本能预测会自动筛选信息，忽略了相反的证据与逻辑，只留下当下能支持情绪与动机的信息。人甚至会刻意为之。
电影《意外》中，古天乐饰演的角色，当设定保险销售员就是幕后主使时，越看他的行为越像是大Boss，低头私语就是在密谋，打电话就是在布置任务。心里有花，就能看到花；心里有鬼，看到的都是鬼。产生偏差并筛选信息后，投射到现实中的，其实就是自己本身。
生命进化的绝大部分过程，都是以生存为目标的“求存”，而不是以认清真相为目标的“求真”。所以，大脑构建出虚拟世界的模型模拟，就可理解了。在认知心理层面，表现出的就是“事实扭曲”立场，即把事实扭曲为立场。
❷A【有关情绪的股票交易】
人的行为，无法避开情绪系统。
股价走势，特别是短线的盘面判断，如果认为是持币者与持筹者之间的博弈，情绪策略由此发展出来。
股价盘面变化，由短期的供需决定。但供需是一个虚量，因为既无法知晓下一刻要抛出的筹码数量，也无法知晓下一刻要买入的资金数量（基于订单流的高频交易做到的，是更快速地得到这些下单数据，而不是预测）。交易期间，能够看到的数值，是价格波动、委买、委卖数据。
某些高频及利用档口信息差，涉及到公平问题，理应被杜绝。
对敲、Spoofing（虚假委托量，通过委卖委卖来判断市场需求，诱骗交易称为Spoofing）等都是利用交易情绪的低成本手法，而被各国法律监管。
游走在法律边缘的，是涨跌停板上的委托数量。设计停板的出发点是阻止交易，以防止过大波动。但其另一面，是产生出部分的“虚假”需求而被利用：买不到或卖不掉，导致产生“丧失自由选择”的焦虑，使得情绪放大并更易产生去除焦虑的行为。
除去上述操纵情绪的行为之外，感知市场情绪的能力，因人而异，而成功者的经验（有点像“火候”），包括对于成功者本人，都难以低成本复制。因此这类技术路径：了解市场参与者的情绪变化，尝试量化其程度，进行横向比较，判断其过度程度，从而泛化出一般规律。
以情绪为基础的交易策略，放弃对价格绝对高低值的判断，而以市场情绪为主，动态判断，瞬间操作。对实力操盘者来说，优点是“反应快”，施加短期干预行为的影响力效果“快”。掌握市场情绪的变化、转化过程，就是操作规律。
情绪策略，其理论基础是“博傻理论”，或言“赚钱效应”，是顺势，属个体与股价间的正反馈行为，为趋势交易；“情绪过度”，是做逆势，做的是价格回归，是股价系统提供的负反馈，他人贪婪时我恐惧，他人恐惧时我贪婪。顺逆势，本质是股价系统或复杂系统的一般规律，此后文论述。对于大部分交易者个体来说，分析情绪，是在落实交易行为时，为追求交易价格的精准度，而采取的一种“术”。
情绪判断的缺点：是短期、易变、易被操控、跟随者在价格上必滞后，因需要猜测“假想对手”的行为目的，而陷入“拟人化”、“阴谋论”等简单化陷阱（面对预测误差，本能会猜测变化背后的动机，引发“拟人化”、“阴谋论”），忽略了每个交易都是股价系统整体的一部分（事实上，包括自己，每一个交易者都会受到股价系统的限制与影响，甚至有可能某一天的交易都是输者的交易：套牢者割肉，而接盘者面对着股价的继续下跌）。所以对一般交易个体而言，过于倚重“情绪”的分析方法时，实则是给“个体”随机行为的权重过大，整体权重降低。较难学习、更难以迭代进化（当个体面对情绪的随机行为模式发生变化时，以前的情绪经验就不再适应了）。
❷B【智能预测的目标】
人类智能有两类功能：①支撑预测的，如抽象与计算；②对抗本能，如质疑感受与控制情绪（人脑中的“预测博弈”）。
本能预测是损失厌恶，悲观会被强调，倾向于自我保护；智能预测（理性）是积极地直面，倾向于事实本身。意志力就是人面对强大的本能反应（物质性）时，走回到智能控制（精神性）。如：先烈们。
人天生拥有智能。智能越高→预测能力越强，意味着→能更好地应对未来、适应环境、甚至改造环境，这是进化出智能的意义。
人类发展出的复杂性，带来了不确定性。生存需要确定性，因此：
预测未来 = 确定关系 = 结构 + 推理
为了确定性的真实，由此智能慢慢演化，经验→逻辑→因果。
❸经验（Experience）
人并不善于吸取他人的经验教训。
