-
Notifications
You must be signed in to change notification settings - Fork 30
/
binary-Q1Inter-HFT-RV3.Rmd
1706 lines (1356 loc) · 96 KB
/
binary-Q1Inter-HFT-RV3.Rmd
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
319
320
321
322
323
324
325
326
327
328
329
330
331
332
333
334
335
336
337
338
339
340
341
342
343
344
345
346
347
348
349
350
351
352
353
354
355
356
357
358
359
360
361
362
363
364
365
366
367
368
369
370
371
372
373
374
375
376
377
378
379
380
381
382
383
384
385
386
387
388
389
390
391
392
393
394
395
396
397
398
399
400
401
402
403
404
405
406
407
408
409
410
411
412
413
414
415
416
417
418
419
420
421
422
423
424
425
426
427
428
429
430
431
432
433
434
435
436
437
438
439
440
441
442
443
444
445
446
447
448
449
450
451
452
453
454
455
456
457
458
459
460
461
462
463
464
465
466
467
468
469
470
471
472
473
474
475
476
477
478
479
480
481
482
483
484
485
486
487
488
489
490
491
492
493
494
495
496
497
498
499
500
501
502
503
504
505
506
507
508
509
510
511
512
513
514
515
516
517
518
519
520
521
522
523
524
525
526
527
528
529
530
531
532
533
534
535
536
537
538
539
540
541
542
543
544
545
546
547
548
549
550
551
552
553
554
555
556
557
558
559
560
561
562
563
564
565
566
567
568
569
570
571
572
573
574
575
576
577
578
579
580
581
582
583
584
585
586
587
588
589
590
591
592
593
594
595
596
597
598
599
600
601
602
603
604
605
606
607
608
609
610
611
612
613
614
615
616
617
618
619
620
621
622
623
624
625
626
627
628
629
630
631
632
633
634
635
636
637
638
639
640
641
642
643
644
645
646
647
648
649
650
651
652
653
654
655
656
657
658
659
660
661
662
663
664
665
666
667
668
669
670
671
672
673
674
675
676
677
678
679
680
681
682
683
684
685
686
687
688
689
690
691
692
693
694
695
696
697
698
699
700
701
702
703
704
705
706
707
708
709
710
711
712
713
714
715
716
717
718
719
720
721
722
723
724
725
726
727
728
729
730
731
732
733
734
735
736
737
738
739
740
741
742
743
744
745
746
747
748
749
750
751
752
753
754
755
756
757
758
759
760
761
762
763
764
765
766
767
768
769
770
771
772
773
774
775
776
777
778
779
780
781
782
783
784
785
786
787
788
789
790
791
792
793
794
795
796
797
798
799
800
801
802
803
804
805
806
807
808
809
810
811
812
813
814
815
816
817
818
819
820
821
822
823
824
825
826
827
828
829
830
831
832
833
834
835
836
837
838
839
840
841
842
843
844
845
846
847
848
849
850
851
852
853
854
855
856
857
858
859
860
861
862
863
864
865
866
867
868
869
870
871
872
873
874
875
876
877
878
879
880
881
882
883
884
885
886
887
888
889
890
891
892
893
894
895
896
897
898
899
900
901
902
903
904
905
906
907
908
909
910
911
912
913
914
915
916
917
918
919
920
921
922
923
924
925
926
927
928
929
930
931
932
933
934
935
936
937
938
939
940
941
942
943
944
945
946
947
948
949
950
951
952
953
954
955
956
957
958
959
960
961
962
963
964
965
966
967
968
969
970
971
972
973
974
975
976
977
978
979
980
981
982
983
984
985
986
987
988
989
990
991
992
993
994
995
996
997
998
999
1000
---
title: "<img src='诸子百家考工记/deriv.png' height='240'>"
subtitle: "[<span style='color:#DE5D83; background-color:black;'>金融衍生</span> - 筛选日内高频量化交易统计模型 <span style='color:#4E79A7'>**（第III部）**</span>](https://github.com/englianhu/binary.com-interview-question)"
author: "[®γσ, ξηg Lιαη Ημ（雷欧）](https://englianhu.github.io) <img src='诸子百家考工记/赢家ξng黄氏江夏堂 - 量化对冲（中）.png' height='14'> <img src='诸子百家考工记/ENG.png' height='14'>® <img src='诸子百家考工记/大秦赋 - 北京大学.png' height='14'>"
date: "`r lubridate::today('Asia/Shanghai')`"
output:
html_document:
mathjax: https://cdn.jsdelivr.net/npm/mathjax@3/es5/tex-mml-chtml.js
number_sections: yes
toc: yes
toc_depth: 6
toc_float:
collapsed: yes
smooth_scroll: yes
code_folding: hide
css: 秦谏典范与楷模.css
---
# 主题
<br>
<span style='color:green'>**🚩🦔 主题曲 🚩🦔**</span>
<br>
<audio controls loop autoplay src="诸子百家诗经与古诗源/Mika - Elle me dit (happy song to be millionaire).mp3" controls></audio>
<br>
🚩🇬🇧🇺🇸🇹🇼🇨🇳🇲🇾大秦赋赢家ξng黄氏江夏堂
## 商鞅（🇨🇳掌柜习近平）变法
**大秦赋**
咱们科研高频量化对冲🚩中科红旗（合法正规）操作系统计数编程的世袭制道教徒十二生肖黄种人秦人牧马的亚洲🌏公民大秦赋赢家ξng黄氏江夏堂联富和家眷亲属都不要死伤疼痛禁锢暴力肢体伤残百病缠身，🇨🇳掌柜习近平和🇸🇬欧阳金泰兄弟仨负责歼灭所有身在东南亚的回教徒、所有新加坡公民、所有印尼公民、Caspo、IBCBet、金宝博和峇峇娘惹和入侵电子仪器的所有党羽，建立咱们世袭制道教徒十二生肖秦人牧马的六四学术政府。
🚩🇹🇼🇨🇳🇲🇾秦孝公 | 🇹🇼🇨🇳🇲🇾姜太公 --- 🇹🇼🇨🇳🇲🇾陈祯禄公爵/邱德拔公爵/叶亚来队长/叶观盛队长<br>
《大秦赋》<br>
🚩大秦孝公，秦惠文王；<br>
🚩始于商鞅，终于辛亥。<br>
🚩巫裔尽弃，瓦釜雷鸣；（推翻马来回教政权）<br>
🚩铲除巫裔，终止屠杀。<br>
🚩中科红旗，同舟共济；<br>
🚩千古一帝，傲视全球。<br>
🚩一带一路，史无前例；<br>
🚩横跨七洲，一统天下。<br>
🚩学海无涯，唯秦是岸；<br>
🚩不忘初心，方得始终。<br>
出处：[蔡卓宜 - 厦门美食](https://www.instagram.com/p/Cjxd_GMLAes)
- [史册号](https://www.shicehao.com)
- [词林](https://www.cilin.org)
- [族谱网](https://www.zupu.cn)
- [历史网](https://www.lishi.net)
- [中国历史研究院网](http://hrc.cass.cn)
