Použitie genetických algoritmov na predpovedanie finančných trhov

V knihe „Random Walk Down Wall Street“ (1973) Burton Malkiel navrhol: „Opičí páni, ktorí hádzajú šípky na finančné stránky novín, by si mohli vybrať portfólio, ktoré by urobili rovnako dobre ako odborníci starostlivo vybraní.“ “ Zatiaľ čo evolúcia pravdepodobne prinútila človeka k tomu, aby pri výbere akcií nebol inteligentnejší, teória Charlesa Darwina sa pri priamejšej aplikácii ukázala ako veľmi efektívna.

NÁVOD: Stratégie zberu zásob

Čo sú to genetické algoritmy?

Genetické algoritmy (GA) sú metódy riešenia problémov (alebo heuristiky), ktoré napodobňujú proces prirodzenej evolúcie. Na rozdiel od umelých neurónových sietí (ANNs), navrhnutých tak, aby fungovali ako neuróny v mozgu, tieto algoritmy využívajú pojmy prírodného výberu na určenie najlepšieho riešenia problému. Výsledkom je, že GA sa bežne používajú ako optimalizátory, ktoré upravujú parametre tak, aby minimalizovali alebo maximalizovali niektoré spätnoväzbové opatrenia, ktoré sa potom môžu použiť samostatne alebo pri zostavovaní ANN. (Viac informácií o ANNs nájdete na: Neurónové siete: Prognostické zisky .)

Na finančných trhoch sa najbežnejšie používajú genetické algoritmy na nájdenie najlepších kombinovaných hodnôt parametrov v obchodnom pravidle a môžu sa zabudovať do modelov ANN určených na výber zásob a identifikáciu obchodov. Niekoľko štúdií preukázalo účinnosť týchto metód vrátane „Genetických algoritmov: Hodnotenie genézy zásob“ (2004) a „Aplikácia genetických algoritmov pri optimalizácii dobývania údajov o akciových trhoch“ (2004). (Viac informácií nájdete v téme: Ako sa vytvárajú obchodné algoritmy .)

Čo sú to genetické algoritmy?

Ako fungujú genetické algoritmy

Genetické algoritmy sa vytvárajú matematicky pomocou vektorov, čo sú veličiny, ktoré majú smer a veľkosť. Parametre pre každé obchodné pravidlo sú reprezentované jednorozmerným vektorom, ktorý sa dá z genetického hľadiska považovať za chromozóm. Medzitým môžu byť hodnoty použité v každom parametri považované za gény, ktoré sú potom modifikované prírodným výberom.

Napríklad pravidlo obchodovania môže zahŕňať použitie parametrov, ako je divergencia kĺzavého priemeru konvergencie (MACD), exponenciálny kĺzavý priemer (EMA) a stochastika. Genetický algoritmus by potom vložil hodnoty do týchto parametrov s cieľom maximalizovať čistý zisk. Postupom času sa zavádzajú malé zmeny a tie, ktoré majú želateľný vplyv, sa zachovajú pre ďalšiu generáciu. (Pozri tiež: Základy algoritmického obchodovania .)

Potom je možné vykonať tri typy genetických operácií:

• Prechody predstavujú rozmnožovanie a kríženie, ktoré sa prejavuje v biológii, pričom dieťa nadobúda určité vlastnosti svojich rodičov.
• Mutácie predstavujú biologickú mutáciu a používajú sa na udržanie genetickej diverzity od jednej generácie populácie k druhej zavedením náhodných malých zmien.
• Selekcie sú štádiom, v ktorom sa jednotlivé genómy vyberú z populácie na neskoršie šľachtenie (rekombinácia alebo kríženie).

Tieto tri operácie sa potom použijú v päťkrokovom procese:

1. Inicializujte náhodnú populáciu, kde každý chromozóm je n- dlhá, pričom n je počet parametrov. To znamená, že sa vytvorí náhodný počet parametrov, z ktorých každý obsahuje n prvkov.
2. Vyberte chromozómy alebo parametre, ktoré zvyšujú požadované výsledky (pravdepodobne čistý zisk).
3. Aplikujte operátory mutácie alebo kríženia na vybraných rodičov a vytvorte potomstvo.
4. Rekombinujte potomstvo a súčasnú populáciu tak, aby vytvorila novú populáciu s operátorom výberu.
5. Zopakujte kroky dva až štyri.

Časom tento proces vyústi do stále priaznivejších chromozómov (alebo parametrov) na použitie v obchodnom pravidle. Proces je potom ukončený, keď sú splnené kritériá zastavenia, ktoré môžu zahŕňať beh, fitness, počet generácií alebo iné kritériá.

Použitie genetických algoritmov v obchodovaní

Zatiaľ čo genetické algoritmy používajú predovšetkým inštitucionálni kvantitatívni obchodníci, individuálni obchodníci môžu využiť silu genetických algoritmov - bez stupňa pokročilej matematiky - pomocou niekoľkých softvérových balíkov na trhu. Tieto riešenia siahajú od samostatných softvérových balíkov zameraných na finančné trhy až po doplnky programu Microsoft Excel, ktoré môžu uľahčiť podrobnejšiu analýzu.

Pri používaní týchto aplikácií môžu obchodníci definovať skupinu parametrov, ktoré sa potom optimalizujú pomocou genetického algoritmu a súboru historických údajov. Niektoré aplikácie môžu optimalizovať, ktoré parametre sa používajú a aké hodnoty pre ne, zatiaľ čo iné sa primárne zameriavajú na jednoduchú optimalizáciu hodnôt pre danú množinu parametrov. (Ak sa chcete dozvedieť viac o týchto stratégiách odvodených od programu, prečítajte si článok Sila obchodov s programami .)

Zostavenie krivky (overfitting) alebo navrhnutie obchodného systému na základe historických údajov namiesto identifikovania opakovateľného správania predstavuje potenciálne riziko pre obchodníkov využívajúcich genetické algoritmy. Každý obchodný systém využívajúci GA by sa mal pred priamym použitím otestovať na papieri.

Výber parametrov je dôležitou súčasťou procesu a obchodníci by mali hľadať parametre, ktoré korelujú so zmenami v cene daného cenného papiera. Napríklad vyskúšajte rôzne ukazovatele, aby ste zistili, či sa zdá, že nejaké koreluje s hlavnými obratmi na trhu. (Viac informácií nájdete v: Výber správneho softvéru na obchodovanie s algoritmami .)

Spodný riadok

Genetické algoritmy sú jedinečné spôsoby, ako riešiť zložité problémy využitím sily prírody. Uplatňovaním týchto metód na predpovedanie cien cenných papierov môžu obchodníci optimalizovať obchodné pravidlá identifikovaním najlepších hodnôt, ktoré sa majú použiť pre každý parameter pre dané zabezpečenie. Tieto algoritmy však nie sú svätým grálom a obchodníci by si mali dávať pozor na to, aby vybrali správne parametre a nie krivku. (Ďalšie informácie nájdete v časti: Ako kódovať vlastného robota na obchodovanie s emisiami Algo .)