观察事物发生变化时，存在某种固有的结构关系，从而形成经验。
经验的优点：经验不受思维漏洞的影响，但推理会。在复杂世界，对大多数人而言，受限于思考能力，相对于头脑模拟，通过实践经验进行的预测，耗能更低、速度更快、准确率更高。这是归纳优于演绎之处，是人类更高强度使用经验的原因。
经验的缺点：①知其然不知其所以然。经验是观察得来的固有结构关系，依赖于感知，感知之外的相互作用就会被遗漏。
②表达经验时的问题。没有两个苹果会一样，但表达“苹果”时，人会忽略苹果的“感知差异”，只考虑所有苹果的“抽象共性”。
经验发生的场景也一样。经验是人经历过某种“知其然”的重复→归纳出事物与外部的某种联系。但具体的体验信息是个体独有的，难以准确传递，是依赖尝试的。有些信息，经验者会认为是已知量而被忽略，但对被传递者却是未知量。所以经验虽也可以形成逻辑与推理（包括本能预测），但不能构建出复杂的叙事与思考。
行业随着科学的进步，越来越细分，行业知识根植于个体经验，他人则难以洞察。经验的这种局限，也使得知识越来越分散化。
所以，未经历过他人 “所以然”的同样场景重复，人之间的信息传递效率很低，很难体会他人经验教训。
未经他人苦，莫劝他人善。
归纳是一种经验推理，经验无法保证逻辑绝对正确，是归纳不准确的底层原因，尽管归纳是人脑被动使用最多的推理。
经验只能告诉你过去发生了什么，但过去不等同于未来。在没有因果关系作为基础下，经验实质是“记忆、重现”，而这种“重现”，是假设会“重现”，这就需要大量的经验积累，直到遇到“黑天鹅”。
小马过河，经验归纳并非是以“知其所以然（可泛化能力强的因果规律）”为基础的。经验预测的限制是，只能预测已知，不能预测未知。
由经验可以抽象出运作的逻辑，进而得到模式，并构建出模型，即：经验概率可以构建概率模型。
❹逻辑推理
人类在预测的准确性上更进一步。
逻辑让我们更好的认识世界。
逻辑自洽的理论帮我们认识世界。但能帮助我们更好改造世界的理论，才是真正帮助我们认识世界的理论。这是逻辑的评定标准：实践。任何理论都是有条件局限的，所以面对事实，都不是完美的，都是需要被证伪，通过实践而不断改善的。
系统的进步的方法，即科学的方法，就是公理逻辑方法和实验试错方法。
逻辑就像一个中间层，在大脑中连接了智能与结构，即：逻辑源于底层的大脑结构，支撑了上层的大脑智能。
❹A智能首先受限于人脑结构
人类只能从一个输入信息，联想到与之关联的另一个信息。信息之间的关联性，是每个人神经网络的“硬件连接”。每个人的想法，只能在大脑中相关事物之间联想。事物之间没有任何关联路径，人就无法联想到。
人类大脑有千亿级别的神经元，每个神经元平均有1163至11628个神经突触供连接。大脑的计算方式是惰性计算，不会在同一时间激活所有神经元细胞，无电流就不计算。
知识点、行为想法的熟练程度，对应的就是突触这个结构的强大与否。因此，记忆的形成，也可以说是突触的形成，而形成的突触越有效率，记忆就越牢固，动作就越娴熟。
记忆、经验、知识、技能的不同，甚至基因结构的不同，是由于环境信息不同，引起选择压力的不同（脑电的强度不同），最终实现在大脑中硬件结构的不同，塑造出人与人之间，天壤云泥之别的结构差异。
性相近，习相远。
人是环境、习惯、思想认知的产物。
脑连接与结构的形成：信息塑造脑结构，脑结构引导信息。
所以，任何信息进入神经网络，都会以特定的模式形成“路径结构”。 同样一个信息，在不同人大脑中存储的位置和连接信息，都不尽相同。
所有的事物包括大脑本身，都会以不同的结构呈现，有结构就会有关系，有关系就会有逻辑，关系无法脱离结构，逻辑无法脱离结构。
预测能力 = 人类智能 = 人脑结构 + 推理
预测其实是一种模拟，即：大脑会映射环境信息，并在颅内模拟环境信息的演化：颅内模拟 = 颅内信息 + 推理预测。
以此看来，我们预测事物变化，是获取其结构信息，然后在人颅内结构的模拟演化过程，是两个结构之间的作用。
划重点，预测的准确性，两点不可或缺：
=获取对象结构信息的准确性＋颅内结构推理的准确性