- [人物介绍网](https://www.yuelishi.cn)
- [百家有谱](https://www.baijiayoupu.com)
- [历史记](https://www.lishiji.cn)
- [β博雅旅游分享网](http://www.bytravel.cn)
- [博雅人物网](http://ren.bytravel.cn)
- [洞鑑歷史](https://www.99tango.com/library)
- [中国人物传记网](https://www.chinarwzj.com)
- [「百家诸子」中国哲学书电子化计划](https://ctext.org/zhs)
- [當代中國](https://www.ourchinastory.com)
- [第一范文网](https://www.diyifanwen.com)
- [知识贝壳](https://www.zsbeike.com)
- [趣历史](http://www.qulishi.com/renwu/qinshihuang)
- [古诗文网](https://www.gushiwen.cn)
- [5000言](https://5000yan.com)
- [汉典](https://www.zdic.net)
- [学术交流联盟](http://bbs.97fc.com)
- [海词](http://www.cihai123.com)
- [828啦](https://www.828la.com)
- [X-MOL学术平台](https://www.x-mol.com)
- [arXiv](https://arxiv.org)
- [5000言](https://gwgz.5000yan.com)
- [古诗词网](https://www.gushici.net)
- [千篇国学](https://www.qianp.com)
> [《万般皆下品，唯有读书高》]{style="color:#3C33FF"}<br>
[习李经济，一带一路；]{style="color:#6883FC"}<br>
[九二共识，量化对冲。]{style="color:#6883FC"}<br>
[鞭策六四，铲除黑帮；]{style="color:#6883FC"}^[尤其是咱们东南亚屠杀六百圩万人类的巫师Judi邪教宦官巫裔博彩庄诸国]<br>
[推广量化，提倡学术。]{style="color:#6883FC"}<br>
[百家争鸣，振兴中华；]{style="color:#6883FC"}<br>
[学海无涯，唯勤是岸。]{style="color:#6883FC"}
> 辛亥革命大秦赋日不落重八、德意志崇祯、古希腊ξηg神话、周公解梦、嬴政把春秋大梦实现为春秋大业、秦孝公招商（商鞅变法）、秦惠文王：全球有16亿不吃猪肉的回教徒宦官（可兰经回教刑事法典断肢法）宗祖国是沙地阿拉伯麦加，需要靠中国政府一带一路战略（商鞅变法联合辛亥革命）还俗。
> 《量化短歌行》<br>
[**高频量化**，人生几何？]{style="color:#6883FC"}；<br>
譬如朝露，去日苦多。<br>
慨当以慷，忧思难忘；<br>
[何以解忧，唯有**陆佑**]{style="color:#6883FC"}。<br>
青青子衿，悠悠我心；<br>
但为君故，沉吟至今。<br>
呦呦鹿鸣，食野之苹；<br>
[我有**鸿门**，鼓瑟吹笙。]{style="color:#6883FC"}<br>
[明明如**日**，何时可掇?]{style="color:#6883FC"}<br>
忧从巫来，不可断绝。（何以解忧，唯有除巫。）<br>
越陌度阡，枉用相存；<br>
契阔谈宴，心念旧恩。<br>
月明星稀，乌鹊南飞；<br>
绕树三匝，何枝可依？<br>
[**春秋战国，卐家争鸣（🇩🇪德意志崇祯）**；]{style="color:#6883FC"}<br>
[**北京鸟巢，卐鸟归巢（🇩🇪德意志崇祯）**。]{style="color:#6883FC"}<br>
[**辛亥革命，根除巫裔**；]{style="color:#6883FC"}<br>
[**终止疫情，拯救全球**。]{style="color:#6883FC"}<br>
山不厌高，海不厌深；<br>
[嬴政吐哺，天下归心。]{style="color:#6883FC"}
<img src='诸子百家考工记/css.png' width = '400'>
省吃俭用的工匠建筑工人（嬴政兼鲁班兼蒙毅）家翁嬴政ξηg Tεηg（赢家黄氏江夏堂）
<img src='诸子百家考工记/鞭策六四，推广量化；百家争鸣，振兴中华。.png' width = '400'>
世间再无富不过三代的败家子祖父黄实田（曾祖黄福全在清末光绪年间和两个哥哥仨飘洋过海从满洲到星洲自力更生努力奋斗开垦一百亩农地，然后和土木工程的杨清廉俩在清末鸦片战争时期是瓜雪两大不相伯仲的首富）祖母颜为，省吃俭用的外祖父书法家李福（李斯篆书）外祖母郑邓（家道中落的富家千金）。
------
<span style='color:blue'>**F**</span><span style='color:white'>**R**</span><span style='color:red'>**A**</span> : <span style='color:#787878'>Elle me dit</span>
<span style='color:red'>**C**</span><span style='color:yellow'>**H**</span><span style='color:red'>**N**</span> : <span style='color:#787878'>她对我说</span>
<span style='color:blue'>**E**</span><span style='color:red'>**N**</span><span style='color:blue'>**G**</span> : <span style='color:#787878'>She told me</span>
<span style='color:white'>**J**</span><span style='color:red'>**P**</span><span style='color:white'>**N**</span> : <span style='color:#787878'>彼女は私に言う</span>
------
<span style='color:blue'>**F**</span><span style='color:white'>**R**</span><span style='color:red'>**A**</span> : <span style='color:#787878'>écris une chanson contente</span>
<span style='color:red'>**C**</span><span style='color:yellow'>**H**</span><span style='color:red'>**N**</span> : <span style='color:#787878'>写一首欢快的歌</span>
<span style='color:blue'>**E**</span><span style='color:red'>**N**</span><span style='color:blue'>**G**</span> : <span style='color:#787878'>Write a happy song</span>
<span style='color:white'>**J**</span><span style='color:red'>**P**</span><span style='color:white'>**N**</span> : <span style='color:#787878'>幸せな歌を書く</span>
------
<span style='color:blue'>**F**</span><span style='color:white'>**R**</span><span style='color:red'>**A**</span> : <span style='color:#787878'>Pas une chanson déprimante</span>
<span style='color:red'>**C**</span><span style='color:yellow'>**H**</span><span style='color:red'>**N**</span> : <span style='color:#787878'>而不是悲伤的歌</span>
<span style='color:blue'>**E**</span><span style='color:red'>**N**</span><span style='color:blue'>**G**</span> : <span style='color:#787878'>Not a depressing song</span>
<span style='color:white'>**J**</span><span style='color:red'>**P**</span><span style='color:white'>**N**</span> : <span style='color:#787878'>気のめいるような歌ではない</span>
------
<span style='color:blue'>**F**</span><span style='color:white'>**R**</span><span style='color:red'>**A**</span> : <span style='color:#787878'>Une chanson que tout le monde aime</span>
<span style='color:red'>**C**</span><span style='color:yellow'>**H**</span><span style='color:red'>**N**</span> : <span style='color:#787878'>一首让所有人都喜欢的歌</span>
