在金融市场的复杂性刻下，好多买卖模型软件往往依赖于特定的市场活动理论或预设的数学结构


。然而，ChaosHunter?与此分歧，它不做任一关于买卖模型终端大局的先验如果


。无论是艾略特波浪理论、支持阻力、均值回归、分形理论、随机缓步，还是混沌理论，ChaosHunter都不如果其有效性


。这使得它在构建买卖模型方面显得自成一家


。

?

相迸宗传统的建模技术，如回归分析和礻申经网络，这些技术通过优化相对固定结构的方程系数来拟合价值曲线，而ChaosHunter则不然（固然ChaosHunter也能够拟合价值有关曲线，但这并非其重要买卖模式）


。它不要求用户决定是否或若何利用技术指标，也不强造用户选择哪些技术指标（只管允许用户提供建议的技术指标）


。

?

天然选择技术的利用

ChaosHunter的主题在于其利用天然选择技术，使用单一的算术、代数、三角函数、礻申经元、逻辑和技术指标等根基构建
？，进化出怪异且盈利的买卖模型


。通过进化选择这些根基构建
？，并将其组合成产生买卖信号的方程，ChaosHunter现实上进化出了自己的技术指标


。

?

用户的参加和数据选择

用户能够选择汗青价值数据，ChaosHunter会用这些数据来回测其进化天生的模型


。若是用户愿意，还能够选择或限度使用的构建
？，或者提供更多的技术指标供ChaosHunter参考


。而后，ChaosHunter起头运算，寻找蕞佳模型，不必要进一步的人为过问


。

?

通明杜纂兼容性

ChaosHunter展示所有找到的模型，毫无暗藏，使得这些模型能够被利用到多个买卖平台


。由于ChaosHunter进化的是方程而非推算机法式，因而在大无数买卖平台上无需编程即可使用


。

?

结论

ChaosHunter?之所以可能构建出如此好的买卖模型，在于其不依赖任一市场活动的先验理论，通过天然选择技术进化出怪异的买卖模型


。这一过程高度自动化，并且对用户敦睦，允许用户选择数据和提供技术指标建议，同时维持模型的通明度和宽泛的兼容性


。这些个性使得ChaosHunter?在买卖模型软件中脱颖而出，成为买卖员们的壮大工具


。

?

?

• ?