基于艾略特波浪理论的交易策略 - 页 212 1...205206207208209210211212213214215216217218219...309 新评论 Forex Trader 2007.01.10 13:26 #2111 我认为我们正在开发一个优秀的、在统计学上合理的数学仪器，以护送我们的经纪人到最近的疯人院。 <br / translate="no"> PS：我的意思是，这个标准每隔一段时间就会起作用......或者，在关于这个问题的tick..........。 好吧，好吧，我们已经知道如何处理高交易频率的问题 :-)- 只要再插入一个 "独立 "的标准（例如，通过连接：以前的跳跃-预期的跳跃），交易的频率就会下降几倍，而预测的可靠性只会增加！"。 显然，小扰动下的市场偏移由市场对+2点（例如）EURCHF 2004扰动的反应振幅的分布函数显示出来1分钟 为了比较，这里是同一仪器的未扰动分布函数。 Forex Trader 2007.01.10 13:58 #2112 对，有可能插入一个标准，甚至两个标准。但我对这种方法仍有疑虑。让我们看看....:о) " 谢尔盖。 解释如下：如果我们看到了+10点的扰动，那么更有可能期望在下一栏中出现-10点的回撤（见图）。当然，回调可能是任何，甚至是 "错位"，但从统计学上看，回调的振幅等于干扰振幅。误差不是老年性的，它们的概率是相等的，而且会随着交易数量的增加而相互吸收，但统计上的优势仍会在我们这边！" 但是没有这样的事情！！！。如果你看一下分钟图，价格在任何地方都会跳动!我没有在任何地方找到任何确认（用我的眼睛很明显！）这一点的证据！"。同样的反弹会发生，但在一天、一个月、一年之后....。 我们将只用这个超级统计优势来泄密!!!!!。 根据统计数据（最有可能），价格应该一直保持在原地（如果现在是+10，可能是-10），但这并没有发生!!!!。正是因为我们不看价格，我们看的是偏差......。 或者说我也不懂什么叫状态福利......很可能。 PS：不是我分心，但我想提醒你，你答应过要对趋势定义给出你的想法...... Forex Trader 2007.01.10 14:27 #2113 如果你看一下分钟图，价格在任何地方都会跳动!我没有在任何地方找到任何确认（用我的眼睛很明显！）这一点的证据！"。同样的反弹会发生，但在一天、一个月、一年之后....。 我们将只用这个超级恒温器的优势来排水，!!!!! 你错了。 如果我们要排水，那是为了一个原因--FAC模块在波动性上起作用，更少的价差! 因此，我们不需要用眼睛去看什么，而是坐在电脑前，对不同的TFs运行一些仪器，对这个参数进行评估。 PS：不是我分心，但我想提醒你，你答应过要对趋势定义给出你的想法...... 嗯哼... Forex Trader 2007.01.10 14:33 #2114 <br / translate="no"> 如果我们要输，那是因为一个原因--FAC在波动性上的模块比价差小!因此，我们不需要用眼睛去看什么，我们需要坐在电脑前，对不同的TFs运行一些仪器来评估这个参数。 那我们为什么需要偏离呢？啊-啊-啊-啊-我明白了，对他们来说，我们考虑的是FAC（我仍然不喜欢这个缩写......）。 让我们来看看欧元兑美元。 点差 - 3或0.0003？ 对于它，FAC应该是[0:1]。 平均而言，波动率在什么范围？ Forex Trader 2007.01.10 14:46 #2115 ...发生在蜱虫上的事情很容易想象。<br / translate="no"> 由于价格在缓慢地移动，而刻度线在快速地跳动，所以一定有一个非常强的负自相关。而且可以理解的是：涨涨跌跌，涨涨跌跌......。 那么，由此产生了什么？每一个刻度线向上打开后，向下打开，反之亦然？:-))) ... 一点点关于这个问题 http://forum.fxclub.org/showpost.php?p=618349&postcount=297 http://forum.fxclub.org/showpost.php?p=624720&postcount=326 http://forum.fxclub.org/showpost.php?p=622143&postcount=310 http://forum.fxclub.org/showpost.php?p=626115&postcount=334 Forex Trader 2007.01.10 15:19 #2116 Sergey，我无法理解FAC围绕利差的波动性等价工作的 "性质"。