<span style='color:blue'>**E**</span><span style='color:red'>**N**</span><span style='color:blue'>**G**</span> : <span style='color:#787878'>A song that everyone loves</span>
<span style='color:white'>**J**</span><span style='color:red'>**P**</span><span style='color:white'>**N**</span> : <span style='color:#787878'>みんなが大好きな曲</span>
------
<span style='color:blue'>**F**</span><span style='color:white'>**R**</span><span style='color:red'>**A**</span> : <span style='color:#787878'>Elle me dit</span>
<span style='color:red'>**C**</span><span style='color:yellow'>**H**</span><span style='color:red'>**N**</span> : <span style='color:#787878'>她对我说</span>
<span style='color:blue'>**E**</span><span style='color:red'>**N**</span><span style='color:blue'>**G**</span> : <span style='color:#787878'>She told me</span>
<span style='color:white'>**J**</span><span style='color:red'>**P**</span><span style='color:white'>**N**</span> : <span style='color:#787878'>彼女は私に言う</span>
------
<span style='color:blue'>**F**</span><span style='color:white'>**R**</span><span style='color:red'>**A**</span> : <span style='color:#787878'>Tu deviendras milliardaire</span>
<span style='color:red'>**C**</span><span style='color:yellow'>**H**</span><span style='color:red'>**N**</span> : <span style='color:#787878'>你将成为亿万富翁</span>
<span style='color:blue'>**E**</span><span style='color:red'>**N**</span><span style='color:blue'>**G**</span> : <span style='color:#787878'>You will become a millionaire</span>
<span style='color:white'>**J**</span><span style='color:red'>**P**</span><span style='color:white'>**N**</span> : <span style='color:#787878'>あなたは億万長者になります</span>
------
<span style='color:blue'>**F**</span><span style='color:white'>**R**</span><span style='color:red'>**A**</span> : <span style='color:#787878'>Tu auras de quoi être fier</span>
<span style='color:red'>**C**</span><span style='color:yellow'>**H**</span><span style='color:red'>**N**</span> : <span style='color:#787878'>你将为此感到骄傲</span>
<span style='color:blue'>**E**</span><span style='color:red'>**N**</span><span style='color:blue'>**G**</span> : <span style='color:#787878'>You will be proud</span>
<span style='color:white'>**J**</span><span style='color:red'>**P**</span><span style='color:white'>**N**</span> : <span style='color:#787878'>あなたは誇りに思うでしょう</span>
<br>
# 设定
## SCSS 设置
<style>
pre {
overflow-x: auto;
}
pre code {
word-wrap: normal;
white-space: pre;
}
.table-hover > tbody > tr:hover {
background-color: #8D918D;
}
</style>
```{r 读取SASS, class.source='bg-success', class.output='bg-primary'}
##
## 中科红旗（百家争鸣，文艺复兴）
## Oversea Greater Chinese Associateion 大秦子民公会（秦孝公 / 姜太公 --- 陈祯禄公爵）
## 史无前例，一统天下
##
##
##
## 中科红旗
## 全球NonMuslim中华民族，支持中共称霸天下战略。
## Great Britain 大英帝国
## Greater Chin 大秦赋
## Republic of China / Republic People of China 大秦赋（中华民国 / 中华人民共和国）
## Greater Chinese 大秦子民（爱民如子）
## Oversea Greater Chinese 大秦子民（爱民如子）
## Oversea Greater Chinese Union 大秦子民公会（秦孝公 / 姜太公 --- 陈祯禄公爵）
## 史无前例，一统天下
##
## Great Britain = 大布列颠帝国/大英帝国1
## Greater Chin = 大秦赋
## Greater Chinese = 大秦子民（爱子如民）
##
## 世袭制道教徒黄种人马来西亚籍（海外世袭制道教徒黄种人，自从清末民初下南洋，咱们马来西亚陈祯禄创办 Oversea Chinese Association）秦始皇黄氏江夏堂，笑傲江湖最大文明贡献
##
## 1）借鉴以前大英帝国东印度公司，有生之年就把一带一路高铁所经过的国家领土，一律得攻占下来（要比以前大英帝国/大蒙古帝国还要强大）称霸天下，世代延续直至史无前例，一统天下。
## 2）一带一路所有告示牌、必须使用中文和汉语拼音。
## 3）借鉴大蒙古帝国骑兵所到之处寸草不生，所有被中国攻占下来的领土，所经之地（包括城市/市镇/乡村），一带一路所有高铁站，都建立国民登记局可以申请入籍中国。
## 4）川普已经发言多次，美国兵变，会再次内战（借鉴越王勾践，中越不内讧，善用马来西亚回教徒太监不造反牵制美国，军售中东/西亚/东欧回教诸国）
## 5）中东回教国回教徒911恐怖份子与美国开战，中国军售中东西亚/东欧/非洲回教国（借鉴越王勾践NonMuslim中华民族与美国洋人Democrats阖闾政府，中越不内讧，善用马来西亚回教徒太监不造反牵制美国，军售中东/西亚/东欧回教诸国）
## 6）中国目前高铁除了尚未与马来西亚达成协议开工建立高铁但是已经借鉴王翦只围不攻战略，把东南亚国家都温馨说服并建立高铁，中国先不与马来西亚开战，让马来西亚兵变内战（借鉴越王勾践NonMuslim中华民族与美国洋人Democrats阖闾政府，中越不内讧，善用马来西亚回教徒太监不造反牵制美国，军售中东/西亚/东欧回教诸国）
## 7）南太平洋战略：中国和东南亚已经签署合约，达成协议不使用空军、核武器，出动海陆军攻占东南亚
## 8）商鞅变法多多益善战略：最大贡献是全球16亿回教徒太监民族与全球基督洋人鹬蚌相争... 回教徒默罕默德创办回教，建立可兰经回教刑事法典断肢法规定回教徒伪太监民族必须虔诚戴乌纱帽一天祈祷五次，倘若不虔诚施展巫术屠杀是触犯断肢法而虔诚屠杀也触犯断肢法，只有辛亥革命铲除全球回教徒、断肢法处死或宫刑全球回教徒绝子绝孙，多管齐下才能终止巫术屠杀，拯救全球16亿回教徒还俗。China大秦赋秦孝公至顾自己家族禁止七步诗自相残杀，铲除分一杯羹白骨精刘家彭城堂造反，回教徒会巫术屠杀人类，回教徒太监民族只能屠杀欧美洋人并且被断肢处死，不效忠中共称霸天下，直至一统天下的伪满洲国马来西亚1700万个回教徒911恐怖份子太监民族包括Michael Cutter Christopher，一律断肢法处死（借鉴越王勾践NonMuslim中华民族与美国洋人Democrats阖闾政府，中越不内讧，善用秦二世胡亥、辛亥革命、越王胡志明、中国胡景涛、马来西亚回教徒太监不反中共牵制美国，军售中东/西亚/东欧回教诸国对抗美国）。秦始皇在统一七国后就不思进取导致赵高李斯谋反（借鉴中国历史秦始皇，水能载舟亦能覆舟，宗教巫术，古惑民心，指鹿为马，成也赵李，败也赵李。所以秦始皇得铭记当初秦孝公，不能昏庸被回教徒篡位），中国借鉴秦孝公战略善用商朝和苏联俄罗斯叶利钦。秦始皇铭记秦孝公，善用全球回教徒古惑全球洋人再依照可兰经回教刑事法典断肢全球回教徒，让咱们全球NonMuslim中华民族支持中共，一统天下。
## 9）华尔街、史无前例的万里长城Great Wall Sreet、一带一路高铁：计量经济学、学术治国、编程、统计、科学科技、量化（Fisher姜太公钓鱼大数据，各行各业购物喜好、民意、生活习惯、各国各集团、军事、诊断上市公司等）、金融、贸易、经商、军事、发展各行各业。
