统计语言模型SLM 

语音识别专家要识别一段语言，即选择一组可能性最大的句子，首先将句子分词，然后根据语料库估算一个给定语句的可能性，从而选择可能性最大的语句作为识别结果。同样在股市择时中，我们将历史行情数据进行符号化之后，转化为涨跌符号序列，在给定过去一段时间内的涨跌序列后，我们计算该条件下的未来涨跌的条件概率。较大者为预测结果，相比较而言，我们的语料库为历史价格数据

本帖不对SLM(Statistical Language Model)做过多介绍，详细内容可以参照Wikipedia


N 元模型及其择时应用 
设指数收盘价序列为，我们首先将该价格序列转化为符号序列，即进行符号化，符号序列为，其中如果，则，否则
对于择时问题，我们仅需要判断下一个交易日的涨跌即可，那么如何进行判断呢，我们需要获取下一个交易日的涨跌的概率，上涨的概率大则判断上涨，下跌的概率大则判断为下跌。那么如何计算涨跌概率呢？ 

类似于统计语言模型，其中一段词句（符号串）出现的概率我们根据语料库（历史行情序列）来进行训练得到，具体为 


根据上述 N 元模型，即可判断下一个交易日的涨跌，如果，判断为上涨，否则判断为下跌。

本策略即按照上述逻辑进行交易操作，如果下一个交易日判断方向与当前持仓方向相同，那么不进行操作；如果持仓方向不一致，那么进行先平仓再开仓的操作。 

 注：本策略选取的数据为日线数据，标的为IH股指期货