请解释。它是根据经验得出的，还是科学上的直觉？ PS：告诉我欧元兑美元的波动率值的极限。我只是完全不计算波动性。而现在，我无法进行这样的计算。 Forex Trader 2007.01.11 06:58 #2117 Северный Ветер 10.01.07 15:46 ...关于这个问题的一点看法 http://forum.fxclub.org/showpost.php?p=618349&postcount=297 http://forum.fxclub.org/showpost.php?p=624720&postcount=326 http://forum.fxclub.org/showpost.php?p=622143&postcount=310 http://forum.fxclub.org/showpost.php?p=626115&postcount=334 尊重! 我怀着极大的兴趣阅读了这一主题。当然，有很多水灾，但显然这就是事情的顺序......北风，你不是已经在网站上公布了这些材料，以文章的形式呈现吗？我将对你表示感谢。我对你现在所做的事情也很感兴趣，你认为在交易中什么样的研究是最有前途的？我很高兴你加入我们的行列，成为有关这里讨论的主题的评论家和思想的产生者。 grasn 10.01.07 15:33 让我们来看看欧元兑美元。 点差 - 3或0.0003？ 对它来说，FAC应该躺在[0:1]。 波动性，平均在什么范围？ Sergey，我无法理解FAC的波动性等于价差的产品的 "性质"。请解释一下。它是根据经验得出的，还是科学上的直觉？ 谢尔盖，波动率和价差的维度应该是一样的。如果是以米为单位--那么就以米为单位，如果是以公里为单位--那么一切以公里为单位 :-)。 我在估计计算中使用 "理想的 "TS模型，它只预测一个参数--价格的预期跳跃方向。 这个跳跃的幅度可以假定等于一个工具在选定时间段的波动率或其标准差，这几乎是相同的。考虑到FAC可以被解释为一种类型的价格运动比另一种类型的价格运动（相反的和反方向的跳跃）流行的相对值，那么我们可以不失时机地指出，基于 "理想预测指标 "的TS在选择开仓方向时不会犯错，其概率与 "理想预测指标 "中的绝对FAC值成比例。每笔交易的利润或损失以点为单位，合理地估计工具的标准偏差值。那么在足够长的时间间隔内，TS的利润可以被估计为所有成功的交易和不成功的交易的差额，每个交易都乘以波动率。此外，我们将获得的总回报与执行的交易数量联系起来，得到每笔交易的 "理想 "TS回报的 平均估计值。 s(TF)=波动率(TF)*{(n+)-(n-)}/N=FAC(TF)*标准偏差(TF)，其中(n+)是有正余额的交易数量，(n-)是 "负 "交易的数量，N是交易的总数。 这是需要证明的。 PS：告诉我欧元兑美元的波动率值的极限。我只是完全不计算波动性。而现在我还不能做这样的计算。 如果你不能估计波动率，就估计标准差）。不会有任何区别。 PS：不是我分心，但我想提醒你，你答应过要对趋势定义给出你的想法...... 我们走吧... 时间序列分析的基本目标。 统计学时间序列分析的基本目标是。 1.确定哪些非随机函数存在于分解中，即确定指标的类型。 2.为扩张中存在的那些非随机函数构建 "良好 "的估计。 3.选择一个能充分描述非随机残差行为的模型，并对模型的参数进行统计估计。 成功解决由时间序列统计分析的基本目的决定的这些问题是实现研究的最终应用目标的基础，首先是解决时间序列值的短期和中期预测问题。下面简要介绍一下时间序列计量经济学分析的主要内容。 - 大多数数学-统计学方法处理的模型中，观察值被假定为是独立的和平等分布的。观察结果之间的依赖性最常被看作是对这些方法有效应用的阻碍。然而，经济学、社会学、金融学、商业和其他人类活动领域的各种数据都是以时间序列的形式出现的，其中的观测值是相互依赖的，而这种依赖的性质正是研究人员的主要兴趣所在。研究这种依赖性观察序列的全部方法和模型被称为时间序列分析。时间序列的计量经济学分析的主要目标是构建尽可能简单和经济参数化的模型，充分描述现有的观察序列并首先为解决以下问题提供基础。 (a) 发现构成所分析的时间序列的观测值的生成机制。 (b) 构建对时间序列未来值的最佳预测。 (c) 为所分析的过程制定管理和优化战略。 - 在讨论形成时间序列的观察结果的起源时，应该记住（如果可能的话，建立模型）四种类型的因素，这些观察结果可能是在这些因素的影响下形成的：长期、季节性、周期性（或机会主义）和随机。