ChaosHunter软件与其它软件的不同之处

在金融市场的复杂性面前，很多交易模型软件往往依赖于特定的市场运动理论或预设的数学结构。然而，ChaosHunter®与此不同，它不做任一关于交易模型终端形式的先验假设。无论是艾略特波浪理论、支撑阻力、均值回归、分形理论、随机漫步，还是混沌理论，ChaosHunter都不假设其有效性。这使得它在构建交易模型方面显得独树一帜。

相比于传统的建模技术，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格曲线，而ChaosHunter则不然（虽然ChaosHunter也可以拟合价格相关曲线，但这并非其主要交易模式）。它不要求用户决定是否或如何利用技术指标，也不强制用户选择哪些技术指标（尽管允许用户提供建议的技术指标）。

自然选择技术的应用

ChaosHunter的核心在于其利用自然选择技术，使用简单的算术、代数、三角函数、礻申经元、逻辑和技术指标等基本构建模块，进化出独特且盈利的交易模型。通过进化选择这些基本构建模块，并将其组合成产生买卖信号的方程，ChaosHunter实际上进化出了自己的技术指标。

用户的参与和数据选择

用户可以选择历史价格数据，ChaosHunter会用这些数据来回测其进化生成的模型。如果用户愿意，还可以选择或限制使用的构建模块，或者提供更多的技术指标供ChaosHunter参考。然后，ChaosHunter开始运算，寻找蕞佳模型，不需要进一步的人工干预。

透明度与兼容性

ChaosHunter展示所有找到的模型，毫无隐藏，使得这些模型可以被应用到多个交易平台。由于ChaosHunter进化的是方程而非计算机程序，因此在大多数交易平台上无需编程即可使用。

结论

ChaosHunter®之所以能够构建出如此好的交易模型，在于其不依赖任一市场运动的先验理论，通过自然选择技术进化出独特的交易模型。这一过程高度自动化，并且对用户友好，允许用户选择数据和提供技术指标建议，同时保持模型的透明度和广泛的兼容性。这些特性使得ChaosHunter®在交易模型软件中脱颖而出，成为交易员们的强大工具。