V "Naključni sprehod po Wall Streetu" (1973) je Burton Malkiel predlagal: "Opica z zavezanimi očmi, ki meče strelice na finančnih straneh časopisa, bi lahko izbrala portfelj, ki bi bil enako dober kot tisti, ki ga bodo skrbno izbrali strokovnjaki." Čeprav človek zaradi evolucije morda ni bolj inteligenten pri zbiranju zalog, se je teorija Charlesa Darwina izkazala za zelo učinkovito, če se uporablja bolj neposredno.
VODENJE: Strategije zbiranja zalog
Kaj so genetski algoritmi?
Genetski algoritmi (GA) so metode reševanja problemov (ali hevristike), ki posnemajo proces naravne evolucije. Za razliko od umetnih nevronskih mrež (ANN), zasnovanih tako, da delujejo kot nevroni v možganih, ti algoritmi uporabljajo koncepte naravne selekcije, da določijo najboljšo rešitev problema. Kot rezultat, se GA običajno uporabljajo kot orodji za optimizacijo, ki prilagodijo parametre, da zmanjšajo ali maksimirajo nekaj povratnih ukrepov, ki se lahko nato uporabijo neodvisno ali pri izdelavi ANN. (Če želite izvedeti več o ANN, glejte: Nevronske mreže: Napovedovanje dobička .)
Na finančnih trgih se genetski algoritmi najpogosteje uporabljajo za iskanje najboljših kombinacijskih vrednosti parametrov v pravilih za trgovanje in jih je mogoče vgraditi v modele ANN, ki so namenjeni zbiranju zalog in prepoznavanju poslov. Številne študije so pokazale učinkovitost teh metod, med drugim "Genetski algoritmi: geneza vrednotenja zalog" (2004) in "Uporaba genetskih algoritmov v optimizaciji rudarjenja podatkov na borznem trgu" (2004). (Za več informacij glejte: Kako nastajajo algoritmi trgovanja .)
Kaj so genetski algoritmi?
Kako delujejo genetski algoritmi
Genetski algoritmi so ustvarjeni matematično s pomočjo vektorjev, ki so količine, ki imajo smer in velikost. Parametri za vsako trgovalno pravilo so predstavljeni z enodimenzionalnim vektorjem, ki ga v genetskem smislu lahko predstavljamo kot kromosom. Medtem lahko vrednosti, uporabljene v vsakem parametru, štejemo za gene, ki se nato spremenijo z naravno selekcijo.
Pravilo trgovanja lahko na primer vključuje uporabo parametrov, kot so drsna povprečna konvergenčna divergenca (MACD), eksponentno drsno povprečje (EMA) in stohastika. Genetski algoritem bi nato v te parametre vnašal vrednosti s ciljem maksimiranja čistega dobička. Sčasoma se uvedejo majhne spremembe in tiste, ki dajo zaželen vpliv, se obdržijo za naslednjo generacijo.
Obstajajo tri vrste genetskih operacij:
- Križanci predstavljajo razmnoževanje in križanje, ki ga vidimo v biologiji, pri čemer otrok prevzame določene značilnosti svojih staršev. Mutocije predstavljajo biološko mutacijo in se z uvajanjem naključnih majhnih sprememb uporabljajo za ohranjanje genske raznolikosti od ene generacije populacije do druge. fazo, na kateri se posamezni genomi izberejo iz populacije za kasnejšo rejo (rekombinacija ali križanje).
Te tri operacije se nato uporabijo v petstopenjskem postopku:
- Inicializirajte naključno populacijo, kjer je vsak kromosom n- dolžina, pri čemer je n število parametrov. To pomeni, da se vzpostavi naključno število parametrov s po n elementi. Izberite kromosome ali parametre, ki povečajo zaželene rezultate (predvidoma čisti dobiček). Izbranim staršem dodelite mutacijske ali križne operaterje in ustvarite potomce. Znova združite potomstvo in trenutno populacijo, da tvori novo populacijo z izbirnim operaterjem. Ponovite korake od dva do štiri.
Sčasoma bo ta postopek povzročil vse bolj ugodne kromosome (ali parametre) za uporabo v trgovalnem pravilu. Postopek se nato konča, ko so izpolnjeni kriteriji zaustavitve, ki lahko vključujejo čas teka, kondicijo, število generacij ali druga merila.
Uporaba genetskih algoritmov pri trgovanju
Medtem ko genetske algoritme uporabljajo predvsem institucionalni kvantitativni trgovci, lahko posamezni trgovci izkoristijo moč genetskih algoritmov - brez stopnje napredne matematike - z uporabo več programskih paketov na trgu. Te rešitve segajo od samostojnih programskih paketov, usmerjenih na finančne trge, do dodatkov Microsoft Excel, ki lahko olajšajo več praktično analizo.
Pri uporabi teh aplikacij lahko trgovci določijo niz parametrov, ki se nato optimizirajo z uporabo genetskega algoritma in nabora preteklih podatkov. Nekatere aplikacije lahko optimizirajo, kateri parametri se uporabljajo in vrednosti zanje, medtem ko so druge osredotočene predvsem na preprosto optimizacijo vrednosti za dani niz parametrov. (Če želite izvedeti več o teh strateških programih, glejte: Moč programskih trgov .)
Prilagoditev krivulje (prekomerno opremljanje) ali oblikovanje trgovinskega sistema na podlagi preteklih podatkov, ne pa prepoznavanje ponovljivega vedenja, predstavlja potencialno tveganje za trgovce, ki uporabljajo genetske algoritme. Vsak trgovalni sistem, ki uporablja GA, je treba pred uporabo v živo preizkusiti na papirju.
Izbira parametrov je pomemben del postopka, trgovci pa bi morali iskati parametre, ki ustrezajo spremembam cene danega vrednostnega papirja. Na primer, preizkusite različne kazalnike in preverite, ali se zdi, da kakšen korelira z glavnimi tržnimi spremembami. (Za več informacij glejte: Izbira prave algoritme za trgovanje z algoritmi .)
Spodnja črta
Genetski algoritmi so edinstveni načini reševanja zapletenih težav z izkoriščanjem moči narave. Trgovci lahko z uporabo teh metod za napovedovanje varnostnih cen optimizirajo pravila trgovanja tako, da določijo najboljše vrednosti, ki se uporabijo za vsak parameter za določeno vrednost. Vendar ti algoritmi niso sveti gral in trgovci morajo biti previdni, da izberejo prave parametre in ne ustrezajo krivulji. (Za dodatno branje si oglejte: Kako kodirati svojega lastnega rogota Algo .)