不一定所有四类因素都需要同时参与某一特定时间序列值的形成。成功解决这些因素的识别和建模问题是实现研究的最终应用目标的基础和基本出发点，其主要内容在上一段中已经提到。 - 在开始分析按时间顺序排列的离散系列观测值时，必须首先确定除了纯粹的随机因素外，其他因素是否确实参与了这个系列值的形成。术语 "纯随机 "仅指那些产生具有恒定（与时间无关）的均值和方差的相互不相关且分布相等的随机变量序列的随机因素。通过对相应的假设进行统计检验，例如，在 "系列检验"、阿贝标准、盒式检验和Ljung-Box检验之一的帮助下，就可以得到对给定问题的答案。 如果这样的统计假设检验表明，现有的观测值是相互依赖的（可能是不平等分布的），那么就可以为该系列拟合一个适当的模型。进行这种选择的模型集通常限制在以下几类模型中。 (静态时间序列类（主要用于描述 "随机残差 "的行为）。 (是确定性 趋势和静止时间序列之和的一类非静止时间 序列。 (c) 具有随机趋势的一类非平稳时间序列，这种趋势可以通过序列的连续微分（即从水平序列转为一阶或高阶差分序列）来消除。 在时间序列的计量经济学分析框架中，我们将(a)类和(b)类的序列合并为一类，按照最近接受的做法[例如，见Maddala, Kim (1998)]，我们称之为TS类序列（趋势静止序列，相对于确定性趋势而言的静止）。对属于(b)类的时间序列进行残差处理的适当方法是从确定性趋势中减去。相反，对于属于(c)类的系列，一个适当的系列残差化方法是从水平系列过渡到（一阶或高阶）差异系列。 - 静止的（广义的）时间序列的特点是其平均值、方差和协方差不依赖于计算它们的时间。静止时间序列的成员之间存在的相互依赖关系通常可以在p阶自回归模型（AR(p)-模型）、q阶移动平均模型（MA(q)-模型）或带有p和q阶残差移动平均的自回归模型（ARMA(p, q)-模型）中得到充分描述。 - 如果连续的k阶差分（但不能更小！）形成一个静止的时间序列，则称为k阶的积分（重积分）。在计量经济学的应用问题中，通过使用自回归模型；p、k和q阶的综合移动平均数（ARIMA(p, k, q)-模型）和它们的一些修改，相当成功地描述了这种序列的行为，包括那些包含季节性成分的序列。这一类也包括最简单的随机趋势模型--随机漫步过程（ARIMA(0, 1, 0)）。随机行走的增量形成了一连串独立的、平等分布的随机变量（"白噪声"）。因此，随机行走过程也被称为 "综合白噪声"。 - 对一个特定的时间序列进行模型拟合，意味着确定一个合适的参数化的模型系列作为一个可接受的解决方案的集合，然后从现有的观测数据中统计估计模型参数。这整个过程通常被称为模型识别过程，或简称为识别。为了正确识别一个时间序列模型，有必要决定所研究的时间序列是否是静止的，相对于确定性趋势而言是静止的（即确定性成分和静止序列之和），或者它是否包含随机趋势。 Forex Trader 2007.01.11 08:41 #2118 我一直在读北风的 优秀帖子，http://forum.fxclub.org/showthread.php?t=32942&page=1 有时，面对好战的洪水猛兽的言论，我笑死了!这就像一个马戏团，他们应该在幼儿园学习数学，但不，他们的年龄不对！他们应该在幼儿园学习数学。将军们，伙计。 有趣的是，在大多数论坛上发生的情况（我们的论坛也许是一个罕见的例外），明确表明参与论坛的 "交易者 "的主要队伍是文盲，而且通常是有缺陷的人。谁进入市场，也许只是出于绝望和选择性的痴呆。 对不起，我忍不住了。 Forex Trader 2007.01.11 09:29 #2119 Neutron 11.01.07 07:58 ...北风，你没有在网站上以文章形式发表的材料吗？我将对你表示感谢。我还对你现在从事的研究方向感兴趣，你认为交易中最有前途的是什么？我很高兴你能加入我们，成为这里讨论的主题的批评者和思想的产生者......。 不，我没有任何文章形式的材料，也不太可能会有。我一直在一点一点地做每件事。 我一点一点地处理一切，当然主要是从随机方法的角度来处理。关于分解的问题也是如此，但显然不是纯粹的形式，因为它是由经典的表述。 我饶有兴趣地全文阅读了这个话题，至少因为我自己也走过这条路。我个人喜欢 "毛毛虫 "从时间分析方法。但同样，我无法使用An.Vremena的纯粹方法。 Forex Trader 2007.01.11 10:10 #2120 Neutron 11.01.07 09:41 ...