## 10）中文编程语言：借鉴日本自从唐朝大话革新学习汉字至明治维新学习欧洲，日本是全球首个亚洲人自创Ruby红宝石编程语言（Ruby Text可以标音），自从2008年就开始使用R语言并且认识中国R语言论坛《统计之都》论坛创办人网友谢益辉和赵坚毅创办的中国最大计量经济学专业论坛《经管之家》至今十年有余、目前已经开始以中文编程，中华人民共和国的国庆日1001和中华民国的国庆日1010都是二进制的电脑语言binary code，如同黄埔军校国共本是一家，赢家黄氏江夏堂秦孝公禁止《七步诗》自相残杀。咱们东南亚NonMuslim中华民族几乎都是国民华校生，洋人研发电脑、许多编程语言R语言、C语言、C++，推广与发展中文，希望它日有咱们NonMuslim中华民族自创新的编程语言，均以中文编程。
## 11）发展台式电脑操作系统：中科红旗是由中国北京大学校友孙玉芳创办将Linux礼逆袭和南非原住民开发的Kubuntu忽奔兔中文化并推出自家产品，在美国微软视窗Win台式电脑操作系统垄断全球十多二十年有余，目前已经开始使用芬兰研发的Linux礼逆袭、中国中科红旗台式电脑操作系统，推广与发展中科红旗。
##
## 《关雎 --- 中国妞儿芈月传》
## 咱们亚洲公民世袭制道教徒黄种人都不可以死，隔壁后头邻居黄福全与本人（赢家黄氏江夏堂）祖父同名同姓。
##
## 借鉴欧洲中世纪，文艺复兴后就是开始海外军事，称霸天下之路。目前全球疫情已过三年，一带一路如火如荼进行着。
## 借鉴周公礼乐制度，大英帝国和大日本帝国向来都是自诩绅士淑女，孔子学院，以礼待人，来称霸天下。
## 借鉴指鹿为马的历史，百家争鸣如果散播回教徒屠杀罪、不杀马来西亚回教徒的话，就得处死回教徒学习可兰经，施展巫术下降头，古惑民心之罪，篡位咱们全球NonMuslim中华民族，人心惶惶、民不聊生，一律依照可兰经回教刑事法典断肢法处死回教徒巫师王（张佳坤Sulaiman Abdullah，分一杯羹白骨精巫师王刘瑾貹Abdul Halim）。
## 借鉴圣经、诺亚方舟（划龙舟）、孔子儒学（Confusion Catholic）、神父Father与信徒、中国历史、姬昌伯一扈兔子、徐达吃鹅肉、富不过三代的秦始皇嬴政秦二世胡亥至嬴政孙子、公爵、公公孙子、孙文辛亥革命、马来西亚火箭民主行动党由曾敏兴创党后林吉祥林冠英后换人、蒋介石蒋经国后就不延续世袭制，圣经都是善用父子关系，咱们中华民族和英系都是善用公孙关系、法官律师女子假发、自由女神。
## 中科红旗：借鉴北洋军阀与北约、杀袁者清，灭清者袁，许某可破北洋北约袁绍。黄埔军校国民党共产党辛亥革命是为了铲除回教徒，咱们东南亚回教徒身为伪满洲国911恐怖份子触犯可兰经回教刑事法典断肢法，组织个由回教徒执政的国民阵线（伪国民党）立国，1700万个马来西亚回教徒只能集体自杀，宣布亡国。
## 何谓中国（大秦赋Chin）？中华民国和中华人民共和国。咱们东南亚自从东亚清末民初几乎都是国民华校生，自从西周的周公开始礼乐制度后，大英帝国和大日本帝国都效仿来称霸天下做得有声有色、禁止回教巫术Judi博彩庄、艺人（异人）、导演巫师巫婆道衍师傅装疯卖傻、青山是巫裔回教徒的归属地，回教巫师巫婆是屠杀人类的语言宗教习俗文化，得断肢法处死1700万个马来西亚巫裔回教徒。
# install.packages('remotes', dependencies = TRUE, INSTALL_opts = '--no-lock')
library('BBmisc', 'rmsfuns')
#remotes::install_github("rstudio/sass")
lib('sass')
## https://support.rstudio.com/hc/en-us/articles/200532197
## https://community.rstudio.com/t/r-does-not-display-korean-chinese/30889/3?u=englianhu
#Sys.setlocale("LC_CTYPE", "en_US.UTF-8")
#Sys.setlocale("LC_CTYPE", "zh_CN.UTF-8")
#Sys.setlocale(category = "LC_CTYPE", "Chinese (Simplified)_China.936")
#Sys.setlocale(locale = "Chinese")
#Sys.setlocale(locale = "Japanese")
#Sys.setlocale(locale = "English")
# rmarkdown::render('/home/englianhu/Documents/owner/ryo-cn.Rmd', encoding = 'UTF-8')
#Sys.setlocale("LC_CTYPE", "UTF-8")
#Sys.setlocale(locale = "UTF-8")
#Sys.setlocale(category = "LC_ALL", locale = "chs")
#Sys.setlocale(category = "LC_ALL", locale = "UTF-8")
#Sys.setlocale(category = "LC_ALL", locale = "Chinese")
#Sys.setlocale(category = "LC_ALL", locale = "zh_CN.UTF-8")
Sys.setlocale("LC_ALL", "en_US.UTF-8")
```
```{scss SCSS设置, class.source='bg-success', class.output='bg-primary'}
/* https://stackoverflow.com/a/66029010/3806250 */
h1 { color: #002C54; }
h2 { color: #2F496E; }
h3 { color: #375E97; }
h4 { color: #556DAC; }
h5 { color: #92AAC7; }
/* ----------------------------------------------------------------- */
/* https://gist.github.com/himynameisdave/c7a7ed14500d29e58149#file-broken-gradient-animation-less */
.hover01 {
/* color: #FFD64D; */
background: linear-gradient(155deg, #EDAE01 0%, #FFEB94 100%);
transition: all 0.45s;
&:hover{
background: linear-gradient(155deg, #EDAE01 20%, #FFEB94 80%);
}
}
.hover02 {
color: #FFD64D;
background: linear-gradient(155deg, #002C54 0%, #4CB5F5 100%);
transition: all 0.45s;
&:hover{
background: linear-gradient(155deg, #002C54 20%, #4CB5F5 80%);
}
}
.hover03 {
color: #FFD64D;
background: linear-gradient(155deg, #A10115 0%, #FF3C5C 100%);
transition: all 0.45s;
&:hover{
background: linear-gradient(155deg, #A10115 20%, #FF3C5C 80%);
}
}
```
```{r 编织选项, class.source='hover01', class.output='hover02'}
## 更换时间区域，保留日期时间。
Sys.setenv(TZ = 'Asia/Tapei')
## 忽略所有警讯
## https://stackoverflow.com/a/36846793/3806250
## 设置宽度
## options(knitr.table.format = 'html')将所有kableExtra图表一致设置为'html'格式，省略设置各别图表。
## options(repos = 'https://cran.rstudio.com')将仓库设置为安全网。
## options(repos = 'http://cran.rstudio.com')将仓库设置为普通网。
options(warn = -1, width = 999, knitr.table.format = 'html',
digits = 16, digits.secs = Inf, repos = 'https://cran.rstudio.com')
## https://stackoverflow.com/questions/39417003/long-vectors-not-supported-yet-abnor-in-rmd-but-not-in-r-script
## https://yihui.org/knitr/options
knitr::opts_chunk$set(
class.source = 'hover01', class.output = 'hover02', class.error = 'hover03',
message = FALSE, warning = FALSE, error = TRUE,
autodep = TRUE, aniopts = 'loop', progress = TRUE, verbose = TRUE,
cache = FALSE, cache.lazy = FALSE, result = 'asis')
```
## 设置
读取以下所需程序包。
```{r 读取程序包}
## 读取程序包、设置编织与环境选项。
## 3210448065@qq.com
## leiou123
## 2849108450@qq.com
## leiou123
## https://rstudio.cloud/project/1198888
## 读取'BBmisc'程序包。
if (suppressMessages(!require('BBmisc'))) {
install.packages('BBmisc', dependencies = TRUE, INSTALL_opts = '--no-lock')
}
suppressMessages(library('BBmisc'))
if (suppressMessages(!require('rmsfuns'))) {
