Използване на генетични алгоритми за прогнозиране на финансовите пазари

В „Случайна разходка по Уолстрийт“ (1973 г.) Бъртън Малкиел предполага: „Маймуната със завързани очи, хвърляща стрелички във финансовите страници на вестника, може да избере портфолио, което да се справи също толкова добре, както и внимателно подбрано от експерти“. Въпреки че еволюцията може да направи човека не по-интелигентен при набирането на запаси, теорията на Чарлз Дарвин се оказа доста ефективна, когато се прилага по-директно.

УЧАСТИЕ: Стратегии за събиране на акции

Какво представляват генетичните алгоритми?

Генетичните алгоритми (GA) са методи за решаване на проблеми (или евристика), които имитират процеса на естествена еволюция. За разлика от изкуствените невронни мрежи (ANNs), създадени да функционират като неврони в мозъка, тези алгоритми използват концепциите за естествен подбор, за да определят най-доброто решение за даден проблем. В резултат на това GA обикновено се използват като оптимизатори, които регулират параметрите, за да сведат или максимизират някаква мярка за обратна връзка, която след това може да се използва независимо или при изграждането на ANN. (За да научите повече за ANN, вижте: Невронни мрежи: Прогнозиране на печалбите .)

На финансовите пазари генетичните алгоритми най-често се използват за намиране на най-добрите комбинации от стойности на параметри в правило за търговия и те могат да бъдат вградени в ANN модели, предназначени за избор на акции и идентифициране на сделки. Няколко проучвания демонстрират ефективността на тези методи, включително „Генетични алгоритми: генезис на оценката на запасите“ (2004) и „Приложенията на генетичните алгоритми в оптимизирането на извличането на данни на фондовия пазар“ (2004). (За повече информация вижте: Как се създават алгоритми за търговия .)

Какво представляват генетичните алгоритми?

Как работят генетичните алгоритми

Генетичните алгоритми се създават математически с помощта на вектори, които са величини, които имат посока и величина. Параметрите за всяко правило за търговия са представени с едноизмерен вектор, който може да се мисли като хромозома в генетично отношение. Междувременно стойностите, използвани във всеки параметър, могат да се разглеждат като гени, които след това се променят с помощта на естествен подбор.

Например, правило за търговия може да включва използването на параметри като подвижна средна дивергенция на конвергенцията (MACD), експоненциална подвижна средна стойност (EMA) и стохастика. След това генетичен алгоритъм би въвел стойности в тези параметри с цел максимална печалба. С течение на времето се въвеждат малки промени и тези, които оказват желано въздействие, се запазват за следващото поколение. (Вижте също: Основи на алгоритмичната търговия .)

Има три вида генетични операции, които след това могат да бъдат извършени:

• Кросоувърите представляват възпроизвеждането и кросоувъра, наблюдавани в биологията, при което детето придобива определени характеристики на своите родители.
• Мутациите представляват биологична мутация и се използват за поддържане на генетично разнообразие от едно поколение на популация чрез въвеждане на случайни малки промени.
• Селекциите са етапът, на който отделните геноми се избират от популация за по-късно размножаване (рекомбинация или кросоувър).

Тези три операции след това се използват в петстепенен процес:

1. Инициализирайте произволна популация, където всяка хромозома е n- дължина, като n е броят на параметрите. Тоест, произволен брой параметри са установени с по n елемента.
2. Изберете хромозомите или параметрите, които увеличават желаните резултати (предполагаемо чиста печалба).
3. Прилагайте мутации или кросоувър оператори към избраните родители и генерирайте потомство.
4. Препоръчайте потомството и настоящата популация, за да образувате нова популация с оператора за избор.
5. Повторете стъпки от две до четири.

С течение на времето този процес ще доведе до все по-благоприятни хромозоми (или параметри) за използване в правило за търговия. След това процесът се прекратява, когато са изпълнени критериите за спиране, които могат да включват време за работа, фитнес, брой поколения или други критерии.

Използване на генетични алгоритми в търговията

Докато генетичните алгоритми се използват предимно от институционалните количествени търговци, отделните търговци могат да използват силата на генетичните алгоритми - без да имат степен на напреднала математика - използвайки няколко софтуерни пакета на пазара. Тези решения варират от самостоятелни софтуерни пакети, насочени към финансовите пазари, до добавки на Microsoft Excel, които могат да улеснят повече практически анализи.

Когато използват тези приложения, търговците могат да определят набор от параметри, които след това се оптимизират с помощта на генетичен алгоритъм и набор от исторически данни. Някои приложения могат да оптимизират кои параметри се използват и стойностите за тях, докато други са насочени основно към просто оптимизиране на стойностите за даден набор от параметри. (За да научите повече за тези стратегии, извлечени от програмата, вижте: Силата на програмните сделки .)

Подходяща крива (преоборудване) или проектиране на система за търговия около исторически данни, а не идентифициране на повтарящо се поведение, представлява потенциален риск за търговците, използващи генетични алгоритми. Всяка система за търговия, използваща GA, трябва да бъде тествана напред на хартия преди да се използва на живо.

Изборът на параметри е важна част от процеса и търговците трябва да търсят параметри, които корелират с промените в цената на дадена ценна книга. Например, изпробвайте различни показатели, за да видите дали някой изглежда корелира с основните пазарни завои. (За повече информация вижте: Избор на правилния алгоритмичен софтуер за търговия .)

Долния ред

Генетичните алгоритми са уникални начини за решаване на сложни проблеми чрез използване на силата на природата. Прилагайки тези методи за прогнозиране на цените на сигурността, търговците могат да оптимизират правилата за търговия, като идентифицират най-добрите стойности, използвани за всеки параметър за дадена сигурност. Тези алгоритми обаче не са Светият Граал и търговците трябва да внимават да избират правилните параметри и да не са подходящи за крива. (За допълнително четене, вижте: Как да кодирате собствения си робот Algo за търговия .)