有时，面对好战的洪水猛兽的言论，我笑死了!这只是一个马戏团，他们应该在幼儿园--学习数学，但不，不是这个年龄段！他们应该在幼儿园学习数学。将军们，伙计们... :)不要注意，这是上面派下来给我们的考验，是我们父亲和他的儿子以及他的精神的恩典，是对我们信仰力量的考验 ::)) 1...205206207208209210211212213214215216217218219...309 新评论 您错过了交易机会： 免费交易应用程序 8,000+信号可供复制 探索金融市场的经济新闻 注册 登录 拉丁字符（不带空格） 密码将被发送至该邮箱 发生错误 使用 Google 登录 您同意网站政策和使用条款 如果您没有帐号，请注册 可以使用cookies登录MQL5.com网站。 请在您的浏览器中启用必要的设置，否则您将无法登录。 忘记您的登录名/密码？ 使用 Google 登录
PS：我的意思是，这个标准每隔一段时间就会起作用......或者，在关于这个问题的tick..........。
好吧，好吧，我们已经知道如何处理高交易频率的问题 :-)- 只要再插入一个 "独立 "的标准（例如，通过连接：以前的跳跃-预期的跳跃），交易的频率就会下降几倍，而预测的可靠性只会增加！"。
显然，小扰动下的市场偏移由市场对+2点（例如）EURCHF 2004扰动的反应振幅的分布函数显示出来1分钟
为了比较，这里是同一仪器的未扰动分布函数。
"
谢尔盖。
解释如下：如果我们看到了+10点的扰动，那么更有可能期望在下一栏中出现-10点的回撤（见图）。当然，回调可能是任何，甚至是 "错位"，但从统计学上看，回调的振幅等于干扰振幅。误差不是老年性的，它们的概率是相等的，而且会随着交易数量的增加而相互吸收，但统计上的优势仍会在我们这边！"
但是没有这样的事情！！！。如果你看一下分钟图，价格在任何地方都会跳动!我没有在任何地方找到任何确认（用我的眼睛很明显！）这一点的证据！"。同样的反弹会发生，但在一天、一个月、一年之后....。 我们将只用这个超级统计优势来泄密!!!!!
。
根据统计数据（最有可能），价格应该一直保持在原地（如果现在是+10，可能是-10），但这并没有发生!!!!。正是因为我们不看价格，我们看的是偏差......。
或者说我也不懂什么叫状态福利......很可能。
PS：不是我分心，但我想提醒你，你答应过要对趋势定义给出你的想法......
你错了。
如果我们要排水，那是为了一个原因--FAC模块在波动性上起作用，更少的价差!
因此，我们不需要用眼睛去看什么，而是坐在电脑前，对不同的TFs运行一些仪器，对这个参数进行评估。
PS：不是我分心，但我想提醒你，你答应过要对趋势定义给出你的想法......
嗯哼...
那我们为什么需要偏离呢？啊-啊-啊-啊-我明白了，对他们来说，我们考虑的是FAC（我仍然不喜欢这个缩写......）。
让我们来看看欧元兑美元。
点差 - 3或0.0003？
对于它，FAC应该是[0:1]。
平均而言，波动率在什么范围？
那么，由此产生了什么？每一个刻度线向上打开后，向下打开，反之亦然？:-)))
...
一点点关于这个问题
http://forum.fxclub.org/showpost.php?p=618349&postcount=297
http://forum.fxclub.org/showpost.php?p=624720&postcount=326
http://forum.fxclub.org/showpost.php?p=622143&postcount=310
http://forum.fxclub.org/showpost.php?p=626115&postcount=334
PS：告诉我欧元兑美元的波动率值的极限。我只是完全不计算波动性。而现在，我无法进行这样的计算。
...关于这个问题的一点看法
http://forum.fxclub.org/showpost.php?p=618349&postcount=297
http://forum.fxclub.org/showpost.php?p=624720&postcount=326
http://forum.fxclub.org/showpost.php?p=622143&postcount=310
http://forum.fxclub.org/showpost.php?p=626115&postcount=334
尊重!
