Χρήση γενετικών αλγορίθμων για την πρόβλεψη χρηματοοικονομικών αγορών

Στην ταινία "Random Walk Down Wall Street" (1973), ο Burton Malkiel πρότεινε: "Ένα ροζ μαϊμού που ρίχνει βελάκια στις οικονομικές σελίδες μιας εφημερίδας θα μπορούσε να επιλέξει ένα χαρτοφυλάκιο που θα έκανε ακριβώς όπως και ένα προσεκτικά επιλεγμένο από ειδικούς". Παρόλο που η εξέλιξη μπορεί να έχει κάνει τον άνθρωπο πιο έξυπνο στην επιλογή αποθεμάτων, η θεωρία του Καρόλου Δαρβίνου έχει αποδειχθεί αρκετά αποτελεσματική όταν εφαρμόζεται πιο άμεσα.

TUTORIAL: Στρατηγικές συλλογής αποθεμάτων

Ποιοι είναι οι γενετικοί αλγόριθμοι;

Οι γενετικοί αλγόριθμοι (GA) είναι μέθοδοι για την επίλυση προβλημάτων (ή ευρετικά) που μιμούνται τη διαδικασία της φυσικής εξέλιξης. Σε αντίθεση με τα τεχνητά νευρωνικά δίκτυα (ANNs), σχεδιασμένα να λειτουργούν σαν νευρώνες στον εγκέφαλο, αυτοί οι αλγόριθμοι χρησιμοποιούν τις έννοιες της φυσικής επιλογής για να καθορίσουν την καλύτερη λύση για ένα πρόβλημα. Ως αποτέλεσμα, τα GA χρησιμοποιούνται συνήθως ως βελτιστοποιητές που προσαρμόζουν τις παραμέτρους ώστε να ελαχιστοποιούν ή να μεγιστοποιούν κάποιο μέτρο ανατροφοδότησης, το οποίο στη συνέχεια μπορεί να χρησιμοποιηθεί ανεξάρτητα ή στην κατασκευή ενός ANN. (Για να μάθετε περισσότερα σχετικά με το ANN, δείτε: Νευρωνικά δίκτυα: Κέρδη πρόβλεψης .)

Στις χρηματοπιστωτικές αγορές, οι γενικοί αλγόριθμοι χρησιμοποιούνται συνήθως για να βρεθούν οι καλύτερες συνδυαστικές τιμές των παραμέτρων σε έναν κανόνα διαπραγμάτευσης και μπορούν να ενσωματωθούν σε μοντέλα ANN σχεδιασμένα να επιλέγουν αποθέματα και να εντοπίζουν συναλλαγές. Αρκετές μελέτες κατέδειξαν την αποτελεσματικότητα αυτών των μεθόδων, συμπεριλαμβανομένων των "Γενετικών Αλγορίθμων: Γένεση Αξιολόγησης Αποθέματος" (2004) και "Οι Εφαρμογές Γενετικών Αλγορίθμων στη Βελτιστοποίηση Εξόρυξης Δεδομένων Χρηματιστηριακών Προϊόντων" (2004). (Για περισσότερες πληροφορίες, δείτε: Πώς δημιουργούνται οι Αλγόριθμοι Διακίνησης .)

Τι είναι οι Γενετικοί Αλγόριθμοι;

Πώς λειτουργούν οι γενετικοί αλγόριθμοι

Οι γενετικοί αλγόριθμοι δημιουργούνται μαθηματικά χρησιμοποιώντας διανύσματα, τα οποία είναι ποσότητες που έχουν κατεύθυνση και μέγεθος. Οι παράμετροι για κάθε κανόνα συναλλαγών αντιπροσωπεύονται από έναν μονοδιάστατο φορέα που μπορεί να θεωρηθεί ως χρωμόσωμα σε γενετικούς όρους. Εν τω μεταξύ, οι τιμές που χρησιμοποιούνται σε κάθε παράμετρο μπορούν να θεωρηθούν ως γονίδια, τα οποία στη συνέχεια τροποποιούνται χρησιμοποιώντας φυσική επιλογή.

Για παράδειγμα, ένας κανόνας διαπραγμάτευσης μπορεί να περιλαμβάνει τη χρήση παραμέτρων όπως η κινητή μέση απόκλιση σύγκλισης (MACD), ένας εκθετικός κινούμενος μέσος όρος (EMA) και οι stochastics. Ένας γενετικός αλγόριθμος θα εισάγει τότε τιμές σε αυτές τις παραμέτρους με στόχο τη μεγιστοποίηση του καθαρού κέρδους. Με την πάροδο του χρόνου εισάγονται μικρές αλλαγές και εκείνες που επιφέρουν επιθυμητό αντίκτυπο διατηρούνται για την επόμενη γενιά. (Δείτε επίσης: Βασικά στοιχεία αλγοριθμικού εμπορίου .)

Υπάρχουν τρεις τύποι γενετικών λειτουργιών που μπορούν στη συνέχεια να εκτελεστούν:

• Οι διασταυρώσεις αντιπροσωπεύουν την αναπαραγωγή και τη διασταύρωση που παρατηρείται στη βιολογία, όπου ένα παιδί αναλαμβάνει ορισμένα χαρακτηριστικά των γονέων του.
• Οι μεταλλάξεις αντιπροσωπεύουν βιολογική μετάλλαξη και χρησιμοποιούνται για τη διατήρηση της γενετικής ποικιλότητας από μια γενεά ενός πληθυσμού στο επόμενο με την εισαγωγή τυχαίων μικρών αλλαγών.
• Οι επιλογές είναι το στάδιο στο οποίο τα επιμέρους γονιδιώματα επιλέγονται από έναν πληθυσμό για μεταγενέστερη αναπαραγωγή (ανασυνδυασμός ή διασταύρωση).