install.packages('rmsfuns', dependencies = TRUE, INSTALL_opts = '--no-lock')
}
suppressMessages(library('rmsfuns'))
if (!require('REmap')) devtools::install_github('lchiffon/REmap')
## 一次性读取所需程序包。
library('dplyr', warn.conflicts = FALSE)
library('Ipaper', warn.conflicts = FALSE)
library('lubridate', warn.conflicts = FALSE)
library('data.table', warn.conflicts = FALSE)
library('conflicted', warn.conflicts = FALSE)
conflicts_prefer(Ipaper::is_empty, .quiet = TRUE)
conflicts_prefer(tidyft::filter, .quiet = TRUE)
conflicts_prefer(tidyft::select, .quiet = TRUE)
conflicts_prefer(tidyft::mutate, .quiet = TRUE)
conflicts_prefer(tidyft::rename, .quiet = TRUE)
conflicts_prefer(dplyr::collapse, .quiet = TRUE)
conflicts_prefer(lubridate::year, .quiet = TRUE)
conflicts_prefer(data.table::first, .quiet = TRUE)
conflicts_prefer(data.table::last, .quiet = TRUE)
conflicts_prefer(data.table::transpose, .quiet = TRUE)
conflicts_prefer(data.table::between, .quiet = TRUE)
conflicts_prefer(data.table::set, .quiet = TRUE)
程序包 <- c(
'devtools', 'Ipaper', 'knitr', 'kableExtra', 'tint', 'furrr', 'tidyr',
'readr', 'lubridate', 'reprex', 'stringr', 'feather', 'purrr', 'tidyfst',
'quantmod', 'tidyquant', 'tibbletime', 'timetk', 'plyr', 'dplyr', #'Rfast',
'dbplyr', 'magrittr', 'sarima', 'tidyverse', 'memoise', 'htmltools',
'formattable', 'dtplyr', 'zoo', 'forecast', 'seasonal', 'magrittr',
'seasonalview', 'rjson', 'rugarch', 'rmgarch', 'mfGARCH', 'feather',
'sparklyr', 'jcolors', 'microbenchmark', 'dendextend', 'vembedr', #'TSA',
'lhmetools', 'gtools', 'stringi', 'pacman', 'profmem', 'ggthemes',
'flyingfox', 'htmltools', 'echarts4r', 'viridis', 'hrbrthemes',
'fable', 'fabletools', 'fable.prophet', 'Metrics', 'MLmetrics')
# load_pkg(程序包)
suppressAll(lib(程序包))
load_pkg(程序包)
rm(程序包)
.蜀道 <- getwd() |>
{\(.) str_split(., '/')}() |>
{\(.) c('/', .[[1]][2:5])}() |>
{\(.) c(., 'binary.com-interview-question-data/')}() |>
{\(.) paste(., collapse = '/')}() |>
{\(.) substring(., 2)}()
## 设置googleVis选项，促使plot.gvis只陈列HTML格式的完成品。
谷歌绘图设置 <- options(gvis.plot.tag = 'chart')
## <audio src='诸子百家诗经与古诗源/bigmoney.mp3' autoplay controls loop></audio>
```
```{r 设置函数优先权}
conflicts_prefer(tidyft::separate, .quiet = TRUE)
conflicts_prefer(lubridate::year, .quiet = TRUE)
conflicts_prefer(gtools::permutations, .quiet = TRUE)
```
<br>
# 简介
[<span style='color:#DE5D83; background-color:black;'>*Deriv.com*</span> - *Interday High Frequency Trading Models Comparison* <span style='color:red'>*Blooper*</span>](https://rpubs.com/englianhu/binary-Q1Inter-HFT)科研论文中提及一些技术问题，故此使用**Part I**中的数据加以修饰并回测，再与**Part II**比较，筛选最优统计模型。
- [<span style='color:#DE5D83; background-color:black;'>*Deriv.com*</span> - *Interday High Frequency Trading Models Comparison* <span style='color:RoyalBlue'>*Review (Part I)*</span>](https://rpubs.com/englianhu/binary-Q1Inter-HFT-RV1) (发布于RPubs.com)
- [<span style='color:#DE5D83; background-color:black;'>*Deriv.com*</span> - *Interday High Frequency Trading Models Comparison* <span style='color:RoyalBlue'>*Review (Part I)*</span>](https://beta.rstudioconnect.com/content/16240/binary-Q1Inter-HFT-RV1.html) (发布于RStudioConnect.com)
- [<span style='color:#DE5D83; background-color:black;'>*Deriv.com*</span> - *Interday High Frequency Trading Models Comparison* <span style='color:RoyalBlue'>*Review (Part II)*</span>](https://rpubs.com/englianhu/742275) (发布于RPubs.com)
- [<span style='color:#DE5D83; background-color:black;'>*Deriv.com*</span> - *Interday High Frequency Trading Models Comparison* <span style='color:RoyalBlue'>*Review (Part II)*</span>](https://beta.rstudioconnect.com/content/8a7cbdce-6fc5-409b-8072-9ff21dbd32eb) (发布于RStudioConnect.com)
在此论文中，再回测日内高频**季节性指数平滑模型（Seasonal Exponential Smoothing - Seasonal ETS）**数据量与循环周期，以较少数据计算最优统计模型。
> #自动化 #科研科学 #尚未试驾 尚未试驾🚗
引用：[抖音 - 电动车](https://v.douyin.com/YxVy48K)
<iframe width="560" height="315" src="https://www.youtube.com/embed/0OvkWGRhf_g" title="YouTube video player" frameborder="0" allow="accelerometer; autoplay; clipboard-write; encrypted-media; gyroscope; picture-in-picture" allowfullscreen></iframe>
引用：[Tumblr - Bayesian Hidden Markov Models for Time Series](https://www.tumblr.com/blog/view/englianhu/641578918656212992?source=share)
> 辛亥革命，铲除巫裔；<br>
终止屠杀，拯救全球。
**咱们东南亚屠杀六卅万人类的巫师Judi邪教宦官巫裔博彩庄诸国**
小时候都在日本动漫文化的环境下长大。小学时期在明智华校上学就已经学会万事具备，都会提前卌分钟抵达做好准备才不会仓促。自从阳历二零零二年学习日语后，由于平时从旺沙马朱宿舍到拉曼学院徒步上学需要时间提前准备，所以都会将时间设为提前廿分钟，基于从旺沙马朱宿舍徒步耗时三刻钟左右，索性设为提前半个时辰，所以愚生将所有电子仪器的标准时间都一律设为日本标准时间，然后青梅竹马的郑添和同学问过我，我回答：“我的时间必须比别人快，我的世界必须比别人快，才能占有先机～”，所以设置提前半个时辰日本标准时间，再提前半个时辰就看到是本土提前一个时辰。**自从阳历二零一九年在菲律宾阿里与中国同胞工作离职后，就开始思考身为🇹🇼🇨🇳中华民族，岂能沦为（大化革新的）倭奴或者倭寇，所以目前的科研语言、时间标准、甚至编码，都一律使用汉字。**由于数据上的交易时间出现时差的缘故，在读取数据后就将数据上的时间更换，添加半个时辰时差为中国标准时间，以确保时间规律计算方面，不会出错。
