Never

    股市会受到天气的影响？听起来荒诞，但其实挺靠谱的。这里首先要搞明白两个关系。第一是股市不仅受客观经济规律的影响，而且还会受到心理作用的影响。人们投资并不会完全理性的将自己的利益最大化，而常常会受到非理性因素的影响，其中情绪是很重要的一方面。第二是人们的情绪会显著受到天气的影响，晴天会高兴，雨天会抑郁，刮风会烦躁。将这两点关联起来，就可以推测天气也许会影响股市的走势。      Improbable Research 介绍了台湾学者的一个研究，证实了刮风会影响股市的收益。作者研究了欧洲18个国家1994年到2004年的股市走势与天气的影响。作者发现了风速与股市回报的显著负相关，即风越大则股市表现越差。而晴天对股市却没有什么影响，这说明风对人们心情的影响比阳光要大。不管怎样，这个研究告诉广大股民们，不要看股评了，看天气预报也许更靠谱。 Shu, H., & Hung, M. (2009). Effect of wind on stock market returns: evidence from European markets Applied Financial Economics, 19 (11), 893-904 DOI: 10.1080/09603100802243766

之前提到Ten simple rules for dynamic causal modeling这篇文章，最近因为要处理数据所以仔细看了一下。文章提到了很具体的操作建议，而且对一些常见疑问进行了回答。下面是我的笔记。 1 DCM的因果关系不只来源于观测信号的先后关系，还和模型的设置有关系 (主要是外部输入信号)。 2 使用DCM模型主要是为了做两类推测。推测模型空间vs.推测具体的模型参数。 3 DCM没有给出模型与数据的拟合性指标。即使整体拟合程度不好，仍然可以比较哪一个模型更好一些。 4 即使目的是估计一两个具体的模型参数，第一步仍然要做模型选择bayesian model selection。 5 DCM模型最适合估计连通性受实验操纵的改变 (modulatory effect)。 6 连接强度的改变可能源于膜兴奋性改变 (membrane exitability)或突触可塑性的改变。 7 所有的模型都是错的，但是有些是有用的“Essentially, all models are wrong, but some are useful.”-Box 8 要系统的定义模型空间。 9 模型选择的组分析。FFX假设每个被试的最佳模型是相同的；RFT每个被试的模型可能是不同的。 10 不同数据的模型不能用BMS比较。因此对于fMRI来说，区域数量不同的模型是不能比较的，因为观测数据就是区域的时间序列。但对于EEG/MEG，可以通过对比找到最合适的源。 11 对具体参数进行组分析需要注意多重比较校正。 12 优化fMRI实验的策略同样适用于DCM。但DCM最适用于参数设计，最好可以区分driving effect和modulatory effect。 13 扫描不同层信号的采集时间不同，但1s范围内的时间差别是可以忍受的。因此，TA最好限制在2s以内，并且用中间层作为分析的参照。基于上面的原因，最好采用升序或降序采集，而不是interleaved采集。 14 DTI纤维束可以作为DCM模型中连接的先验知识。解剖连接的发育会限制effective connectivity，但并不是完全决定effective connectivity。 15 计算模型的参数也可以用来建模DCM，比如prediction error。 &rft St...