Burton ve své knize Random Walk Down Wall Street (1973) navrhl, že "opice s očima, která vrhá šipky na finanční stránky novin, by mohla vybrat portfolio, jako jeden pečlivě vybraný odborníky. " Zatímco vývoj pravděpodobně učinil člověka méně inteligentní při vychystávání akcií, teorie Charlese Darwina je poměrně efektivní, když je aplikována více přímo. (Abyste mohli vybrat zásoby, podívejte se na Jak vybrat sklad .)

TUTORIAL: Strategie shromažďování zásob

Co jsou to genetické algoritmy?
Genetické algoritmy (GA) jsou metody řešení problémů (nebo heuristiky), které napodobují proces přirozené evoluce. Na rozdíl od umělých neuronových sítí (ANN), navržených tak, aby fungovaly jako neurony v mozku, tyto algoritmy využívají koncepce přirozeného výběru k určení nejlepšího řešení problému. Výsledkem je, že GA se běžně používají jako optimalizátory, které upravují parametry tak, aby minimalizovaly nebo maximalizovaly nějakou zpětnovazebnou míru, která může být použita samostatně nebo ve výstavbě ANN.

Na finančních trzích se nejčastěji používají genetické algoritmy k nalezení nejlepších kombinovaných hodnot parametrů v obchodním pravidle a mohou být zabudovány do modelů ANN určených k výběru akcií a identifikaci obchodů. Několik studií ukázalo, že tyto metody se mohou ukázat jako efektivní, včetně "genetických algoritmů: Genesis of Stock Evaluation" (2004) od Ramy a "Applications of Genetic Algorithms in Stock Market Optimization Data Mining" (2004) Lin, Cao, Wang , Zhang. (Chcete-li se dozvědět více o ANN, viz

Neuronové sítě: prognostické zisky .

Jak fungují genetické algoritmy

Genetické algoritmy jsou vytvořeny matematicky pomocí vektorů, které jsou veličinami, které mají směr a velikost. Parametry pro každé obchodní pravidlo jsou reprezentovány jednorozměrným vektorem, který lze geneticky považovat za chromozom. Hodnoty použité v jednotlivých parametrech lze mezitím považovat za geny, které se poté modifikují pomocí přirozeného výběru.
Pravidlo obchodování může například zahrnovat použití parametrů jako je Moving Average Convergence-Divergence (MACD), Exponenciální pohyblivý průměr (EMA) a Stochastics. Genetický algoritmus pak do těchto parametrů vloží hodnoty s cílem maximalizovat čistý zisk. Postupně se zavádějí malé změny a ty, které mají žádoucí dopad, zůstávají pro příští generaci.

Existují tři typy genetických operací, které lze provést:

Crossovery představují reprodukci a biologický přechod, který se projevuje v biologii, čímž dítě bere určité rysy svých rodičů.

• Mutace představují biologickou mutaci a slouží k udržení genetické rozmanitosti z jedné generace populace na druhou, a to zavedením náhodných malých změn.
• Výběry jsou stadium, ve kterém jsou jednotlivé genomy vybrány z populace pro pozdější chov (rekombinace nebo přechod).
• Tyto tři operátory jsou pak použity v pětistupňovém procesu:

Inicializujte náhodnou populaci, kde je každý chromozóm

1. n - délka, přičemž n parametry. To znamená, že náhodný počet parametrů je stanoven s prvky n . Zvolte chromozomy nebo parametry, které zvýší požadované výsledky (pravděpodobně čistý zisk).
2. Aplikujte mutace nebo crossover operátory na vybrané rodiče a generujte potomstvo.
3. Rekombinujte potomstvo a současnou populaci a vytvořte novou populaci u operátora výběru.
4. Opakujte kroky 2 až 4.
5. Výsledkem tohoto procesu bude v průběhu času získání stále příznivějších chromozomů (nebo parametrů) pro použití v obchodním pravidle. Proces je pak ukončen, jestliže jsou splněna kritéria zastavení, která může zahrnovat čas běhu, způsobilost, počet generací nebo jiná kritéria. (Pro více o MACD, čtěte

Obchodování s MACD Divergence .) Používání genetických algoritmů v obchodování

Zatímco genetické algoritmy jsou primárně používány institucionálními kvantitativními obchodníky, mohou individuální obchodníci využít sílu genetických algoritmů - bez maturity v pokročilé matematice - pomocí několika softwarových balíčků na trhu. Tato řešení se pohybují od samostatných softwarových balíčků zaměřených na finanční trhy až po doplňky Microsoft Excel, které mohou usnadnit více praktické analýzy.
Při použití těchto aplikací mohou obchodníci definovat sadu parametrů, které se potom optimalizují pomocí genetického algoritmu a souboru historických dat. Některé aplikace mohou optimalizovat, které parametry se používají a hodnoty pro ně, zatímco jiné jsou primárně zaměřeny na jednoduchou optimalizaci hodnot pro danou sadu parametrů. (

> Důležité Tipy a triky pro optimalizaci

Křivka (nad montáží), navrhování obchodního systému kolem historických dat spíše než identifikace opakovatelného chování, představuje potenciální riziko pro obchodníky používající genetické algoritmy. Jakýkoli obchodní systém, který využívá GA, by měl být podroben předběžnému testování na papíře před živým používáním.
Výběr parametrů je důležitou součástí procesu a obchodníci by měli vyhledávat parametry, které korelují se změnami ceny daného cenného papíru. Vyzkoušejte například různé ukazatele a zjistěte, zda se zdá, že nějaké koreluje s významnými změnami na trhu.

Bottom Line

Genetické algoritmy jsou jedinečné způsoby, jak vyřešit složité problémy využitím síly přírody. Použitím těchto metod k předvídání cen cenných papírů mohou obchodníci optimalizovat pravidla obchodování tím, že určují nejlepší hodnoty, které je třeba použít pro každý parametr daného cenného papíru. Tyto algoritmy však nejsou svatým grálem a obchodníci by měli dbát na to, aby si vybrali správné parametry a aby se nezapojili do křivky. (Chcete-li se dozvědět více o trhu, podívejte se
Poslouchejte trh, ne jeho znalci .)