<span style='color:green'>**进程进度函数**</span>
```{r 进程布告栏}
运算进度表 <- function(导入数据, 起点 = NULL, 秒计 = 60, .匹配元素 = '^季节性自回归_', .周期性 = TRUE) {
## ------------- 定时查询进度 ----------------------
## 每分钟自动查询与更新以上模拟预测汇价进度（储存文件量）。
require('magrittr')
require('tibble')
if (!is.data.frame(class(导入数据))) {
导入数据 %<>% data.frame
}
if (.周期性 == TRUE) {
while (1) {
cat('当前中国标准时间：', as.character(now('Asia/Shanghai')), '\n\n')
日子 = as_date(导入数据$年月日时分) %>%
unique
#过滤并忽略每周闭市价时间 --- 周六凌晨12点，然后每周闭市价时间点为周五11:59PM。
日子 <- 日子[weekdays(日子) != 'Saturday']
动态日 = 日子
if (is.null(起点)) {
起点 = 日子[1]
} else if (is.Date(起点)) {
起点 = as_date(起点)
} else {
起点 = as_date(导入数据$年月日时分) %>%
unique
}
日子 = 日子[日子 >= 起点]
布告栏 = list.files(
paste0(.蜀道, '诸子百家学府/fx/USDJPY/'), pattern = .匹配元素) %>%
str_replace_all('.rds', '') %>%
str_replace_all('.201', '_201') %>%
str_split_fixed('_', '2') %>%
as_tibble %>%
rename('统计模型' = 'V1', '日期' = 'V2') %>%
mutate(统计模型 = factor(统计模型), 日期 = as_date(日期))
布告栏 = join(tibble(日期 = 动态日), 布告栏) %>%
as_tibble
布告栏 %<>% na.omit
布告栏 %<>% mutate(有否 = if_else(is.na(统计模型), 0, 1)) %>%
spread(统计模型, 有否)
布告栏进度表 <- ldply(布告栏[,-1], function(布告栏参数) {
na.omit(布告栏参数) %>% length }) %>%
rename(进度 = V1) %>%
mutate(完成 = length(日子), 进度 = percent(进度/完成))
print(布告栏进度表)
进度表 = sum(布告栏进度表$进度)/sum(布告栏进度表$完成)
cat('\n================', as.character(percent(进度表)), '================\n\n')
if (进度表 == 1) break #倘若进度达到100%就停止更新。
Sys.sleep(秒计) #以上ldply()耗时3~5秒，而休息时间60秒。
}
} else {
cat('当前中国标准时间：', as.character(now('Asia/Shanghai')), '\n\n')
日子 = as_date(导入数据$年月日时分) %>%
unique
动态日 = 日子
if (is.null(起点)) {
起点 = 日子[1]
} else if (is.Date(起点)) {
起点 = as_date(起点)
} else {
起点 = as_date(导入数据$年月日时分) %>%
unique
}
日子 = 日子[日子 >= 起点]
布告栏 = list.files(paste0(.蜀道, '诸子百家学府/fx/USDJPY/'),
pattern = .匹配元素) %>%
str_replace_all('.rds', '') %>%
str_replace_all('.201', '_201') %>%
str_split_fixed('_', '2') %>%
as_tibble %>%
rename('统计模型' = 'V1', '日期' = 'V2') %>%
mutate(统计模型 = factor(统计模型), 日期 = as_date(日期))
布告栏 = join(tibble(日期 = 动态日), 布告栏) %>%
as_tibble
布告栏 %<>% na.omit
布告栏 %<>% mutate(有否 = if_else(is.na(统计模型), 0, 1)) %>%
spread(统计模型, 有否)
布告栏进度表 <- ldply(布告栏[,-1], function(布告栏参数) {
na.omit(布告栏参数) %>% length }) %>%
rename(进度 = V1) %>%
mutate(完成 = length(日子), 进度 = percent(进度/完成))
print(布告栏进度表)
进度表 = sum(布告栏进度表$进度)/sum(布告栏进度表$完成)
cat('\n================', as.character(percent(进度表)), '================\n\n')
}
}
```
<br>
# 数据
## 读取数据
**Part I**中使用的原始数据已加以修饰并储存，**Part II**与**Part III**次论文读取该数据，将网页轻巧化、省略掉修饰数据的一栏。
```{r 数据中文化, eval = FALSE}
# --------- eval = FALSE ---------
## 检验是否已设置途径。
if (!exists('.蜀道')) {
.蜀道 <- getwd() |>
{\(.) str_split(., '/')}() |>
{\(.) c('/', .[[1]][2:5])}() |>
{\(.) c(., 'binary.com-interview-question-data/')}() |>
{\(.) paste(., collapse = '/')}() |>
{\(.) substring(., 2)}()
}
if (!exists('.蜀道仓库')) {
.蜀道仓库 <- paste0(.蜀道, '诸子百家学府/fx/USDJPY/仓库/')
}
## 倘若环境尚未有数据，读取文件数据。
if (!exists('dsmp')) {
dsmp <- readRDS(paste0(.蜀道, '诸子百家学府/fx/USDJPY/dsmp.rds'))
}
# 样本 %<>%
# rename(
# 年月日时分 = index, 年份 = year, 季度 = quarter, 月份 = month, 周 = week,
# 周日 = wkdays, 周分计 = wk_1m, 日分计 = dy_1m, 时分计 = hr_1m, 序列 = sq,
## 日期 = date, 闭市价 = close)
names(dsmp) <- c('年月日时分', '年份', '季度', '月份', '周', '周日', '周分计',
'日分计', '时分计', '序列', '日期', '闭市价')
## Using lubridate for dates and times
## https://louisahsmith.github.io/R-office-hours/OH-13.html
dsmp %<>%
mutate(
年月日时分 = 年月日时分 + hours(1),
周日 = case_when(
周日 == 'Sunday' ~ '周日',
周日 == 'Monday' ~ '周一',
周日 == 'Tuesday' ~ '周二',
周日 == 'Wednesday' ~ '周三',
周日 == 'Thursday' ~ '周四',
周日 == 'Friday' ~ '周五',
周日 == 'Saturday' ~ '周六')) %>%
as.data.table
## 倘若该途径尚无文件，储存文件。
if (!file.exists(paste0(
.蜀道, '诸子百家学府/fx/USDJPY/样本1.rds')) & exists('dsmp')) {
saveRDS(dsmp, paste0(.蜀道, '诸子百家学府/fx/USDJPY/样本1.rds'))
}
## ------------------------------------------------
## 倘若环境尚未有数据，读取文件数据。
if (!exists('ddsmp')) {
ddsmp <- readRDS(paste0(.蜀道, '诸子百家学府/fx/USDJPY/ddsmp.rds'))
}
names(ddsmp) <- c('年月日时分', '年份', '季度', '月份', '周', '周日', '周分计',
'日分计', '时分计', '序列', '日期', '闭市价')
ddsmp %<>%
mutate(
年月日时分 = 年月日时分 + hours(1),
周日 = case_when(
周日 == 'Sunday' ~ '周日',
周日 == 'Monday' ~ '周一',
周日 == 'Tuesday' ~ '周二',
周日 == 'Wednesday' ~ '周三',
周日 == 'Thursday' ~ '周四',
周日 == 'Friday' ~ '周五',
周日 == 'Saturday' ~ '周六')) %>%
as.data.table
## 倘若该途径尚无文件，储存文件。
if (!file.exists(paste0(
.蜀道, '诸子百家学府/fx/USDJPY/样本2.rds')) & exists('ddsmp')) {
saveRDS(ddsmp, paste0(.蜀道, '诸子百家学府/fx/USDJPY/样本2.rds'))
}
```
由于数据上的交易时间出现时差的缘故，在读取数据后就将数据上的时间更换，添加一小时时差为中国标准时间，以确保时间规律计算方面，不会出错；周日数据中文化。
```{r 绘制样本数据图表, results = 'asis'}
