Sobre a comparação entre ciência e pseudociência, há uma teoria amplamente aceita chamada pseudociência de Popper.
A palavra corrente é que todas as leis da ciência nunca podem ser comprovadas, que a lei da ciência nunca pode ser comprovada por meio de um método de demonstração de fatos, especialmente para aqueles que provam que a Terra gira em torno do Sol. Por exemplo, nós sabemos agora que a Terra gira em torno do Sol, e eu quero mostrar-lhe o que fazer. A melhor maneira de fazer isso é ter um enorme telescópio e mostrar-lhe imagens de longe.
Aqui está o problema, como definir a ciência. A ciência pode ser definida assim: a ciência é empirista, ou seja, historicamente ele é capaz de provar falsas e fazer algumas profecias ilusórias, e essas profecias precisam ser falsificáveis, ou seja, as previsões feitas por essa teoria científica são susceptíveis de serem refutadas por experimentos, e só se satisfazerem as duas condições, podemos ser coroados de ciência. Por outro lado, se você propõe uma teoria e faz uma previsão que nunca pode ser refutada por experiência, então isso pode ser chamado de pseudociência.
Por exemplo, você diz que há um homem que pode chegar a 5 metros de altura, e nós contamos todos os homens do mundo e não encontramos um, mas ainda assim não podemos refutar sua conclusão, porque não podemos provar que um homem cresceu 5 metros na dinastia Tang, e se não podemos refutar sua conclusão, por que não admitir que você está dizendo que a ciência, porque você não pode nem confirmar que há um homem de 5 metros de altura, nem fazer uma profecia, quando haverá um homem de 5 metros. Portanto, quando uma teoria só pode provar que a mentira não pode confirmar falsas previsões, e não pode dizer que a mentira é falsa, nós não podemos aceitar que ele é científico.
A ciência acima é ciência 100% correta, pode ser testada inúmeras vezes, e a única vez que a verificação é falsa, não é ciência, por exemplo, encontrar um cisne negro, você pode dizer que todos os cisnes são brancos não é ciência. Então o problema é, se eu fizer uma proposição, 95% dos cisnes são brancos, não é ciência?
Ele ficou muito embaraçado, porque tudo o que fazemos na vida é probabilidade, por exemplo, eu concluí com base nas estatísticas dos últimos cem anos que a probabilidade de um tufão em agosto é de 90%, acredite ou não. Por exemplo, a probabilidade de chuva amanhã é de 50%, acredite ou não. A probabilidade de transação de praia é de 40%, você deve acreditar ou não?
Claro que você pode escolher uma probabilidade estatística que não é rigorosa em teoria, mas a verdade é que, acredite ou não, você também é profundamente influenciado. Por exemplo, você lutou por 10 anos, você vai para a linha de frente, e depois, quando você calcula que a taxa de mortalidade na linha de frente é de 10%, você acha que sua sorte está bem, e você quer se alistar, mas se uma estatística, a taxa de mortalidade é de 60%, você se sente assustado e não vai, e você diz que não acredita nessa probabilidade estatística, você certamente vai parar.
De acordo com as probabilidades obtidas pela estatística, é óbvio que é fácil provar que há um contra-caso, mas é difícil refutar essa probabilidade. A probabilidade obtida pela estatística não é uma ciência, isso é controverso, não é o que eu disse, não há discussão aqui, só posso falar sobre como acreditar nela.
Trata-se de um número de vezes testável, e quanto mais vezes testáveis no passado, mais confiável é, e quanto mais vezes testadas as previsões, mais confiável é. Experimentamos 11 mil vezes no passado, e as conclusões são mais confiáveis do que as experiências. Experimentamos 10 mil vezes no passado, e ficamos certos, e mais confiáveis do que as experiências.
Então, o ponto crítico é: como acreditar em estratégias de quantificação de alto rendimento?
Do ponto de vista científico, primeiro, as estratégias historicamente comprovadas têm altos retornos, e, claro, quanto mais tempo e mais vezes são testadas, melhor. Então, faça uma previsão, e há uma grande probabilidade de que os retornos permaneçam altos nos próximos anos (por exemplo, 3 anos).
Por exemplo, a estratégia de trocas de pequenas receitas da GoJin provou ser muito boa e eu estou a fazer uma previsão de que vai ser muito boa nos próximos 10 anos, embora isso demore muito tempo para ser comprovado, e se a previsão estiver correta daqui a 10 anos, pode ser considerada uma previsão credível.
Também há quem diga que a estratégia criativa é de 2007 até agora, que esperar muito tempo para testar é muito, muito tempo para esperar. Uma boa maneira é definir o tempo de teste de estratégia para 2007 até o final de 2011, fazer uma estratégia ideal, e depois olhar para 2007 até 16 anos, o que equivale a 5 anos de teste, e depois de 5 anos de teste, para ver se é efetivo.
No que diz respeito ao número de inspeções, por exemplo, todas as estratégias de 07 anos até hoje, os ciclos de mudança são de 2 dias e metade menos do que os ciclos de mudança são de 1 dia. Eu também costumo encontrar que, para estratégias de peso muito complexo, mudar o tempo de mudança de um dia pode diminuir 100% a anualização da estratégia.
Quando você tem duas ou mais teorias em posição de competição que chegam à mesma conclusão, a mais simples ou provável é melhor. Essa expressão também tem uma forma mais comum e forte: se você tem dois ou mais princípios que podem explicar os fatos observados, então você deve usar a mais simples ou provável até que mais evidências sejam encontradas. Para as explicações mais simples de fenômenos, as explicações mais complexas são muitas vezes mais corretas.
Por exemplo, o novo vestido do imperador. Ao ver o imperador andando na rua com o rabo brilhante, o primeiro-ministro e o vizinho com o cabelo escorrendo do nariz têm uma explicação dupla. Primeiro, veja a explicação do primeiro-ministro: 1. Suponha que o imperador esteja vestido com uma das roupas mais bonitas do mundo. 2. Suponha que só os inteligentes possam ver. 3. Suponha que eu sou um tolo.
A questão é que, quanto mais simples for a estratégia, mais eficaz será.
A resposta é sim; principalmente estratégias com um número relativamente pequeno de testes.
Por exemplo, os novos ativos, os ativos de alta taxa, têm momentos muito bons, que funcionam muito bem este ano, mas é provável que não funcionem no próximo ano. Por exemplo, os ativos de alta taxa de 2007, os ativos de baixa taxa, funcionam muito bem, agora é muito comum.
Por exemplo, a tendência 28, que é baseada em 28 estilos, é uma tendência que pode ser longa o suficiente, mas por que a tendência 28 não pode coincidir no futuro?
Por exemplo, quando escolhemos uma linha uniforme, achamos que o MA ((2.20) é muito bom para o P300, mas não é muito bom para o S&P 500, mas na verdade o MA ((2.20) do P300 não é mais eficaz, então não é um fracasso.
Por exemplo, um pequeno e médio painel pb ((3,6.5) é muito bom, mas só foi testado três vezes em 07 anos, como você sabe que ele não vai ficar tão baixo no longo prazo como o Pb300?
Um último exemplo é a pequena quantidade de transações, uma estratégia tão boa que você não imaginava que iria falhar em um ponto de 300, você pode ver o meu post.
A parte do Ockham's Razor não foi suficiente para que eu pudesse escrever algo mais convincente.
O texto acima, referências, a forma do tempo de chuva, o que os filósofos de chuva fizeram, o que eles fizeram, a enciclopédia.