如果一个人的大脑存储效率高，更快地形成大脑结构的优势，而大脑结构的优势，会正反馈地增强自身，最终形成压倒性的智能优势。
所以说，大脑结构（人类智能） = 先天结构（神经运作） + 后天结构（环境信息）。
逻辑是结构固有的关系。人们喜爱逻辑，是因为逻辑具有可判定的唯一“正确答案”，如同人类迷恋数学的确定性。
在《数学：确定性的丧失》一书中，引用爱因斯坦一句话：
只要数学的命题是涉及实在的，它们就是不可靠的；只要它们是可靠的，它们就不涉及实在。
科学是人的心智的工作，它注定要去探索而不是知道，去追求真理而不是发现真理。
人类信赖的的科学、哲学、宗教、甚至古老的巫术，都是为了对抗不确定性。但建立在数学语言之上的模型，都是基于理想状态下，抽象的预测模型，抽象过程会丢失大量的信息。不同于真实，数学函数包含的信息量是极其有限的，越复杂的系统，信息丢失得越多。
人类追求确定性，但一旦陷入“绝对”，迷信绝对的力量，控制欲的黑暗，就控制了自己的灵魂。不迷信绝对力量，不落入那个“妖”的陷阱，这是U3tec.Com的分析前提。
❹B逻辑的限制：
❹B①逻辑是抽象简化
逻辑是顺着结构看到的关系,如公鸡打鸣，天亮了。
我们来看逻辑的判断标准：就是可以客观存在的结构关系。逻辑的逻辑线路是：逻辑正确→关系存在→对应的信息就正确，而正确的信息可以消除不确定性。根子就发生在这个“结构关系”上。
结构关系，是事物的组织和排列关系。推理就是对当前的结构进行排列组合。
比如，下雨了，地湿了。即便没看到下雨，也可以推理：地湿了，因为昨晚下雨了。
铁球掉得快，羽毛掉得慢，所以越重的，掉落速度越快。
事情开始复杂起来。物体距离是客观存在的，地球直径12742公里，但人们开始有能力获得精确值时，却发现英国的海岸线长度，是不确定的……甚至可以是无限长？！决定其长度的，不是真实的海岸线，而是我们的“尺子”精度！？就连一片雪花的周长，人们发现也是测不准的了。
科赫雪花，面积是有限的，但周长却可以无限大。
距离，有牛顿的绝对距离，也有爱因斯坦的相对距离。
尺度固定，在误差范围之内，距离、速度都是可确定的，但尺度变化，距离和速度就变化了。使用还原推理时，越精确越测不准。达到真、全，是不可能的；人类的努力，只是逼近真、全。
到了复杂系统，钱学森院士指出：“凡现在不能用还原论方法处理的，或不宜用还原论方法处理的问题，而要用或宜用新的科学方法处理的问题，都是复杂性问题，复杂巨系统就是这类问题”。
上世纪80年代，对复杂系统的研究，就已经是重点了。这是一个具有“自反馈”的世界。当代科学家现在已经离不开混沌理论了。
复杂系统，产生的行为能够表现出“混沌性”，那么就不能再回溯到系统的初始状态了。
自然界的复杂系统作用现象，如海水断崖、疯狗浪、天气变化等，都在挑战人类的预测能力。
❹B①⑴认识复杂性
历史发展的必然趋势，是人类会面对更多的复杂性。复杂系统中复杂性的种种问题：
【1】 本质问题：人只能逼近真、全，因为永远有很多因素，必定是未知的。而要达到一个人的目的，要取决于未知的因素。
【2】 路径问题：当大家的目标都是达到一座“未知山”顶时，但路径未知，走哪条路就是问题。有人带着一群人上山；有人另辟蹊径；有人慢慢悠悠，等哪条“人走的多了，也便成了路”的路。任何个体都不会是全然正确的。所以复杂系统在演化中，如蚁群，探索不同路径的随机行为，才是系统整体为找到爬上“未知山”顶最有效率路径的办法。这也是自由与随机在复杂系统中必然呈现的原因，因为这是对整体最有效的解决方案。从个体角度看，是自由；从整体角度看，是随机。对个体而言，目标仅是所有可能性中的一种，所以自由与随机受到效率（更经济的能量消耗、更短的时间）与建设性（是否减熵）的限制，不符合要求的便会被淘汰。
当然，自由分积极自由、消极自由。积极自由是对自己的选择没有障碍，有三个条件因素：清醒的自知（起点）、勇敢的选择(行动)、坦然的无悔的担当（承担后果）。消极自由是不受外界干扰，就是“我不想干啥就不干啥”。消极自由看似缺乏建设性，但当无法捍卫消极自由时，人的意志会受到伤害，产生挫败感与胁迫感。我们前文提到情绪系统，在这种情绪体验之下，人会陷于对自身认可的渴望，而无法产生能动的积极行为。