Αυτές οι τρεις λειτουργίες στη συνέχεια χρησιμοποιούνται σε μια διαδικασία πέντε σταδίων:

1. Αρχικοποιήστε έναν τυχαίο πληθυσμό, όπου κάθε χρωμόσωμα είναι n- μήκος, με το n να είναι ο αριθμός παραμέτρων. Δηλαδή, ένας τυχαίος αριθμός παραμέτρων καθορίζεται με n στοιχεία έκαστο.
2. Επιλέξτε τα χρωμοσώματα ή τις παραμέτρους που αυξάνουν τα επιθυμητά αποτελέσματα (πιθανώς καθαρό κέρδος).
3. Εφαρμόστε φορείς μετάλλαξης ή διασταύρωσης στους επιλεγμένους γονείς και δημιουργήστε έναν απόγονο.
4. Ανασυγκροτήστε τους απογόνους και τον τρέχοντα πληθυσμό για να σχηματίσουν έναν νέο πληθυσμό με τον υπεύθυνο επιλογής.
5. Επαναλάβετε τα βήματα 2 έως 4.

Με την πάροδο του χρόνου, αυτή η διαδικασία θα οδηγήσει σε ολοένα και ευνοϊκότερα χρωμοσώματα (ή παραμέτρους) για χρήση σε έναν κανόνα διαπραγμάτευσης. Στη συνέχεια, η διαδικασία τερματίζεται όταν πληρούνται τα κριτήρια στάσης, τα οποία μπορεί να περιλαμβάνουν χρόνο εκτέλεσης, καταλληλότητα, αριθμό γενεών ή άλλα κριτήρια.

Χρήση γενετικών αλγορίθμων στην εμπορία

Ενώ οι γενετικοί αλγόριθμοι χρησιμοποιούνται κυρίως από θεσμικούς ποσοτικούς εμπόρους, οι μεμονωμένοι έμποροι μπορούν να αξιοποιήσουν τη δύναμη των γενετικών αλγορίθμων - χωρίς βαθμό στα προηγμένα μαθηματικά - χρησιμοποιώντας αρκετά πακέτα λογισμικού στην αγορά. Αυτές οι λύσεις ποικίλλουν από αυτόνομα πακέτα λογισμικού που προσανατολίζονται προς τις χρηματοπιστωτικές αγορές σε πρόσθετα του Microsoft Excel που μπορούν να διευκολύνουν την ανάλυση με περισσότερα χέρια.

Όταν χρησιμοποιείτε αυτές τις εφαρμογές, οι έμποροι μπορούν να ορίσουν ένα σύνολο παραμέτρων που στη συνέχεια βελτιστοποιούνται χρησιμοποιώντας έναν γενετικό αλγόριθμο και ένα σύνολο ιστορικών δεδομένων. Ορισμένες εφαρμογές μπορούν να βελτιστοποιήσουν ποιες παραμέτρους χρησιμοποιούνται και ποιες είναι οι τιμές τους, ενώ άλλες επικεντρώνονται κυρίως στη βελτιστοποίηση των τιμών για ένα συγκεκριμένο σύνολο παραμέτρων. (Για να μάθετε περισσότερα σχετικά με αυτές τις στρατηγικές που προκύπτουν από το πρόγραμμα, ανατρέξτε στην ενότητα: Η δύναμη των συναλλαγών προγραμμάτων .)

Η τοποθέτηση σε καμπύλες (overfitting) ή ο σχεδιασμός ενός συστήματος συναλλαγών γύρω από ιστορικά δεδομένα παρά η αναγνώριση επαναλαμβανόμενης συμπεριφοράς αντιπροσωπεύει έναν πιθανό κίνδυνο για τους εμπόρους που χρησιμοποιούν γενετικούς αλγόριθμους. Κάθε σύστημα συναλλαγών που χρησιμοποιεί GA πρέπει να δοκιμαστεί σε χαρτί πριν από τη χρήση.

Η επιλογή των παραμέτρων είναι ένα σημαντικό μέρος της διαδικασίας και οι έμποροι θα πρέπει να αναζητήσουν παραμέτρους που να σχετίζονται με αλλαγές στην τιμή ενός συγκεκριμένου τίτλου. Για παράδειγμα, δοκιμάστε διαφορετικούς δείκτες για να δείτε αν φαίνεται να συσχετίζονται με σημαντικές αλλαγές της αγοράς. (Για περισσότερες πληροφορίες, βλ.: Επιλογή του κατάλληλου λογισμικού αλγοριθμικού εμπορίου .)

Η κατώτατη γραμμή

Οι γενετικοί αλγόριθμοι είναι μοναδικοί τρόποι επίλυσης σύνθετων προβλημάτων αξιοποιώντας τη δύναμη της φύσης. Εφαρμόζοντας αυτές τις μεθόδους για την πρόβλεψη τιμών ασφαλείας, οι έμποροι μπορούν να βελτιστοποιήσουν τους κανόνες συναλλαγών εντοπίζοντας τις καλύτερες τιμές που θα χρησιμοποιήσουν για κάθε παράμετρο για μια δεδομένη ασφάλεια. Ωστόσο, αυτοί οι αλγόριθμοι δεν είναι το Άγιο Δισκοπότηρο, και οι έμποροι θα πρέπει να είναι προσεκτικοί για να επιλέξουν τις σωστές παραμέτρους και να μην εφαρμόσουν στην καμπύλη. (Για πρόσθετη ανάγνωση, δείτε: Πώς να κωδικοποιήσετε το δικό σας Robot Trading Algo .)