最近在做GARCH，关于数据的预测觉得还是不够好，于是产生了一个想法，大致思路是这样的，高人赐教，轻拍：
金融市场的数据预测难度在于其结果是千万个体的非理性行为集合，我之所以想强调非理性是因为我觉得如果从纯技术层面上来做数据预测，我认为是很难实现的
那么假如我有办法来标度这个“非理性”呢，就比如我们烧水，不同的环境（你家在东北用壶，我在武汉用饮水机）烧水的温度时间序列是很难统一量化的（我觉得），但是我们有温度计了之后就相当于用温度计内酒精的性质去度量了水的性质，这个比方是我此时刚想的，可能也并不对
但是从这个思路出发，人类集体的非理性决策是如何产生的，是从个体的决策（比如大盘到了3000，多少人看空，其中又有多少人会卖出）直接加总，可是这里个体的行为绝不是可以仅仅靠几个参量就能假设的，或者说我们一但靠参量假设，得出的结果就不会是完善的，那么每个人对于这种看空看涨的行为决策因素分析我们能不能用别的序列来度量?也就是前面所说的这个标度，我们能否找到。
举个直观的例子（这个也是我这个思路的起源），关于音乐，有好听不好听，极限下就是噪声，国内外每期的音乐榜单给了我们时间序列的数据（音乐，我们可以采取一定的标尺方法将其量化为连续时间序列）这个时间序列的方差等特征可以被认为是人类群体集合的一种标度（这个标度显然是非理性的因为我们根本没有理性的判别音乐好听与否的客观模型与假设变量），通过这个标度我认为可以在一定程度上反映出人类群体一种普遍价值观念，带着这个观念我们可以对市场的泡沫程度作出一个修正，体现出何时人类群体认为市场下行该卖出了从而诱导羊群效应，从而可以达到修正模型预测误差的作用。
抛开音乐，说说外汇市场（这也是我这次毕设的思路），中国的资本项目没有完全放开的情况下，ZF对于外汇势必存在于一定的控制，比如欧元和美元，这里的美元比作上面例子中的音乐，欧元比作待预测项，ZF比作人类集合，那么从美元汇率波动率序列中我们能够找出一个标度来修正欧元的模型预测吗？这个标度会是什么？
把这个思路总结下便是，def A是一个集合对象；b，c分别是时间序列；A作用于b，c的机理相同，或是能找到内在的相关性，那么是否存在一个标度Z，Z的定义由b的各种性质特征得出，从而达到Z可用于c的模型预测修正效果。
大家畅所欲言
P.S附上 美 日 欧 港 汇率数据，用以探索性实验