人的自由与随机，是必定受限的。如何理解呢？比如数学是人类思考的发现，是可以无限的（人道的正反馈）；而真实物理世界，是有常数限制的，似乎消除了“无限”这个概念，没有无限小、有最高、低温度、速度超不过光速、光锥之外皆是虚无等。没有了上、下限，就会产生破坏。在关于系统规律的篇章中，我们更深地讨论人道与天道的关系。
总结自由和随机，体现在复杂系统中，是多样化、差异化。多样与差异化，不仅体现在个体上，还体现在复杂系统的运转过程中，所以也必定包括在结果中，因为任何结果都是过程的一个时点切片。
同时，这种未知山的出现，会越来越快，一个接着一个。这就造成，当按着他人走过的路到达一座山顶时，发现很多人都已在下一座山的半山腰了。所以，变化节奏越来越快的当下，面对未知，“先动起来”往往是更优的选择。
【3】 环境、环境与人的相互作用问题：
在经验一节中，我们分析了知识发展的趋势是分散的。行业越细分、越多的知识被隐藏了起来、能看到的知识过于简化而丢失信息细节、个体的认知越来越有限，所以大多数人的无知，随着科学的快速进步，不是减少而是增加。从个体角度来说，知道的越多，能够被重新认识的也越少。技术发展越快，反而个体对文明运转所依赖的事实变得更无知。
另一面，知识更广泛地分布在不同个体中。由于分散的个体用分散的知识，去解决具体问题，多样与差异化自然呈现。因此，分享与开源成为交流必然，它不是一种技术，而是推动技术进化的一种方式。
科学快速进步的环境→工作越来越多样化差异化→个体越来越多样化差异化→环境更复杂→科学需要快速跟进变化，环境与个体形成正反馈循环。
对个体而言，面对的环境，会越来越复杂。所以，个体产生越来越多的知识焦虑，越来越多地寻找精神依赖，以寻求确定性的动机需求。这是矛盾的另一面。
多样化，差异化的本质，是因为在人类社会这个系统中，系统整体能更有效解决实际问题的需要，这是演化的过程，是进化的必然，所以复杂性增加是必然的趋势。
另一方面，对于个体来说，复杂性未必是坏事。
90年代，叶倩文，生活中汉语可以说得很好，但汉字却不识几个的人，可以成为天后级歌手，潇洒走一回。
在个人IP逐步盛起的当下，不断冲击可传承的生产资料资源占有，形成难以复制的、不可传承的个体资源。对于社会系统整体来说，是进步，意味着未来的个体，有更多的可能性，去书写个人传奇。
我们定义成功时，其中在数量上的定义是：出人头地，超越大多数人。所以，成功在这个定义下，必定是少数人。
不同时代，尽管定义成功的内容会不同，但数量上的定义是一样的。
所以，对于绝大多数人而言，都无法进入所生活时代定义的“成功”中，但成功者的内容定义，是由大多数人决定的。比如王宝强、董宇辉等案例。这些成功体现出多数人的内容选择，反过来也激励着绝大多数人对努力方向的坚持。
❹B①⑵在股价预测中的复杂性
逻辑尽管将预测的准确性提高了，但股价系统是个复杂系统，前文讲了，个体的多样化、差异化的必然，股价这个复杂系统表现出一种随机性的必然（随机性不是混沌，前文分析过，人行为的自由化是有条件限制的，所以从整体看到的随机性表现，也有其规律。后文章节将进一步展开）。
股票K线的排列，应该包含涨跌的密码，逻辑起点是对的，因为K线就是历史上，个体产生确定交易行为的数据集合。
由起点出发，所以发展出各种组合排列的K线战法。但无论何种K线组合排列，经大数的回测统计，其概率都会进入50%的黑洞，也就是说，以某K线组合推断明天的涨跌，和丢硬币猜，结果的概率是一样的，只是丢硬币不需要思考。很多人为了改变这一结果，导致玩K线组合的结构，越来越复杂。
为什么会这样？原因①K线的涨跌排列是随机性的（后文论证，50%本身是证据）。复杂系统中，直接面对结果，如果是二元判断时，如好坏、涨跌，前文的分析过，人预测的目标仅是可能性的一种（预测，不可能是明天可能涨也可能跌，最多是预测明天涨的概率大。但这个概率来自于什么？是需要回答的问题。来自经验？那么经验又是来自于什么？），而股价系统本身，其过程是具随机性变化的，那么对于未来某一个时间点（过程的一个时间点切片），二元判断结果，也必是50%的，也就是说，股价在任何一个时间点，都有两可的可能。尽管回顾历史及当下来看，结果是确定的一个；②股票涨跌还有其他K线不包括的因素。