我怀着极大的兴趣阅读了这一主题。当然，有很多水灾，但显然这就是事情的顺序......北风，你不是已经在网站上公布了这些材料，以文章的形式呈现吗？我将对你表示感谢。我对你现在所做的事情也很感兴趣，你认为在交易中什么样的研究是最有前途的？我很高兴你加入我们的行列，成为有关这里讨论的主题的评论家和思想的产生者。
让我们来看看欧元兑美元。
点差 - 3或0.0003？
对它来说，FAC应该躺在[0:1]。
波动性，平均在什么范围？
Sergey，我无法理解FAC的波动性等于价差的产品的 "性质"。请解释一下。它是根据经验得出的，还是科学上的直觉？
谢尔盖，波动率和价差的维度应该是一样的。如果是以米为单位--那么就以米为单位，如果是以公里为单位--那么一切以公里为单位 :-)。
我在估计计算中使用 "理想的 "TS模型，它只预测一个参数--价格的预期跳跃方向。 这个跳跃的幅度可以假定等于一个工具在选定时间段的波动率或其标准差，这几乎是相同的。考虑到FAC可以被解释为一种类型的价格运动比另一种类型的价格运动（相反的和反方向的跳跃）流行的相对值，那么我们可以不失时机地指出，基于 "理想预测指标 "的TS在选择开仓方向时不会犯错，其概率与 "理想预测指标 "中的绝对FAC值成比例。每笔交易的利润或损失以点为单位，合理地估计工具的标准偏差值。那么在足够长的时间间隔内，TS的利润可以被估计为所有成功的交易和不成功的交易的差额，每个交易都乘以波动率。此外，我们将获得的总回报与执行的交易数量联系起来，得到每笔交易的 "理想 "TS回报的 平均估计值。
s(TF)=波动率(TF)*{(n+)-(n-)}/N=FAC(TF)*标准偏差(TF)，其中(n+)是有正余额的交易数量，(n-)是 "负 "交易的数量，N是交易的总数。
这是需要证明的。
如果你不能估计波动率，就估计标准差）。不会有任何区别。
我们走吧...
时间序列分析的基本目标。
统计学时间序列分析的基本目标是。
1.确定哪些非随机函数存在于分解中，即确定指标的类型。
2.为扩张中存在的那些非随机函数构建 "良好 "的估计。
3.选择一个能充分描述非随机残差行为的模型，并对模型的参数进行统计估计。
成功解决由时间序列统计分析的基本目的决定的这些问题是实现研究的最终应用目标的基础，首先是解决时间序列值的短期和中期预测问题。下面简要介绍一下时间序列计量经济学分析的主要内容。
- 大多数数学-统计学方法处理的模型中，观察值被假定为是独立的和平等分布的。观察结果之间的依赖性最常被看作是对这些方法有效应用的阻碍。然而，经济学、社会学、金融学、商业和其他人类活动领域的各种数据都是以时间序列的形式出现的，其中的观测值是相互依赖的，而这种依赖的性质正是研究人员的主要兴趣所在。研究这种依赖性观察序列的全部方法和模型被称为时间序列分析。时间序列的计量经济学分析的主要目标是构建尽可能简单和经济参数化的模型，充分描述现有的观察序列并首先为解决以下问题提供基础。
(a) 发现构成所分析的时间序列的观测值的生成机制。
(b) 构建对时间序列未来值的最佳预测。
(c) 为所分析的过程制定管理和优化战略。
- 在讨论形成时间序列的观察结果的起源时，应该记住（如果可能的话，建立模型）四种类型的因素，这些观察结果可能是在这些因素的影响下形成的：长期、季节性、周期性（或机会主义）和随机。不一定所有四类因素都需要同时参与某一特定时间序列值的形成。成功解决这些因素的识别和建模问题是实现研究的最终应用目标的基础和基本出发点，其主要内容在上一段中已经提到。
- 在开始分析按时间顺序排列的离散系列观测值时，必须首先确定除了纯粹的随机因素外，其他因素是否确实参与了这个系列值的形成。术语 "纯随机 "仅指那些产生具有恒定（与时间无关）的均值和方差的相互不相关且分布相等的随机变量序列的随机因素。通过对相应的假设进行统计检验，例如，在 "系列检验"、阿贝标准、盒式检验和Ljung-Box检验之一的帮助下，就可以得到对给定问题的答案。