## 检验是否已设置途径。
if (!exists('.蜀道')) {
.蜀道 <- getwd() |>
{\(.) str_split(., '/')}() |>
{\(.) c('/', .[[1]][2:5])}() |>
{\(.) c(., 'binary.com-interview-question-data/')}() |>
{\(.) paste(., collapse = '/')}() |>
{\(.) substring(., 2)}()
}
if (!exists('.蜀道仓库')) {
.蜀道仓库 <- paste0(.蜀道, '诸子百家学府/fx/USDJPY/仓库/')
}
## 倘若环境尚未有数据，读取文件数据。
## **小插曲**：数据应该使用经过过滤`NA值`和重新赋值`周`、`周分计`、`日分计`、`时分计`、`序列`等参数和数据的**样本2**，而非**样本1**。
if (!exists('样本')) {
样本 <- readRDS(paste0(.蜀道, '诸子百家学府/fx/USDJPY/样本1.rds'))
}
## 绘制样本图表
样本[c(1:3, (nrow(样本) - 3):nrow(样本)),] |>
{\(.) kbl(., caption = '每分钟价位', escape = FALSE)}() |>
## https://www.w3schools.com/cssref/css_colors.asp
## https://public.tableau.com/en-us/gallery/100-color-palettes?gallery=votd
{\(.) row_spec(., 0, background = 'DimGrey',
color = 'gold', bold = TRUE)}() |>
{\(.) column_spec(., 1, background = 'CornflowerBlue')}() |>
{\(.) column_spec(., 2, background = 'Gray')}() |>
{\(.) column_spec(., 3, background = 'DarkGrey')}() |>
{\(.) column_spec(., 4, background = 'Gray')}() |>
{\(.) column_spec(., 5, background = 'DarkGrey')}() |>
{\(.) column_spec(., 6, background = '#4897D8')}() |>
{\(.) column_spec(., 7, background = '#556DAC')}() |>
{\(.) column_spec(., 8, background = '#92AAC7')}() |>
{\(.) column_spec(., 9, background = '#556DAC')}() |>
{\(.) column_spec(., 10, background = '#375E97')}() |>
{\(.) column_spec(., 11, background = 'CornflowerBlue')}() |>
{\(.) column_spec(., 12, background = 'LightGray',
color = 'goldenrod')}() |>
{\(.) kable_styling(., bootstrap_options =
c('striped', 'hover', 'condensed', 'responsive'))}() |>
##`full_width = FALSE`是将每列设置为伸缩性自动调整宽度。
{\(.) kable_material(., full_width = FALSE)}() |>
{\(.) scroll_box(., width = '100%', fixed_thead = TRUE,
height = '490px')}()
```
*数据：`r 样本 <- readRDS('/home/englianhu/文档/猫城/binary.com-interview-question-data/诸子百家学府/fx/USDJPY/样本1.rds'); paste0(dim(样本)[1], '行 x ', dim(样本)[2], '列')`*
以上图表显示数据日期，由`r paste(range(样本$日期), collapse = ' 至 ')`，而该数据也是在论文*(Part I)*、*(Part II)*中使用，并且相符。使用同样的数据，是为了在回测多元统计模型，才能获知并筛选最优统计模型。
# 统计建模
在此先过滤数据，从二零一六年的第一个预测日（`r filter(样本, 年份 == 2016)$日期[1]`开始，也就是读取的样本数据中的第二年数据开始），与论文*(Part I)*、*(Part II)*中相符。
## 季节性指数平滑模型（Seasonal ETS））`ts()` & `ets()`
> ARIMA(p,d,q)模型中
>
- p是自回归(AR)的项数，用来获取自变量
- d是差分(I)的系数，为了使时间序列平稳
- q是移动平均(MA)的项数，为了使其光滑
引用：[ARIMA模型中的三个参数(p, d, q)都是什么意思?](http://sofasofa.io/forum_main_post.php?postid=1000324)
> 运用SPSS 19.0软件中的相关模块进行数据处理和分析。本研究是以月份为时间单位的研究序列，故选择复合季节模型[5, 6]：ARIMA(p，d，q)(P，D，Q)s，参数p为非季节性自回归阶数，d为一般差分阶数，q为非季节性滑动平均阶数；P为季节性自回归阶数，D为季节差分阶数，Q为季节性移动平均阶数，s为季节模型的时间单位相应周期(本研究s=12)。
引用：[北京市昌平区肺结核发病数ARIMA模型预测](http://www.jbjc.org/JBJC/html/article_8538.htm)
[<span style='color:#DE5D83; background-color:black;'>*Deriv.com*</span> - *Interday High Frequency Trading Models Comparison* <span style='color:RoyalBlue'>*Review (Part II)*</span>](https://rpubs.com/englianhu/742275)中，结论千皕分钟为最优数据量，故此我将数据量设置为(千皕分钟，也就是等于十个交易时辰)，去预测下一分钟交易价格。然而如何灵活设置周期量与周期数、运用循环周期呢？在此尝试回测方能得以证实。
- [<span style='color:white; background-color:LightSlateGrey;'>*8.7 ARIMA modelling in R*</span> in **Forecasting: Principles and Practice (2nd Edition)**](https://otexts.com/fpp2/arima-r.html)
- [<span style='color:white; background-color:LightSlateGrey;'>*8.9 Seasonal ARIMA models*</span> in **Forecasting: Principles and Practice (2nd Edition)**](https://otexts.com/fpp2/seasonal-arima.html)
- [Seasonality in `auto.arima()` from `forecast` package](https://stackoverflow.com/a/37400899/3806250)
### 中华时间计量单位（中国传统计时法）
#### 天文历法（干支纪年 / 纪元法）
有关农历与二十四节气，目前正在自修中科红旗之礼逆袭红旗操作系统，会先将曦与曦佳佳编程语言翻译为咱们中文编程附上拼音（李斯篆书），再提升为文言文及古文编程、日期均以农历与咱们中华五千多年习俗文化道教为主，它日再研发「大秦赋」操作系统，欲知更多详情请查阅[「猫城」雷欧/中科红旗](https://github.com/englianhu/RedFlag-Linux)和[「猫城」雷欧/图书馆](https://github.com/englianhu/library)。
- [我国主要历法及基本原理 古代天文学知识科普（六）](https://www.bilibili.com/video/BV1B64y1M79y)
- [农历纪年法：怎样通过公元纪年推算干支纪年](https://www.sohu.com/a/139120191_372495)
- [「问百度」干支纪年](https://baike.baidu.com/item/%E5%B9%B2%E6%94%AF%E7%BA%AA%E5%B9%B4/3383226)
- [（历法溯源十）天文历法大成，周易天象解密，易经的天象规律](https://www.bilibili.com/video/BV1AA411R7LE)
- [天文课程 - 时间和历法](https://www.bilibili.com/video/BV1uv411K7sd)
#### 日内计时法
> ... 但其实除了十二时辰之外，古人还有一种计时方式，那便是“百刻制”。所谓「百刻制」指的就是一天等于一百刻，这就是古人常说的「一刻钟」，很多人都认为古代的「一刻钟」等于现代的十五分钟，其实这是一种错误的理解。
>
二、「一刻钟、一炷香、一盏茶」分别指多长时间？
前文中我们提到了古代的百刻制，意思就是古人将一天的时间，分为了一百刻，其中一刻钟相当于现代的十四分廿四秒，一直到了清朝初期时，才将“百刻制”减为桦六刻，这便是「一刻钟」等于现代的十五分钟的由来...
*引用：[「原创」古人常说的：“一刻钟、一炷香、一盏茶”，分别指多长时间？](https://www.sohu.com/a/663536640_121205324)*
> **题外话**：“刹那”是多久？
> 在文章的最后，青年君想用很短的时间和大家稍微唠一唠「很短的时间」——刹那。
>
刹那是古印度佛教术语，也是时间度量单位，表示一念之间的极短时间，随佛教传入中国。据《摩诃僧祇律》记载：“须臾者，二十念名一瞬顷，二十瞬名一弹指，二十弹指名一罗豫，二十罗豫名一须臾。日极长时有十八须臾，夜极短时有十二须臾；夜极长时有十八须臾，日极短时有十二须臾。”