试想，在AI红火的时代，为什么股价分析系统却没有大的进展？
逻辑起点是对的，逻辑是对的，但结果却可能与真实（回测统计）之间存在问题，因为结构在空间、时间的密切关系，被轻易视为因果关系。
“因为历史上两阳夹一阴后股价涨了（经验，先验概率），今天也形成两阳夹一阴，所以明天也会涨。”这是经验的归纳推理，其预测结果已包含在经验论述中，如同说“因为A，所以A”，是不含信息的。
在K线这些排列与结构后面，所包含的信息，就显得更为重要。
本文后面章节，我们会讨论均线、Macd的最佳参数，并分析为什么是这样的最佳参数，同时分析为什么即便是最佳参数，对涨跌预测也是无用的。
结构关系的本质缺点：
第一，信息不可能全部获得，所以不仅未来充满未知，现在和过去也充满未知；第二，结构、数据之后，隐秘着很难发现的信息。
❹B②逻辑的相对性
不同的角度看同样的结构，可能会有不同的关系，即有不同的逻辑；不同的理解角度，就会有不同的结论与意义。
如果是个锤子，看什么都是钉子。
几何证明中引入“辅助线”，这个新信息就可以串联起原有信息，并得到突破性的视角。
看一个理论时，为避免逻辑的这个缺点，假如有不同领域或不同形式的表述，就说明它越具有本质的意义。理论的模型结构，可以存在于不同领域，或可以呈现出不同形式，意味着这个结构，底层通用且连接广泛，比如“熵增”就是如此。
投资界有句话：作为卖方给出的结论，是不值钱的，值钱的是卖方的逻辑。
❹B③问题本身的问题
有标准答案的问题，其答案已包含在问题本身之中。
无法量化，就没有标准答案（本文努力目标是量化股价的时间、空间临界值）。
科学之外更大的世界，如艺术，甚至价值观、人生观、意义等，以及真实世界的复杂系统，包括股票价格市场等，不仅没有统一的标准，甚至可以有完全相反、相冲突、相矛盾、不自洽的各种标准。似乎在这些领域，智能只是预测，不去量化。
真实世界的具体问题，往往都在不确定的复杂系统，因为难以复制，难以评测干预实验行为，其难度不仅在于解方程，更在于没有方程，或不知道该用哪个方程。这也是人脑预测在演化中，偏好经验归纳的原因所在。
我们往往会发掘数据相关性，来寻找问题，然后去解答问题。但很多时候，相关性会形成逻辑判断，被解释为因果性。逻辑关系非常复杂时，形成的路径有多个选择，此时逻辑关系混杂着因果关系、相关关系，且难以分辨。相关性不等于因果性。因此，两个事物具有逻辑关系，并不一定就具有因果关系。
大脑的“短连接”支持了逻辑，“长连接”支持了溯因，因果洞见一定是“难连接”，即很难连接的连接。
在逻辑推理的基础上，人类最后演化出学习因果关系的能力：对事物间的关系，不关心结果，只关心关系。正是这种追求“不实用”与“不真实”的能力，更好地形成了知识，以代表任何符合该关系的事物。
❺因果关系
❺A定义：在智能预测中的定义
种下种子，长出植物。
一般我们认为，“种下种子”是因，“长出植物”为果。
但有人说，我也种下了种子，但啥也没长啊？这是啥因果关系啊。
如果说，种下种子与长出植物之间的关系，是植物生长要求与环境条件限制之间的关系呢？
相信大家会选择这是因果关系。
智能在逻辑中已现，动物也有逻辑。人类在逻辑之后，智能预测的演化更进一步，就是：捕获因果，预测未来。所谓因果关系，不仅可以解释种下种子后，长出了植物；也可以解释种下种子后，为啥没长出植物。当量化这种因果关系后，实践中，人们就能更高效、更精准地把控，比如发展出更多的种植技术、不同的化肥等；当结果与数据不符合时，可以调整实践行为，或者可能产生新的发现。
任何事物内部以及事物之间都包含着矛盾，因果关系应该描述的是变化发展过程中，矛盾的对立统一关系。比如阴阳、两仪、五行。
矛盾是事物本身的属性，是事物产生和发展的动力。辩证法是事物的矛盾和发展的一种思维，重要矛盾与次要矛盾的提出不是否定其它矛盾，而是为了抓住主要作用力。
