然而，现实中影响股市波动及股票价格波动的因素繁多复杂，很多因素将直接划

In der Realität sind die Faktoren, die die Volatilität an den Aktienmärkten und die Volatilität der Aktienkurse beeinflussen, jedoch vielfältig und komplex. Viele Faktoren werden direkt in den Fehlerterm des Messmodells einbezogen, was nicht genau erklärt werden kann oder der Regressionssimulationseffekt ist nicht ideal. Außerdem muss die in das Regressionsmodell eingebrachte Datenmenge vermieden werden. Mehr. Im Vergleich zu statistischen und ökonometrischen Modellen sind nichtlineare Systeme der künstlichen Intelligenz, die auf maschinellem Lernen und tiefem Lernen basieren, vorteilhafter und können sich durch verteilte Speicherung selbst organisieren, selbst verarbeiten, anpassen und rationaler künstlich simulieren.

然而，现实中影响股市波动及股票价格波动的因素繁多复杂，很多因素将直接划入计量模型的误差项中，无法准确解释或回归模拟效果不理想，此外引入回归模型的数据量还需避免过多。相比于统计、计量模型，基于机器学习和深度学习的非线性人工智能系统要更有优势，能够自组织、自处理、自调整，通过分布式存储进行更理性的人工模拟。

In Wirklichkeit gibt es jedoch viele komplexe Faktoren, die die Volatilität des Aktienmarktes und des Aktienpreises beeinflussen. Viele Faktoren werden direkt in den Fehlerzeitraum des Messmodells einbezogen, die nicht genau erklärt werden können oder die Auswirkungen der Regressionssimulation nicht ideal sind. Darüber hinaus muss die Menge der in das Regressionsmodell eingeführten Daten zu viel vermeiden.Im Vergleich zu statistischen und ökonometrischen Modellen hat das nichtlineare künstliche Intelligenz-System, das auf maschinellem Lernen und tiefem Lernen basiert, mehr Vorteile, das sich selbst organisieren, selbst verarbeiten und sich selbst anpassen und rationalere künstliche Simulation durch verteilte Speicher durchführen kann.