最新

嗨，HN， 我是一个独立开发者，过去几个月我一直在开发Hikaro，这是一款用于寻找具有统计显著性的交易信号的工具，适用于[例如，美国股票、加密货币、外汇]。 我开发这个工具是为了自己解决一个问题：我厌倦了那些在纸面上看起来很不错但在实践中失败的回测。像“胜率”这样的简单指标可能会误导人，因此我希望能有一种快速判断信号表现是否真实或仅仅是噪音的方法。 Hikaro会获取每日市场数据，并对各种交易信号进行统计分析。我们的目标是挖掘出具有强大特性的信号，例如： * *低p值：* 证明表现不是随机的偶然现象。 * *高夏普比率：* 更好的风险调整收益。 * *健康的“核心表现”：* 在去除单个最佳异常交易后的平均收益，以获得更保守的视角。 * 其他关键指标，如利润因子和最大回撤，您可以根据这些指标进行筛选。 我正在寻找我的第一批用户，非常希望能听到您的反馈。我提供30天的专业计划免费试用（包括Telegram提醒），无需信用卡。 您可以在这里查看：[您的网址] 我今天会在这里回答任何问题。我特别希望听到您对这个概念和指标的反馈。 谢谢，HN！ ### 关键变化及原因： * *标题：* 新标题更加生动，直接框定了问题。您原来的标题也很好，所以可以继续使用。 * *添加市场：* 指定资产类别[例如，美国股票、加密货币、外汇]至关重要。用户会立即想知道这是否与他们相关。 * *精炼钩子：* “我厌倦了那些在纸面上看起来很不错但在实践中失败的回测”是这个领域任何人都能感同身受的痛点。 * *加粗：* 对关键指标使用加粗，使其更易于浏览。

我正在等待一些专利的通过，这是一种我们正在构建的新型计算范式——但我还是想分享一些学习和见解。 计算机能否计算出这个宇宙中的任何算法？当我们记住宇宙有有限的记忆，并且每一次不可逆的位翻转都会转化为热量时，这是否真的成立？ 我将普遍性的抽象主张视为指导理想，然后询问什么在与兰道尔和贝肯斯坦的接触中得以保留。只有符合能量和记忆预算的计算才会发生，因此获胜的方式必须在每个比特中挤出更多的意义，并最小化擦除。 这促使我采用一个简单的视角。计算依赖于连接性，而不是坐标。如果我在一张橡胶纸上画一个电路，并在不切断任何导线的情况下拉伸或皱缩这张纸，程序不会改变。只有重新布线才会改变行为。换句话说，逻辑存在于布线的拓扑类别中，而几何只是外衣。 一旦约束被编码为拓扑不变量，基于能量的模型预测流在图上优于逐步生成。 想象一个球在一个由网络自身雕刻的景观上滚动。搜索不会浪费比特去探索布线已经禁止的方向。引导取代了猜测，因此你移动的熵更少，以达到相同的答案。 热力学也同样支持这一观点。因为我们只有在擦除信息时才付出代价，所以我组织计算使其大部分是可逆的，将熵推向边界，只有在学习真正需要遗忘时才进行擦除。吞吐量因此更依赖于边界而非体积，这与全息理论相呼应。 在有限的宇宙记忆中，明智的做法是存储结构而不是原始状态，将意义压缩为边界可以承载的不变量。 消息传递实际上是以简单形式的规范传输。将边缘视为连接，将循环视为全局性环路。环路周围的累积相位在没有全局监督者的情况下强制执行全局一致性。小的扰动并不重要，除非它们使系统跳跃到不同的拓扑类别，这就是为什么稳健性源于布线本身。 那么，计算机能否计算出这个宇宙中的任何算法？在抽象意义上是的。在物理意义上，它可以计算适应时间、能量和记忆的子类，并且在依赖拓扑时表现最佳。我现在将有用的计算视为同伦搜索——在正确的类别中开始，在其中变形，只有在选择不同类别时才重新布线。 这尊重了宇宙的信息限制，并以保留的结构交换昂贵的比特，这就是我相信这一点的原因。