从预测的目的去看，预测是研究事物变化，与未来改造环境之间的关系，那么因果关系可以归于“内因与外因”之间的相互作用关系。貌似那个“第一性原理”：去火星，就需要大量的火箭，要面对的是火箭技术与市场接受成本之间的相互制约关系。
前文中表达了在智能预测中，对因果关系的认识：“学习因果关系的能力：对事物间的关系，不关心结果，只关心关系”。所以，捕获因果之后，因与果之间的连接，因果链，是由逻辑去完成的。也就是说，由因果关系，引出的“因果链”逻辑推理，其逻辑是否符合客观存在，就可以反过去证明因果关系。
因果关系，非感官所能了解；也不具备“实体、实质”的存在。证明其关系，需要极大的辛劳，以及强大的心智投入。
所有的感觉（无思维。思维是基于模式的思考方法），都是一种逻辑关系。而感受与感知，则是在感觉的基础上，加入了智能预测。
日常的“因为，所以”模式，如：“因为我渴了，所以喝水”、“因为你叫他二舅，所以你是他的外甥”，描述的都是逻辑推理关系。
我们也可以说，“因为你是他的外甥，所以你叫他二舅”。如果将这种推理描述，看成“因果关系”，那么形式上因果就可以互换了。修佛不“以因为果”，应该就是避开这种被认为是“因果关系”的坑。
修为成佛，在求。悟为明性，在知。
修行以行制性，悟道以性施行。
觉者由心生律，修者以律制心。
凡人以律修性，智者洞察因果，圣人以性施行。
佛法无量即觉行无量，无圆无不圆，无满无不满。
❺B确定性
生存需求的安全感→所以需要确定性→在复杂变化中，好奇心驱动问“为什么”→所以要寻找因果关系。
动机是智能预测的源头。逻辑是智能的基础。
“确定性”是由安全需求引发的，所以确定性的要求，是由底层需求的动机触发，其满足是需要环境与他人给予的“确定感”。因此，在对复杂系统认知中，理解事实的“不确定必然性”，要高于“确定感需求”的层级。
即：越是下层的需求，越是需要“确定性”，如生存与安全，通过努力可以提供“确定感”。越是高层的需求，越是了解“确定性”只是因果关系的一个方面，“不确定性”才是大的背景，如情感、尊重，通过努力未必得到“确定感”。爱死她了，但再努力，未必能提高“确定感”，因为需要她的给予。
基因要求我们相信模型（追求确定感），并可以改进模型（调整期望值），但不能轻易否定模型（放弃确定感），尤其是根深蒂固的认知模型（包括经验感知），以及基因构建的本能模型（无法被可塑性轻易修改的硬编码）。
体会一下，为什么越专业越个性的大脑，就越是难以改变。
科幻电影《除以零》（Division by Zero），数学家雷内得到数学是经验主义的结论时，她原有的数学世界崩塌了，陷入抑郁。
人是依赖自我模型输出的预测而生存的。模型就是个体信仰。
消除不确定性，重点就是：要不断地实践，通过误差去改进模型。
止步于尝试，不愿承担试错的风险，缺少实践，用个体偏差（个体立场）解释事实误差，自我模型就渐渐沉落于固化，而事实误差渐大。
股价系统有意思的地方，也是复杂系统魅力所在：即便每个个体都有七十二变，即便所有个体都是在不完全信息下各自做出决策，换言之都是在“错误”的情况下，做出决策时，系统都能够比个体体现出更优的结果，比如美国“哥伦比亚号”爆炸解体后股票市场做出的选择。我们称之为“群体的智慧”（collective intelligence）。（注：实例来自《群体的智慧The Wisdom of Crowds》作者：詹姆斯·索罗维基（James Surowiecki））。
这就是我们能够坚定地去寻求系统规律的信念。
❺C因果关系与实践
长期预测其实一种模拟，理解智能需要智能本身。用一个系统模拟另一个系统就是计算，或者说，简单的模拟是计算，复杂的模拟是预测，高级的模拟是自指→是强力思考（基于信息的推理过程）思考的思考，深入递归的层级。只有可预测，才能可证伪，只有可证伪，才是科学。
即便已是公认的理论，与实践之间，也会千差万别。
如引力：理论上，引力模型是简单的，但实践上，引力作用是复杂的。只存在引力作用的三体相互之间，其运动规律，并不能被精确求解。
大自然用实践演化（真实世界），智能用推理演化（逻辑世界）。
