通过特征模型对未来的交易进行多空预测就是三生万物的工作，
也就是通过历史交易数据的积累分析训练对未来交易的预测，
大多数人是能理解这点的，但需要正视一些问题：
1. 混沌秩序与拉普拉斯妖
阿布量化中基础特征都是基于道氏理论的一维特征
道氏理论核心思想：市场的平均价格指数包容和消化一切因素和信息，通过这句话反推：平均价格指数的预测需要市场中一切因素和信息
本质来说市场的预测属于在混沌中寻找秩序的一种探索
模型中尽量包括更多的特征信息是寻找秩序的最优路径，如果真能找到市场中一切因素和信息那么无疑可以预测准确，就像【拉普拉斯妖】理论
2. 交易成本与概率优势
真实世界中大多数模型都只能是覆盖局部的特征
目的只是为了在有【交易成本】的游戏中获取一定的【概率优势】
正确的认识三生万物对交易的预测结果是在所有环节中最重要的部分，其只是寻找秩序的一种探索，目的是获取一定的概率优势
3. 宏观秩序&微观秩序与云的位置&钱的位置
真真实世界中也存在着一类能基本进行准确预测的模型，比如【天气的预测】
我认为构成其能基本准确预测的原因主要是两点
-
第一点是地球的自转公转的强规律，宏观越大，秩序越确定，举例：证券交易所的蚂蚁通过观察这里早上9:30开盘，
下午15:00收盘这个时间段地上大概率都有面包渣可以搬回蚂蚁窝，但对于身处其中的交易特征更多的需要进行更微观的走势，
在此基础上重构关联，构建交易场景，这也就是阿布量化道生一，一生二，二生三的逻辑，
不然简单的把两条k线走势进行相关性分析(市场上那些相似股票应用)是不是就能准确预测了(这点不展开了)
-
第二点就是【云的位置】能基本确定，第二点对应到交易市场就是【钱的位置】，
其对应到模型的构建中也是存在一些具体的应用，比如将美股期权｜港股涡轮的量价关系对应到特征中，
特别是一些异动，存在强因果的价格波动联系，但这些属于另外一个维度的模型构建，对资源有较高要求，
且这些特征和云的位置还是有很大区别，毕竟很少有云被大炮打下来进行人工降雨的截胡行为
4. 人工智能的能力上限在量化领域的展望
人工智能是近些年非常热的一个领域，不少人认为它无所不能，战无不胜，特斯拉CEO埃隆·马斯克的观点，其在推特上发布过一张图
为什么说人工智能只是带着面罩的统计学，我认为主因是人类并不能理解意识的产生，运作原理，甚至都无法确定人类是否真的存在【自由意识】，
还是生活在虚拟世界，那么就不要提创造意识，机器开智
人工智能可以绘制非常漂亮的图像，提供自动驾驶，专业律师咨询，甚至可以自己写小说，代替程序员写代码，
也许不久将来可以辅助代替医生的工作，可以说其能在各个领域达到人类的能力上限，即专家水平，
这个专家上限是在人类中真实存在的思想行为准则，机器就自然可以学习他，
但是在交易这个领域人类是否有能力上限？真正的专家呢？其可以通过充分研究分析准确得出明确的思想行为准则用来
预测明天的涨跌幅度，存在吗？这个问题的答案其实就是人工智能是否能在量化交易领域能像其它领域一样产生巨变，
我认为答案是否定的，就像上面提到的人类并不能理解意识的产生，运作原理，交易领域面对同样的问题
在量化领域更实用的应用是大规模交易数据分析，其已经是超过人类专家的数据处理能力，
需要叠加对交易的各种理解认识去辅助完成数据统计，交易建议等等因素，人和计算机的能力各有优缺，举例
-
人类需要几天才能绘制好的一幅画，人工智能可以在几秒绘制完成
-
人类可以在一瞬间识别出一幅画里的狗是什么品种，人工智能需要图像输入，内容识别，结果概率输出，其会比人类要慢
5. 三生万物网站中具体应用
三生万物的具体应用由于种种限制短时间内不会在网站中有具体应用，
示范例子后续会在二生三在开源项目中示例后进行一些网站可视化示范
