En cuanto a la medición de la ciencia y la pseudociencia, hay una doctrina ampliamente aceptada llamada la pseudociencia de Popper.
Por ejemplo, todos sabemos ahora que la Tierra gira alrededor del Sol, y quiero demostrarte lo que hay que hacer, la mejor manera de hacerlo es tener un telescopio gigante que te envíe imágenes desde lejos. Pero puedes decir que la Tierra gira alrededor del Sol ahora, y no puedes demostrar que la Tierra de los Tang también gira alrededor del Sol. Esto es más difícil.
Aquí está el problema de cómo definir la ciencia. La ciencia puede definirse así: la ciencia es empirista, es decir, que históricamente ha sido capaz de probar falsas, y que puede hacer algunas predicciones falsas, que precisamente deben ser falsificables, es decir, que las predicciones hechas por esta teoría científica son susceptibles de ser refutadas por el experimento, y solo si se cumplen las dos condiciones de la predicción falsa y la falsificación falsa, podemos ser llamados ciencia. Por el contrario, si propones una teoría y las predicciones que haces nunca pueden ser refutadas por el experimento, entonces puedes llamarla pseudociencia.
Por ejemplo, usted dice que hay una persona que puede llegar a ser 5 metros de altura, y hemos estado estatisticando a todas las personas en el mundo y no hemos encontrado ni una, pero aún así no podemos refutar su conclusión, porque no podemos demostrar que un hombre de la dinastía Tang creció 5 metros, y si no podemos refutar su conclusión, ¿por qué no admitir que lo que dice es ciencia, porque no puede confirmar que hay una persona de 5 metros de altura, ni hacer una predicción, cuando habrá una persona de 5 metros?. Por lo tanto, cuando una teoría sólo puede probar falsamente y no puede confirmar falsas predicciones, y no puede decir falsas palabras, no podemos admitir por el momento que es científica.
Las ciencias anteriores son ciencias 100% correctas, que pueden ser probadas una infinidad de veces, y una vez probadas, no son ciencias. Por ejemplo, encontrar un cisne negro, puede decir que todos los cisnes son blancos no es ciencia. Entonces, el problema es, si hago una proposición, el 95% de los cisnes son blancos, ¿no es ciencia?
Así que él está muy avergonzado, porque todo en nuestra vida son probabilidades, por ejemplo, si yo concluyo que la probabilidad de que haya un tifón en agosto es del 90%, basado en las estadísticas de los últimos cientos de años, créanlo o no. Por ejemplo, si mañana llueve el 50%, creanlo o no. Si las transacciones en la playa son correctas, el 40%, ¿deben creerlo?
Por supuesto, puedes elegir probabilidades estadísticas poco estrictas, pero en realidad, lo que creas o no, también estás profundamente influenciado. Por ejemplo, después de 10 años de guerra, vas a estar en la línea de frente, y después de contar el 10% de la mortalidad en la línea de frente durante estos 10 años, y sientes que tienes suerte, te gustaría inscribirte en el ejército, pero si una estadística, el 60% de mortalidad, te sientes asustado, definitivamente no vas, y dices que no crees en esta probabilidad estadística, te detienes.
Según las probabilidades obtenidas por las estadísticas, es obvio que es fácil demostrar que hay un caso contrario, pero es difícil refutar esta probabilidad. Las probabilidades obtenidas por las estadísticas no pueden considerarse una ciencia, esto es discutible, no lo digo, no se discute aquí, solo puedo hablar de cómo se puede creer.
Aquí se trata de un número de veces verificables, cuantas más veces se puedan verificar en el pasado, más creíble, cuantas más veces se pueda verificar después de la predicción, más creíble. El pasado experimenta 11,000 veces, las conclusiones son mil veces más creíbles que los experimentos. El pasado experimenta 10,000 veces, las conclusiones son correctas, mil veces más creíbles que los experimentos.