如果这样的统计假设检验表明，现有的观测值是相互依赖的（可能是不平等分布的），那么就可以为该系列拟合一个适当的模型。进行这种选择的模型集通常限制在以下几类模型中。
(静态时间序列类（主要用于描述 "随机残差 "的行为）。
(是确定性 趋势和静止时间序列之和的一类非静止时间 序列。
(c) 具有随机趋势的一类非平稳时间序列，这种趋势可以通过序列的连续微分（即从水平序列转为一阶或高阶差分序列）来消除。
在时间序列的计量经济学分析框架中，我们将(a)类和(b)类的序列合并为一类，按照最近接受的做法[例如，见Maddala, Kim (1998)]，我们称之为TS类序列（趋势静止序列，相对于确定性趋势而言的静止）。对属于(b)类的时间序列进行残差处理的适当方法是从确定性趋势中减去。相反，对于属于(c)类的系列，一个适当的系列残差化方法是从水平系列过渡到（一阶或高阶）差异系列。
- 静止的（广义的）时间序列的特点是其平均值、方差和协方差不依赖于计算它们的时间。静止时间序列的成员之间存在的相互依赖关系通常可以在p阶自回归模型（AR(p)-模型）、q阶移动平均模型（MA(q)-模型）或带有p和q阶残差移动平均的自回归模型（ARMA(p, q)-模型）中得到充分描述。
- 如果连续的k阶差分（但不能更小！）形成一个静止的时间序列，则称为k阶的积分（重积分）。在计量经济学的应用问题中，通过使用自回归模型；p、k和q阶的综合移动平均数（ARIMA(p, k, q)-模型）和它们的一些修改，相当成功地描述了这种序列的行为，包括那些包含季节性成分的序列。这一类也包括最简单的随机趋势模型--随机漫步过程（ARIMA(0, 1, 0)）。随机行走的增量形成了一连串独立的、平等分布的随机变量（"白噪声"）。因此，随机行走过程也被称为 "综合白噪声"。
- 对一个特定的时间序列进行模型拟合，意味着确定一个合适的参数化的模型系列作为一个可接受的解决方案的集合，然后从现有的观测数据中统计估计模型参数。这整个过程通常被称为模型识别过程，或简称为识别。为了正确识别一个时间序列模型，有必要决定所研究的时间序列是否是静止的，相对于确定性趋势而言是静止的（即确定性成分和静止序列之和），或者它是否包含随机趋势。
有时，面对好战的洪水猛兽的言论，我笑死了!这就像一个马戏团，他们应该在幼儿园学习数学，但不，他们的年龄不对！他们应该在幼儿园学习数学。将军们，伙计。
有趣的是，在大多数论坛上发生的情况（我们的论坛也许是一个罕见的例外），明确表明参与论坛的 "交易者 "的主要队伍是文盲，而且通常是有缺陷的人。谁进入市场，也许只是出于绝望和选择性的痴呆。
对不起，我忍不住了。
...北风，你没有在网站上以文章形式发表的材料吗？我将对你表示感谢。我还对你现在从事的研究方向感兴趣，你认为交易中最有前途的是什么？我很高兴你能加入我们，成为这里讨论的主题的批评者和思想的产生者......。
不，我没有任何文章形式的材料，也不太可能会有。我一直在一点一点地做每件事。
我一点一点地处理一切，当然主要是从随机方法的角度来处理。关于分解的问题也是如此，但显然不是纯粹的形式，因为它是由经典的表述。
我饶有兴趣地全文阅读了这个话题，至少因为我自己也走过这条路。我个人喜欢 "毛毛虫 "从时间分析方法。但同样，我无法使用An.Vremena的纯粹方法。
...有时，面对好战的洪水猛兽的言论，我笑死了!这只是一个马戏团，他们应该在幼儿园--学习数学，但不，不是这个年龄段！他们应该在幼儿园学习数学。将军们，伙计们...
:)不要注意，这是上面派下来给我们的考验，是我们父亲和他的儿子以及他的精神的恩典，是对我们信仰力量的考验 ::))