预测的准确率，除了在于智能的高低，还在于——时间与连接两个维度，即：预测的时间越长、连接越多，预测准确率就越低。
｛用公式表达，就是：预测准确率 = 智能 / (时间 * 连接)，即：
｛（时间*连接） 为定值时，预测准确率与智能成正比；
｛智能为定值时，预测准确率与时间和连接成反比；
如果没有时间就是静止系统，如果没有连接就是封闭系统（Closed System）。静止系统不需要预测，封闭系统的预测在于其内部的连接。
智能预测的绝对优势——动态调整与长期预测。
动态调整，贝叶斯算法，就是想法随着现实而不断改变，是计算随机事件发生的条件概率。算法是解决问题的策略，其过程：根据先验概率，进行概率计算→结合客观信息→调整先验概率，以此迭代循环，从而让后期预测，不断逼近准确的客观现实。
对应到大脑，先验概率来自大脑结构，后期预测来自大脑预测，连接两者的就是信息。信息积累结构（先验概率）→结构处理信息（后期预测）。
实践，能带来新的信息，预测随着新信息而不断改变，结论随着新证据而不断改变（调整的是概率，而非一开始提供先验概率的结构模型）。
概率本质上是对信心的度量，信心就是大脑对一个预测是否正确的感受，即“概率感”。
大脑是用模型模拟来预测未来，并用预测误差（来自于实践）来改进模型，这种不断对现实世界进行建模并迭代模型的策略，使得大脑的预测能力，具有了可迭代的进步和优势。
❺D因果关系与逻辑
人类智能的特别之处，就是能在大脑结构中，构建一棵由逻辑连接而成的“因果树”，也只有把环境信息（通过排列组合）挂载到这棵“因果树”之上，形成认知模型（即局部因果结构），才能有效地推理未知与预测未来，以获得生存的优势与先机。
由此来看，人类智能就是使用感官输入，来发现周围的结构，从而创造出对环境的表征，智能预测的根，即是这颗“因果树”，逻辑是这棵树的开枝散叶，研究的是如何做有效地论证，是智能预测的证明人与计划安排者。
当然，颅内的“记忆树”，除了包含“因果树”，还有“非因果树”，但只要输入足够多的信息，在理想情况下，所有的信息都会连成一棵完整的“因果树”，因为逻辑是结构固有的关系，因果是关系之间的相互作用。
在相同环境和条件下，事物所呈现的各种关系，被观察、被总结、被验证、被理解，最后掌握了关系的触发与重现，这个客观关系就被称为“规律”。
【附】智能预测中的“道，法，术，器，势”
“道”是因果关系，需要洞见。在面对复杂系统时，动机重要性的选择不同，道，亦不同。
如价值投资，股价最终由价值决定，价值与价格之间的关系，为因果关系。
如技术分析，利润实现必须通过价格，着重于研究关于价格的因果关系。
“法”是方法论。
“术”是具体操作方法，具体方法可千变万化。
术，是具体执行。术的一个局限，就是一旦掌握一种技术，也会受限于这种技术，而很难回到之前的状态。草根新人会有成功者，一是无所限制，二是精力旺盛与注意力更为集中，能捕获更多的环境信息。精力是决策的物质基础，注意力是本能预测感知信息的必要条件。
器，是工具，法理的产出结果，以器载道。比如《临界时空》软件。
赚钱，可以是有好的器，用对了术；而赚大钱，是在适合的阶段，能把一个术重复用到了极致。
道与术的关系：
有道无术，术尚可求也；有术无道，止于术。
没有道的指引，术的方向一旦错了，就没有了积累，没有积累，没有迭代，违法效率原则，事倍功半，无法获得更深层次的成长。
赚不赚钱是个结果。有道无术，赚不到钱；无道有术，未必不赚钱。
但无道有术，一旦赚到了钱时，术的体验会因为结果的正反馈得到强化，因为没有道的支持，所以很容易产生固化。
固化后的发展，即便发生了亏损结果，会归于他人、运气等外因，失去术进化的可能性。
在思考上的差异，无疑是造成失败或成功的真正原因。
预测出错是必定会发生，错误本身是进化的阶梯。
“悟错”的能力因人而异，需要耗费极大的精力与时间，而且人只能逼近真实，所以没有人能不犯错，只是犯错后的成长情形相异。
所以人天生的本能：当做出正确判断时，会归因于自身。发生错误时，很难完全内化归因于自己。这是一种刻在基因里的自我保护机制。
