Burtonas Malkielis „Atsitiktiniame pasivaikščiojime Wall Street“ (1973 m.) Pasiūlė: „Aklinai užmesta beždžionė, metanti smiginį į laikraščio finansinius puslapius, galėtų pasirinkti tokį portfelį, kuris veiktų lygiai taip pat gerai, kaip ir kruopščiai atrinktų ekspertų“. Nors evoliucija galėjo padaryti žmogų ne intelektualesnį renkant atsargas, bet Charleso Darwino teorija pasirodė esanti gana efektyvi, kai taikoma tiesiogiai.
PAMOKA: akcijų rinkimo strategijos
Kas yra genetiniai algoritmai?
Genetiniai algoritmai (GA) yra problemų sprendimo metodai (arba euristika), imituojantys natūralios evoliucijos procesą. Skirtingai nei dirbtiniai neuroniniai tinklai (ANNs), sukurti veikti kaip smegenų neuronai, šie algoritmai naudoja natūraliosios atrankos sąvokas, kad nustatytų geriausią problemos sprendimą. Dėl to GA dažniausiai naudojami kaip optimizatoriai, koreguojantys parametrus, siekiant sumažinti ar maksimaliai padidinti grįžtamąjį ryšį, kuris vėliau gali būti naudojamas savarankiškai arba statant ANN. (Norėdami sužinoti daugiau apie ANNS, skaitykite: „ Neuroniniai tinklai: pelno prognozavimas“ .)
Finansų rinkose genetiniai algoritmai dažniausiai naudojami norint rasti geriausias prekybos taisyklių parametrų vertes, ir jie gali būti integruoti į ANN modelius, skirtus rinkti akcijas ir identifikuoti sandorius. Keli tyrimai įrodė šių metodų veiksmingumą, įskaitant „Genetiniai algoritmai: vertybinių popierių įvertinimo genezė“ (2004 m.) Ir „Genetinių algoritmų taikymas vertinant akcijų rinkos duomenų gavybos optimizavimą“ (2004 m.). (Norėdami sužinoti daugiau, žiūrėkite: Kaip kuriami prekybos algoritmai .)
Kas yra genetiniai algoritmai?
Kaip veikia genetiniai algoritmai
Genetiniai algoritmai yra kuriami matematiškai, naudojant vektorius, kurie yra kryptys ir dydis. Kiekvienos prekybos taisyklės parametrai pavaizduoti vieno matmens vektoriu, kuris genetine prasme gali būti laikomas chromosoma. Tuo tarpu kiekvieno parametro vertės gali būti laikomos genais, kurie vėliau modifikuojami naudojant natūralią atranką.
Pavyzdžiui, prekybos taisyklėje gali būti naudojami tokie parametrai kaip slenkamasis vidutinis konvergencijos divergencija (MACD), eksponentinis slenkamasis vidurkis (EMA) ir stochastika. Tada genetinis algoritmas įveda vertes į šiuos parametrus, siekdamas kuo didesnio grynojo pelno. Laikui bėgant buvo įvesta nedidelių pakeitimų, o tie, kurie daro norimą poveikį, paliekami kitai kartai.
Yra trys genetinių operacijų tipai, kuriuos vėliau galima atlikti:
- Kryžminiai vaizdai atkuria biologinę reprodukciją ir kryžminimąsi, kai vaikas įgauna tam tikras savo tėvų savybes. Mutacijos atspindi biologinę mutaciją ir yra naudojamos genetinei įvairovei palaikyti iš vienos populiacijos kartos į kitą, atliekant atsitiktinius mažus pokyčius. stadija, kai atskiri genomai yra parenkami iš populiacijos vėlesniam veisimui (rekombinacija ar kryžminimas).
Tada šios trys operacijos naudojamos penkių žingsnių procese:
- Inicijuokite atsitiktinę populiaciją, kurioje kiekviena chromosoma yra n ilgio, o n yra parametrų skaičius. Tai yra, atsitiktinis parametrų skaičius yra nustatomas su kiekvienu n elementu.Pasirinkite chromosomas arba parametrus, kurie padidina pageidaujamus rezultatus (tikėtina, kad grynasis pelnas). Taikykite mutaciją ar kryžminimo operacijas atrinktiems tėvams ir sukurkite palikuonius. Suderinkite palikuonis ir dabartinę populiaciją, kad su atrankos operatoriumi sudarytumėte naują populiaciją. Pakartokite nuo dviejų iki keturių žingsnių.
Laikui bėgant šis procesas lems vis palankesnes chromosomas (arba parametrus), skirtas naudoti prekybos taisyklėje. Po to procesas nutraukiamas, kai įvykdomi sustabdymo kriterijai, kurie gali apimti bėgimo laiką, tinkamumą, kartų skaičių ar kitus kriterijus.
Genetinių algoritmų naudojimas prekyboje
Nors genetinius algoritmus pirmiausia naudoja instituciniai kiekybiniai prekybininkai, individualūs prekybininkai gali panaudoti genetinių algoritmų galią - be pažengusiųjų matematikos laipsnio - naudodamiesi keliais rinkoje esančiais programinės įrangos paketais. Šie sprendimai apima nuo autonominių programinės įrangos paketų, skirtų finansų rinkoms, iki „Microsoft Excel“ priedų, kurie gali palengvinti praktinę analizę.
Naudodamiesi šiomis programomis prekybininkai gali apibrėžti parametrų rinkinį, kuris vėliau optimizuojamas naudojant genetinį algoritmą ir istorinių duomenų rinkinį. Kai kurios programos gali optimizuoti naudojamus parametrus ir jų vertes, tuo tarpu kitos programos yra orientuotos tiesiog į tam tikro parametrų rinkinio verčių optimizavimą. (Norėdami sužinoti daugiau apie šias iš programos sudarytas strategijas, skaitykite: Programų mainų galia .)
Kreivės pritaikymas (perteklinis pritaikymas) arba prekybos sistemos planavimas atsižvelgiant į istorinius duomenis, o ne nustatant pakartojamą elgesį, reiškia potencialią prekybininkų riziką naudojant genetinius algoritmus. Bet kuri prekybos sistema, naudojanti GA, turėtų būti išbandyta popieriuje prieš pradedant tiesioginį naudojimą.
Parametrų pasirinkimas yra svarbi proceso dalis, o prekybininkai turėtų ieškoti parametrų, kurie yra susiję su tam tikro vertybinio popieriaus kainos pokyčiais. Pvz., Išbandykite įvairius rodiklius, kad pamatytumėte, ar jie koreliuoja su pagrindiniais rinkos pokyčiais. (Norėdami sužinoti daugiau, žiūrėkite: Tinkamos algoritminės prekybos programinės įrangos pasirinkimas .)
Esmė
Genetiniai algoritmai yra unikalūs būdai išspręsti sudėtingas problemas panaudojant gamtos galią. Taikydami šiuos metodus numatydami vertybinių popierių kainas, prekybininkai gali optimizuoti prekybos taisykles, nustatydami geriausias kiekvieno parametro vertes, naudojamas tam tikram vertybiniam popieriui. Tačiau šie algoritmai nėra Šventasis Gralis, todėl prekybininkai turėtų būti atsargūs pasirinkdami tinkamus parametrus, o ne kreivę. (Norėdami sužinoti daugiau, skaitykite: Kaip užkoduoti savo „Algo“ prekybos robotą .)
