It’s unexpected, surprising—and for me incredibly exciting. To be fair, at some level I’ve been working towards this for nearly 50 years. But it’s just in the last few months that it’s finally come together. And it’s much more wonderful, and beautiful, than I’d ever imagined. In many ways it’s the ultimate question in natural science: How does...
https://writings.stephenwolfram.com/2020/04/finally-we-may-have-a-path-to-the-fundamental-theory-of-physics-and-its-beautiful/
好文章。对于交易来说，它甚至在那里。简单的规则产生了复杂的、往往没有能力预测的行为，而且往往也没有逆转的可能。通过一个系统的行为，往往不可能对其行为规则进行建模。
谢谢
例如，这是其中的一个。
通常的趋势算法，没有参数，没有调整，只有一个扫频，平滑一个信号线。
我认为这个机器人没有参数，也没有优化，只有适应性和光谱分析。 你不能用普通的指标来做这些。 7个月内1700点。
如果你想实现这样的机器人，你应该在MT4中编写主成分法和皮尔逊相关系数的计算。
我不能在R中进行编码，因为我已经有了一切。
如果你想解决这样的问题，你需要了解你的编码内容。我不知道如何计算 "主成分法"，如果你一步一步地描述，你可以一步一步地做，但现在连维基百科也帮不了我。另一个解决方案可能是用这个问题创建一个单独的分支，人们可以帮助你破译难以理解的短语和公式，结果将是公开的。
总的来说，MT4 和MT5 的东西都有。要解决这样的问题，你需要了解你正在编码的内容。我不知道如何计算 "主成分法"，如果你一步一步地描述一切，就可以一步一步地完成，否则即使是维基百科也无法帮助我。另一个解决方案可能是用这个问题创建一个单独的分支，人们可以帮助你破译难以理解的短语和公式，结果将是公开的。
总的来说，MT4 和MT5 的东西都有。如果有一个分支可以对matstat/理论家的方法进行有意义的讨论，那就更好了。我不确定这是否可行。
如果能有一个主题，对matstat/理论家的方法进行有意义的讨论，那就更好了。不知道这是否可行。
如果能有一个主题，对matstat/理论家的方法进行有意义的讨论，那就更好了。我不确定这是否可行。
如果在那里处理具体的例子，并且由一个负责回答课程层面的所有问题的人管理这个主题，这可能是有用的。困难的问题已经被单独讨论过了，不同的参与者都有意见。
如果用外汇交易或IO的例子来启动这样一个分支，那就好了，越来越多的人将会跟随。
https://writings.stephenwolfram.com/2020/04/finally-we-may-have-a-path-to-the-fundamental-theory-of-physics-and-its-beautiful/
好文章。对于交易来说，它甚至在那里。简单的规则产生了复杂的、往往没有能力预测的行为，而且往往也没有逆转的可能。通过一个系统的行为，往往不可能对其行为规则进行建模。
https://ru.wikipedia.org/wiki/%D0%90%D0%B4%D0%B2%D0%B0%D0%B9%D1%82%D0%B0-%D0%B2%D0%B5%D0%B4%D0%B0%D0%BD%D1%82%D0%B0
https://ru.wikipedia.org/wiki/%D0%90%D0%B4%D0%B2%D0%B0%D0%B9%D1%82%D0%B0-%D0%B2%D0%B5%D0%B4%D0%B0%D0%BD%D1%82%D0%B0
https://writings.stephenwolfram.com/2020/04/finally-we-may-have-a-path-to-the-fundamental-theory-of-physics-and-its-beautiful/
好文章。对于交易来说，它甚至在那里。简单的规则产生了复杂的、往往没有能力预测的行为，而且往往也没有逆转的可能。通过一个系统的行为，往往无法对其行为规则进行建模。
这篇文章是一个炸弹，我什么都不懂，但我是张着嘴读的......。谢谢!
我甚至有一个想法，如果大量的随机规则仍然会收敛到一个共同的结构，只是方式不同，那么我可以用随机森林这个算法来类比，它的创造者进行了很多测试，结果发现，无论是规则形成的顺序还是分解都不重要，只要是简单的随机总能得到类似的结果......
所以我想，如果我们采取，例如，一个5分钟/周的图表，并把它作为某个大模式--"BP"，并在其中使用不同的滑动窗口生成一个样本（当然，按比例归一化），会怎么样呢？
然后在这个样本上训练一个Forest，即在BP里面生成一堆随机的规则。
然后将BP扩展到样本桅杆上，并通过其先前生成的内部规则预测BP......
考虑到断裂性，并检查所有这些相互嵌套是否有效...
有趣的是...
)))你知道如何分散注意力/娱乐。激励交易者行动的简单规则创造了一个复杂的价格行为系统))))，我在绕圈子，永动机还没有工作)))))。
我建议你不要绞尽脑汁去想那些曾经运作/目前正在运作的系统。基于不同交易者多年的经验。
如：波动率突破，回归均值（不管是什么），模式（周期），套利。
所有这些TS都是事件驱动的，即当一个事件发生时，它们被触发。他们并不像密歇根州那样把所有的东西都近似化。
没有明确交易规则的MO是一个真正的傻瓜我建议你不要绞尽脑汁，而是想想那些曾经/目前有效的系统。基于不同交易者多年的经验。
如：波动率突破、回归平均值（无论如何）、模式（周期）、套利
所有这些TS都是事件驱动的，即当一个事件发生时，它们被触发。他们并不像密歇根州那样把所有的东西都近似化。
在交易中没有明确的规则的MO真的是一个愚蠢的蠢货我同意）长期的经验并不能给出任何最终的答案。
我同意，我不喜欢套利。
我会在事件中加入超买/超卖的协同作用，但不是一个事实。
遇到一个MOSHKA MA，我是如何开始的))))
到目前为止，我被BP的特点所困扰。关于波动率、回归平均值、周期的事件只对系列的某些特征起作用。当他们改变时，他们就会停止。这些特征是什么，我不知道。我正在寻找答案。我理解的一点是，必须通过相同的简单方法从系列的不同尺度中获得特征。在鳞片、月份和蜱虫的边缘，可能有其他方法。应该有逻辑/事件层面的特征，以了解状态和它的变化。但只要我采取除了增量之外的费率，例如，我就会感到困惑。它变得太复杂了。
当然，我可以愚蠢地采取不同的简单TS，看看它们在哪里停止工作/开始工作，并比较特征，但到目前为止，一切都很复杂，不清楚要看什么。