Entonces, aquí está el punto crucial: ¿cómo confiar en una estrategia de cuantificación de alto rendimiento?
Desde el punto de vista científico, en primer lugar, las estrategias históricamente comprobadas tienen un alto rendimiento, por supuesto, cuanto más tiempo se pruebe mejor, y el mayor número de pruebas es mejor. Luego, hacer predicciones, que en los próximos años (por ejemplo, 3 años) seguirán teniendo una alta probabilidad de rendimiento. Hasta que el Cisne Negro aparezca.
Por ejemplo, la estrategia de los pequeños ingresos de GoJin ha demostrado que puede ganar y perder hasta los 300, y yo estoy prediciendo que también puede ganar en los próximos 10 años, y aunque la prueba demore mucho, en 10 años, si la predicción es correcta, se puede considerar que es creíble.
Algunos dirán que las estrategias creadas son de 2007 hasta ahora, esperar demasiado tiempo para probarlas, esperar demasiado tiempo. Yo propongo una buena manera, establecer un tiempo de prueba de estrategias de 2007 a finales de 2011, hacer una estrategia óptima, y luego ver de 2007 a 16, es equivalente a probar 5 años, luego probar 5 años después de la predicción, para ver si es efectivo.
En cuanto al número de inspecciones, por ejemplo, las estrategias de 07 años a la fecha, el ciclo de cambio de posición es de dos días, es la mitad del ciclo de cambio de posición de un día, y también he encontrado que para las estrategias de peso muy complejo, cambiar el tiempo de cambio de posición por un día, la anualidad de la estrategia puede bajar un 100%.
Cuando tienes dos o más teorías en competencia que llegan a la misma conclusión, la más simple o verificable es mejor. También hay una forma más común y fuerte de esta expresión: si tienes dos o más principios que explican los hechos observados, entonces deberías usar la más simple o verificable hasta que se encuentre más evidencia. Las explicaciones más complejas a menudo son más correctas para las explicaciones más simples de los fenómenos. Si tienes dos o más soluciones similares, elige la más simple.
Por ejemplo, el nuevo vestido del emperador. Cuando el primer ministro y su vecino vieron el extraño fenómeno de que el emperador caminaba en la calle con su trasero desnudo, cada uno tenía una doble explicación. Primero, veamos la explicación del primer ministro: i. supongamos que el emperador llevaba una de las ropas más bonitas del mundo. ii. supongamos que solo un hombre inteligente puede ver. iii. supongamos que soy un tonto.
Entonces viene la clave, las estrategias más simples son las más efectivas.
La respuesta es sí, especialmente en las estrategias con un número relativamente pequeño de inspecciones.
Por ejemplo, las nuevas acciones, las grandes acciones tendrán momentos muy buenos, se desempeñan especialmente bien este año, pero es muy probable que fallen el próximo año.
Por ejemplo, la tendencia 28, que tiene que diferenciarse en base a los 28 estilos, y puede tener tendencias lo suficientemente largas, pero en el futuro, ¿por qué no la tendencia 28 coincide?
Por ejemplo, al elegir una línea recta, pensamos que el MA ((2.20) es muy bueno para el S&P 300, pero no es muy bueno para el S&P 500, pero en realidad el MA ((2.20) del S&P 300 no ha sido efectivo antes, entonces es un fracaso.
Por ejemplo, el panel pb (3,6.5) es muy bueno, pero solo se ha probado 3 veces en los últimos 7 años, ¿cómo sabes que no va a ser tan bajo en el largo plazo como el Pb 300?
El último ejemplo es el pequeño volumen de transacciones, una estrategia tan buena, que no te imaginas que va a fallar en los 300 en profundidad.
La parte de Ockham Razor no es suficiente, y luego pensar si puedo escribir es más convincente.
El texto anterior, con referencia a la forma del tiempo de yoga, los filósofos de yoga han hecho algo al respecto.