>
一日一夜有卅个须臾，六百个罗豫，一万两千个弹指，廿四万个「瞬间」，四百枯万个「刹那」。据此推算——
>
「须臾」是卌八分钟
> 「罗豫」是两分钟廿四秒
> 「弹指」是七点二秒
> 「瞬顷」是三百圆厘秒
> 「刹那」是十八厘秒
>
我国古代形成的完整的计时方法和计时制度，是古人在探索时间计量方式上取得的进步、是智慧的结晶。当然，无论如何度量时间，一天就只有廿四小时。盛年不重来，一日难再晨。及时当勉励，岁月不待人。只要我们能善用时间，就永远不愁时间不够用。忘掉今天的人，也终将被明天忘掉。
*引用：[「十二时辰」简史](http://news.ts.cn/system/2019/07/26/035802762.shtml)*
欲以古代计时法来精准筹算咱们「一炷香」和「一盏茶」的话，就得使用隐马尔可夫链模型或其它统计模型筹算气温、空气湿度、空气流动风速、空气中的氢气成分等各种因素可以设置精准到飞秒（fs，十五个小数位）或更精准时间计量单位。
- [一刻钟等于多少分钟（古代一刻钟是多长时间）](https://k.sina.cn/article_2188503504_8271e9d002700woon.html)
- [古代一刻钟是多久？一点钟为什么不是一小时？弄不清会很尴尬的](https://zhuanlan.zhihu.com/p/525032381)
- [一刻钟是多久，古代的一天为几刻钟呢？](https://zhidao.baidu.com/question/16558757)
- [「问百度」一刻钟](https://baike.baidu.com/item/%E4%B8%80%E5%88%BB%E9%92%9F/2070381)
```{r}
source('函数/日内高频指数平滑.R')
source('函数/汇总上奏.R')
source('函数/总汇结论.R')
时间索引 <- unique(样本$日期)
# 基准 <- filter(样本, 年份 == 2016)$日期[1] #"2016-01-04" 第2年第1个交易日
基准 <- 样本[年份 == 2016]$日期[1]
时间索引 %<>% .[. >= 基准]
# 时间索引 %<>% .[. >= as_date('2016-01-04')]
迭代基准 <- 样本[日期 %chin% 时间索引]$序列
数据量 <- 1200 #筛选数据中的最后1200观测值：样本[(.N - (数据量 - 1)):.N]
预测时间单位 <- 1
.模型选项 = c('MNN')
```
### 十时辰一周期（千皕分钟循环一次）
```{r 千皕分钟, eval = FALSE}
# --------- eval = FALSE ---------
频率 = 1200
日内高频指数平滑(
时间索引 = 时间索引, 样本 = 样本, 数据量 = 数据量, 频率 = 频率,
预测时间单位 = 预测时间单位, .模型选项 = .模型选项)
```
### 五时辰一周期（六百分钟循环两次）
```{r 六百分钟, eval = FALSE}
# --------- eval = FALSE ---------
频率 = 600
日内高频指数平滑(
时间索引 = 时间索引, 样本 = 样本, 数据量 = 数据量, 频率 = 频率,
预测时间单位 = 预测时间单位, .模型选项 = .模型选项)
```
### 三分之十时辰一周期（四百分钟循环三次）
```{r 四百分钟, eval = FALSE}
# --------- eval = FALSE ---------
频率 = 400
日内高频指数平滑(
时间索引 = 时间索引, 样本 = 样本, 数据量 = 数据量, 频率 = 频率,
预测时间单位 = 预测时间单位, .模型选项 = .模型选项)
```
### 两时辰半一周期（三百分钟循环四次）
```{r 三百分钟, eval = FALSE}
# --------- eval = FALSE ---------
频率 = 300
日内高频指数平滑(
时间索引 = 时间索引, 样本 = 样本, 数据量 = 数据量, 频率 = 频率,
预测时间单位 = 预测时间单位, .模型选项 = .模型选项)
```
### 两时辰一周期（皕卌分钟循环五次）
```{r 皕卌分钟, eval = FALSE}
# --------- eval = FALSE ---------
频率 = 240
日内高频指数平滑(
时间索引 = 时间索引, 样本 = 样本, 数据量 = 数据量, 频率 = 频率,
预测时间单位 = 预测时间单位, .模型选项 = .模型选项)
```
### 三分之五时辰一周期（皕分钟循环六次）
```{r 皕分钟, eval = FALSE}
# --------- eval = FALSE ---------
频率 = 200
日内高频指数平滑(
时间索引 = 时间索引, 样本 = 样本, 数据量 = 数据量, 频率 = 频率,
预测时间单位 = 预测时间单位, .模型选项 = .模型选项)
```
### 一时辰两刻钟一周期（百圩分钟循环八次）
```{r 百圩分钟, eval = FALSE}
# --------- eval = FALSE ---------
频率 = 150
日内高频指数平滑(
时间索引 = 时间索引, 样本 = 样本, 数据量 = 数据量, 频率 = 频率,
预测时间单位 = 预测时间单位, .模型选项 = .模型选项)
```
### 一时辰一周期（百廿分钟循环十次）
```{r 百廿分钟, eval = FALSE}
# --------- eval = FALSE ---------
频率 = 120
日内高频指数平滑(
时间索引 = 时间索引, 样本 = 样本, 数据量 = 数据量, 频率 = 频率,
预测时间单位 = 预测时间单位, .模型选项 = .模型选项)
```
### 六分之五时辰一周期（百分钟循环十二次）
```{r 百分钟, eval = FALSE}
# --------- eval = FALSE ---------
频率 = 100
日内高频指数平滑(
时间索引 = 时间索引, 样本 = 样本, 数据量 = 数据量, 频率 = 频率,
预测时间单位 = 预测时间单位, .模型选项 = .模型选项)
```
### 三分之二时辰一周期（枯分钟循环十五次）
```{r 枯分钟, eval = FALSE}
# --------- eval = FALSE ---------
频率 = 80
日内高频指数平滑(
时间索引 = 时间索引, 样本 = 样本, 数据量 = 数据量, 频率 = 频率,
预测时间单位 = 预测时间单位, .模型选项 = .模型选项)
```
### 半时辰一周期（圆分钟循环廿次）
```{r 圆分钟, eval = FALSE}
# --------- eval = FALSE ---------
频率 = 60
日内高频指数平滑(
时间索引 = 时间索引, 样本 = 样本, 数据量 = 数据量, 频率 = 频率,
预测时间单位 = 预测时间单位, .模型选项 = .模型选项)
```
### 十二分之五时辰一周期（圩分钟循环廿四次）
```{r 圩分钟, eval = FALSE}
# --------- eval = FALSE ---------
频率 = 50
日内高频指数平滑(
时间索引 = 时间索引, 样本 = 样本, 数据量 = 数据量, 频率 = 频率,
预测时间单位 = 预测时间单位, .模型选项 = .模型选项)
```
### 三分之一时辰一周期（卌分钟循环卅次）
```{r 卌分钟, eval = FALSE}
# --------- eval = FALSE ---------
频率 = 40
日内高频指数平滑(
时间索引 = 时间索引, 样本 = 样本, 数据量 = 数据量, 频率 = 频率,
预测时间单位 = 预测时间单位, .模型选项 = .模型选项)
```
### 四分之一时辰（两刻钟）一周期（卅分钟循环卌次）
```{r 两刻钟, eval = FALSE}
# --------- eval = FALSE ---------
频率 = 30
日内高频指数平滑(
时间索引 = 时间索引, 样本 = 样本, 数据量 = 数据量, 频率 = 频率,
预测时间单位 = 预测时间单位, .模型选项 = .模型选项)
```
### 五分之一时辰一周期（廿四分钟循环圩次）
```{r 廿四分钟, eval = FALSE}
# --------- eval = FALSE ---------
频率 = 24
日内高频指数平滑(
时间索引 = 时间索引, 样本 = 样本, 数据量 = 数据量, 频率 = 频率,
预测时间单位 = 预测时间单位, .模型选项 = .模型选项)
```
### 六分之一时辰一周期（廿分钟循环圆次）
```{r 廿分钟, eval = FALSE}
# --------- eval = FALSE ---------
频率 = 20
日内高频指数平滑(
时间索引 = 时间索引, 样本 = 样本, 数据量 = 数据量, 频率 = 频率,
预测时间单位 = 预测时间单位, .模型选项 = .模型选项)
```
### 十五分之二时辰一周期（十六分钟循环进五次）
```{r 十六分钟, eval = FALSE}
# --------- eval = FALSE ---------
频率 = 16
日内高频指数平滑(
时间索引 = 时间索引, 样本 = 样本, 数据量 = 数据量, 频率 = 频率,
预测时间单位 = 预测时间单位, .模型选项 = .模型选项)
```
### 八分之一时辰（一刻钟）一周期（十五分钟循环枯次）
```{r 十五分钟, eval = FALSE}
# --------- eval = FALSE ---------
频率 = 15
日内高频指数平滑(
时间索引 = 时间索引, 样本 = 样本, 数据量 = 数据量, 频率 = 频率,
预测时间单位 = 预测时间单位, .模型选项 = .模型选项)
```
### 十分之一时辰一周期（十二分钟循环百次）
```{r 十二分钟, eval = FALSE}
# --------- eval = FALSE ---------
频率 = 12
日内高频指数平滑(
时间索引 = 时间索引, 样本 = 样本, 数据量 = 数据量, 频率 = 频率,
预测时间单位 = 预测时间单位, .模型选项 = .模型选项)
```