在传统系统中，问题在于灵活性不足，而在 MO 系统中，问题在于灵活性过高。必须同时选择数据和重新训练。即使样本大小和训练频率也是+-相同的。只有 MO 需要多几倍的功率和一个 "黑盒子"。在 2010 年的 Onyx 上，他们把所有东西都塞进了电网，从那时起，电网容量已经增长了数个数量级，但仍然存在。
Rorschach #: 在传统系统中，问题在于灵活性不足，而在 MO 系统中，问题在于灵活性过高。必须同时选择数据和重新训练。即使样本大小和训练频率也是+-相同的。只有 MO 需要多几倍的功率和一个 "黑盒子"。在 2010 年的缟玛瑙上，他们把所有东西都塞进了电网，从那时起，电网容量已经增长了几个数量级，但仍然存在。
这里没有平坦的道路。
系统有确定性、随机性和不确定性之分，在不同的时间点表现为随机、确定或某种混合。
金融市场被归类为不确定市场，因为随机性的来源是人，而人的行为是不可预测的。例如，地铁上完全随机的 人流完全 可以用质量服务理论来描述，一切都可以计算出来。但如果你刺破一个气球并大喊 "炸弹"，混乱就会随之而来，一切都无法计算。在市场上，这是新事物，没有方法，没有科学，恐慌被行政手段压制。
金融市场的随机部分也分为两种：静态和非静态。静态是完全可以计算的，原则上没有科学性。有些金融市场的静态市场模型是可行的。我见过美国财政部的 ARIMA 模型，效果非常好。
但一般来说，金融市场是非稳态的，有现成的东西，但很快就会发现不知道该怎么做--这就是科学。但我们知道的是绝对疯狂的数学，它分为两种：
没有简单的方法，而且，你总是会被一些你根本无法接近的东西（新闻）卡住。虽然这并不是新闻--但也不可能解决所有问题，即在上述每种方法中建立一个稳定盈利的 TS。
如果您在 TA 上取得了成功，那就唾弃其他一切吧。MO 和 GARCH 都是多年的经验。
感谢您系统地介绍了相关信息。
是的，我在自己的波浪系统化方面花费了大量时间。很多人不理解这个课题，但它的效果很稳定。后来，我又开始研究 OHLC。在那里，我也发现了许多有趣的系统信息。在进一步认知 和揭示市场的规律性方面，MO 很有趣，更确切地说，是以图表的形式揭示世界经济的结果。这里有太多有趣的东西，我无法一一列举。难道没有人看到吗？没有人可以认真讨论这个问题。)))))))
感谢您系统地介绍了信息。
是的，我在波浪的系统化方面花了很多时间。很多人都不了解这个课题，但它的效果很稳定。后来，我又开始研究 OHLC。在那里，我也发现了许多有趣的系统信息。MO 在进一步认知和揭示市场的规律性方面很有意思，更确切地说，是以图表的形式揭示世界经济的结果。那里有太多有趣的东西，我无法一一列举。 难道没有人看到吗？ 没有人可以认真讨论这个问题。))))))
看到它是一回事，编写/匹配代码又是另一回事。
第一百次，通过信息联系的程度
相互信息适合这样做吗？
https://scikit-learn.org/stable/modules/generated/sklearn.feature_selection.mutual_info_classif.html
在传统系统中，问题在于灵活性不足，而在 MO 系统中，问题在于灵活性过高。必须同时选择数据和重新训练。即使样本大小和训练频率也是+-相同的。只有 MO 需要多几倍的功率和一个 "黑盒子"。在 2010 年的缟玛瑙上，他们把所有东西都塞进了电网，从那时起，电网容量已经增长了几个数量级，但仍然存在。
既然一切都在表面，都在图表上，为什么每个人都在深挖呢？
当然，没有完美 不变 的确切位置，例如价格反转。永远不会有。但价格行为的可预测性并不会因此而丧失。准确性会下降，但可预测性不会下降。市场有相互关联的模式，我们无法摆脱这些模式......
当一切都停留在表面上，停留在图表上时，为什么每个人都要深究呢？
当然，价格反转的确切位置并不完美 恒定 。永远不会有。但价格行为的可预测性并不会因此而丧失。准确性会下降，但可预测性不会下降。市场有相互关联的模式，我们无法摆脱这些模式......
我通常赞成人工交易...你可以开始扔拖鞋了。
我一般赞成手动交易.....。你可以开始扔拖鞋了。
我知道了。我不干了。I'm done. I'm off to get the slippers.)
相互信息是否适用于此？
https://scikit-learn.org/stable/modules/generated/sklearn.feature_selection.mutual_info_classif.html
是的，又名 21 世纪的相关性。
或http://www.exploredata.net/是的，这是 21 世纪的相关性
或 http://www.exploredata.net/。这个选项和scikit-learn 中的选项哪个更好？
https://minepy.readthedocs.io/en/latest/python.html
哪个更好？ 这个还是scikit-learn 中的那个？
https://minepy.readthedocs.io/en/latest/python.html
这两个都不错，Minepy 更先进，我很久以前用过，不记得有什么区别了。
我不太支持通过互信息从一堆无意义的特征中进行选择的方法，而是支持快速评估 TC 规范。
我甚至想把它放到优化器中，作为通过遗传学进行竞赛的人的综合优化标准的一部分。