但对于那些，自错不知，对他错很敏感的人，一定是固化很深的人。
通过本篇的学习，大家也知道在没有道支持下，上述的情形，要自发地改变，几乎不可能：改变，等同于否定了固有的行为模型。
有道的支持，可以引导我们去追求适合的术；同时，也可以不受已有术的局限，去完善或发现新的可能性。
比如：帆船。
当人们了解空气动力学的原理后，现代制造的无动力帆船，不仅可以逆风前进，而且还可以跑得比风速快很多。
方向对了，成长依赖的条件就可以降低了：不一定需要很高的智商，只需要不懈的追求与努力。
如巴菲特。不一定需要一时间的极优异表现，而是凭借长期的正向输出。
高手的自我修养：
武林中，如果每次出手都是在思考之后，是不可能成长为高手的。
高手对决之间，手脚是下意识地见招拆招。脑中是快速反应，而不是思考，如何应对对方的战术策略，并在后面战斗中，控制自己的身体。
一个老司机的决策，是本能反应。如果有个人总是在旁边给出建议，那很容易出问题啊。
季文子三思而行，孔子听了之后说：“考虑两次就可以了。”想得太多，失去机遇；想得太多，大概率就不会行动了。矛盾永远存在。
长考出臭招。思考过程中进行交易，我的体会，错误率是极高的。
当环境复杂，对立信息量越多时，每个人底层的判断模型（绝大多数人自己未必了解，且该模型也会随环境变化）就会更多地侵入决策过程。
因此将因果关系、逻辑关系的理解，经过实践经验的日积月累，融入到不用思考的本能快系统预测中，这就是人狠话不多的高手了。
“香山帮”鼻祖、北京天安门城楼设计者吴县人蒯祥，能够以两手握笔画双龙，合之为一，不出一点差错。
相传不用尺子，“我的眼睛就是尺子”，仅凭双手的比划，“造成以置原所，不差毫厘”。任工部左侍郎，食从一品俸。
知者行之始，行者知之成
【附】情绪 与交易的反人性
在2024年头风马牛年终秀，主持程前失态事件刷屏。一个30岁的量化金融专业的硕士，情绪失控，言语失格。
情绪系统如此强大。人类仍旧处在向智能预测演化的原始边缘。
看似科技发达，但人群实则仍然主要以情绪决策为最终决策系统，使得情商、情绪价值在现实社会中，有强大的生命力。也就是说，社会化过于强盛，未必能加速人类向智能预测的演化，反而更强化利用情绪系统。
交易的反人性，针对的是情绪预测。
情绪预测是直指赚钱目标的：所以股价波幅的大小是情绪的直接指标。
情绪是环境变化的因变量，情绪预测系统下的交易，易随环境变化而快速变化，属于“变化敏感者”。所以，短线交易居多。当上涨消耗能量过于增大后，易产生股价回跌的情况。
下跌过程，反之、
原理是：对某股价，上涨放量时，该价格需求量消耗速度，高于该价格需求量的再生产速度。
同理：下跌放量时，该价格的供给量消耗速度，高于该价格供给量的再生产速度。
股价变化中，市场趋势能延续的两种情绪：淡定（涨）、冷淡（跌），表现为短线交易减少。
在股价变化中，市场价格短线交易活跃的情绪是：主动。而群体在主动情绪之下的短线交易，所引起的股价变化，需要通过后续价格的变化，验证其是否能够有再进一步的能力。
我们需要观察与判断的是：主动结果的力度有多大，是否能够使得盈利兑现，或者是否能够做空了结成功。从而判断，趋势是否延续。
人群的情绪能量值，应该属正态分布，主要集中在主动（值310）与恐惧（值100）之间。
股票交易，需要了解自己，即是了解群体情绪。观察，并判断交易情绪，而非“反人性”。
股价离开成本区间，表现为“主动”的情绪。容易触发交易。
股价接近临界价格，表现为“主动”的情绪。容易触发交易。
股价甩脱临界价格，表现为“欲望”加码，转而“淡定”。
股价下跌离开成本区初期，表现为“主动”的情绪。容易触发交易。
股价接近临界价格附近，表现为“恐惧”的情绪。容易触发交易。
股价接续下跌，脱离临界价格，表现为“愤怒”，转而陷入“悲伤”、“冷淡”的情绪。
群体博弈原则： 领先者更愿意保持一致，追赶者努力追求差异。
本章感谢：❶知乎作者scott.cgi的《人类智能：有关推理、逻辑、因果、预测、学习、算法、想法与一切》关于智能预测的内容
❷作者于建国博士Yjango《渐构：学习观》关于智能演化的内容