Burton Malkiel a "Véletlenszerű Walk Down Wall Street" (1973) című kiadványában azt javasolta: "Egy bekötött szemmel tartott majom, aki dartsot dob egy újság pénzügyi oldalán, olyan portfóliót választhat, amely ugyanúgy működik, mint a szakértők gondosan kiválasztott portfóliója." Noha az evolúció az embert nem teheti intelligensebbnek a készletek szedésén, Charles Darwin elmélete bizonyítottan elég hatékonynak bizonyult, ha közvetlenül alkalmazzák.
TUTORIAL: Állományszedési stratégiák
Mik a genetikai algoritmusok?
A genetikai algoritmusok (GA) olyan problémamegoldó módszerek (vagy heurisztikák), amelyek utánozzák a természetes evolúció folyamatát. Ellentétben a mesterséges ideghálózatokkal (ANNs), amelyeket úgy terveztek, hogy az agyban neuronokként működjenek, ezek az algoritmusok a természetes szelekció fogalmait használják a probléma legjobb megoldásának meghatározására. Ennek eredményeként a GA-kat általában optimalizálókként használják, amelyek a paramétereket úgy állítják be, hogy minimalizálják vagy maximalizálják a visszacsatolás mértékét, amelyet ezután önmagában vagy az ANN felépítéséhez lehet felhasználni. (Ha többet szeretne megtudni az ANN-ról, lásd: Neurális hálózatok: Nyereség előrejelzése .)
A pénzügyi piacokon a genetikai algoritmusokat a leggyakrabban használják a paraméterek legjobb kombinációs értékének keresésére a kereskedési szabályban, és beépíthetők az ANN modellekbe, amelyek célja a részvények felvétele és a kereskedelem azonosítása. Számos tanulmány bizonyította ezen módszerek hatékonyságát, köztük a "Genetikai algoritmusok: A készletértékelés genezise" (2004) és a "A genetikai algoritmusok alkalmazásai a tőzsdei adatok bányászatának optimalizálásában" (2004). (További információ: A kereskedési algoritmusok létrehozása .)
Mik a genetikai algoritmusok?
Hogyan működnek a genetikai algoritmusok?
A genetikai algoritmusokat matematikai úton hozzák létre vektorok segítségével, amelyek olyan irányú és nagyságú mennyiségek. Az egyes kereskedési szabályok paramétereit egydimenziós vektor képviseli, amelyek genetikai szempontból kromoszómának tekinthetők. Eközben az egyes paraméterekben alkalmazott értékek géneknek tekinthetők, amelyeket ezután a természetes szelekcióval módosítunk.
Például egy kereskedési szabály tartalmazhat olyan paramétereket, mint a mozgó átlag konvergencia divergencia (MACD), az exponenciális mozgó átlag (EMA) és a sztochasztika. Egy genetikai algoritmus ekkor értékeket ad be ezekbe a paraméterekbe a nettó profit maximalizálása céljából. Idővel kismértékű változtatásokat vezettek be, és azokat, amelyek kívánatos hatást gyakorolnak, megtartják a következő generáció számára.
Háromféle genetikai művelet végezhető el:
- A keresztezések a biológiában megfigyelt reprodukciót és kereszteződést képviselik, amely során a gyermek átveszi a szülei bizonyos tulajdonságait.A mutációk a biológiai mutációt képviselik, és arra szolgálnak, hogy véletlenszerű apró változások bevezetésével fenntartják a genetikai sokféleséget a népesség egyik generációjától a következőig.A választások a az a szakasz, amelyben az egyes genómokat a populációból választják ki későbbi tenyésztéshez (rekombináció vagy keresztezés).
Ezt a három műveletet ezután egy ötlépéses folyamatban használják:
- Inicializáljon egy véletlenszerű populációt, ahol minden kromoszóma n hosszúságú, ahol n a paraméterek száma. Vagyis véletlenszerűen számú paramétert kell meghatározni mindegyik n elemmel. Válassza ki azokat a kromoszómákat vagy paramétereket, amelyek növelik a kívánt eredményeket (feltehetően nettó nyereséget).A mutációt vagy a kereszteződéses operátort alkalmazzák a kiválasztott szülőkhöz, és utódokat generálnak. a jelenlegi populációt, hogy új populációt képezzen a kiválasztási operátorral.
Idővel ez a folyamat egyre kedvezőbb kromoszómákat (vagy paramétereket) eredményez a kereskedési szabályokban történő felhasználáshoz. A folyamat ezután befejeződik, ha teljesülnek a megállási kritériumok, amelyek magukban foglalhatják futási időt, fitneszt, generációk számát vagy egyéb kritériumokat.
Genetikai algoritmusok használata a kereskedelemben
Míg a genetikai algoritmusokat elsősorban az intézményi kvantitatív kereskedők használják, addig az egyes kereskedők - a fejlett matematika végzettsége nélkül - a piacon lévő számos szoftvercsomag felhasználásával felhasználhatják a genetikai algoritmusok erejét. Ezek a megoldások a pénzügyi piacok felé irányuló önálló szoftvercsomagoktól a Microsoft Excel kiegészítőkig terjednek, amelyek megkönnyítik a gyakorlati elemzést.
Ezen alkalmazások használatakor a kereskedők meghatározhat egy paraméterkészletet, amelyet ezután genetikai algoritmus és előzményadatok segítségével optimalizálnak. Egyes alkalmazások optimalizálhatják a használt paramétereket és az értékeket, míg mások elsősorban az adott paraméterkészlet értékeinek egyszerű optimalizálására koncentrálnak. (Ha többet szeretne tudni ezekről a program-alapú stratégiákról, olvassa el: A programforgalom hatalma .)
A görbe illesztése (túlzott illesztés), vagy a kereskedési rendszer tervezése a történeti adatok alapján, a megismételhető viselkedés azonosítása helyett, potenciális kockázatot jelent a kereskedők számára genetikai algoritmusokat használva. Minden GA rendszert használó kereskedési rendszert papíron előre ellenőrizni kell az élő használat előtt.
A paraméterek megválasztása a folyamat fontos része, és a kereskedőknek olyan paramétereket kell keresniük, amelyek korrelálnak egy adott értékpapír árának változásával. Próbáljon ki például különféle mutatókat, hogy megfigyelhető legyen-e valamelyik a korábbinál nagyobb piaci fordulatokkal. (További információ: A megfelelő algoritmikus kereskedési szoftver kiválasztása .)
Alsó vonal
A genetikai algoritmusok egyedülálló módon oldják meg az összetett problémákat a természet hatalmának kiaknázásával. E módszerek alkalmazásával az értékpapírok előrejelzésére a kereskedők optimalizálhatják a kereskedési szabályokat azáltal, hogy meghatározzák az egyes értékpapírokhoz az egyes paraméterekhez felhasználható legjobb értékeket. Ezek az algoritmusok azonban nem a Szent Grál, és a kereskedőknek óvatosan kell kiválasztaniuk a megfelelő paramétereket, és ne illesszenek görbét. (További olvasnivalók: Nézze meg: Hogyan kódolhatja a saját Algo Kereskedelmi Robotját .)
