Utilització d'algorismes genètics per predir mercats financers

A "A Random Walk Down Wall Street" (1973), Burton Malkiel va suggerir: "Un mico embenat amb els ulls llançant dards a les pàgines financeres d'un diari podria seleccionar una cartera que faria de la mateixa manera que la seleccionada amb cura per experts." Tot i que l'evolució pot fer que l'home no fos més intel·ligent a la presa de stocks, la teoria de Charles Darwin ha demostrat ser força efectiva quan s'aplica més directament.

TUTORIAL: Estratègies de recollida d’estoc

Què són els algoritmes genètics?

Els algorismes genètics (GAs) són mètodes de resolució de problemes (o heurístiques) que imiten el procés d’evolució natural. A diferència de les xarxes neuronals artificials (ANNs), dissenyades per funcionar com les neurones del cervell, aquests algoritmes utilitzen els conceptes de selecció natural per determinar la millor solució per a un problema. Com a resultat, els GA s'utilitzen habitualment com a optimitzadors que ajusten els paràmetres per minimitzar o maximitzar alguna mesura de feedback, que es pot utilitzar de manera independent o en la construcció d'un ANN. (Per obtenir més informació sobre les ANN, vegeu: Xarxes neuronals: predicció de beneficis .)

Als mercats financers, els algorismes genètics s’utilitzen més habitualment per trobar els millors valors de combinació de paràmetres en una regla de negociació i es poden integrar en models ANN dissenyats per recollir accions i identificar operacions. Diversos estudis han demostrat l'eficàcia d'aquests mètodes, incloent "Algoritmes genètics: Genesis of Stock Evaluation" (2004) i "The Applications of Genetic Algorithms in Stock Market Data Data Optimization" (2004). (Per a més informació, vegeu: Com es creen els algoritmes de comerç .)

Què són els algoritmes genètics?

Com funcionen els algoritmes genètics

Els algoritmes genètics es creen matemàticament mitjançant vectors, que són quantitats que tenen direcció i magnitud. Els paràmetres de cada regla comercial es representen amb un vector unidimensional que es pot pensar com un cromosoma en termes genètics. Mentrestant, els valors utilitzats en cada paràmetre es poden pensar en gens, que després es modifiquen mitjançant selecció natural.

Per exemple, una regla de negociació pot implicar l’ús de paràmetres com la divergència de convergència mitjana mòbil (MACD), una mitjana mòbil exponencial (EMA) i l’estocàstica. Un algorisme genètic introduiria valors en aquests paràmetres amb l'objectiu de maximitzar el benefici net. Amb el pas del temps, s’introdueixen petits canvis i els que fan un impacte desitjable es conserven per a la propera generació. (Vegeu també: Fonaments del comerç algorítmic .)

Hi ha tres tipus d'operacions genètiques que després es poden realitzar:

• Els encreuaments representen la reproducció i el cruiximent vistos en biologia, per la qual cosa un nen adopta certes característiques dels seus pares.
• Les mutacions representen una mutació biològica i s’utilitzen per mantenir la diversitat genètica d’una generació de població a l’altra introduint petits canvis aleatoris.
• Les seleccions són l’etapa en què s’escull un genoma individual entre una població per a la seva posterior reproducció (recombinació o creuament).

Aquestes tres operacions s'utilitzen llavors en un procés de cinc passos:

1. Inicialitzeu una població aleatòria, on cada cromosoma té n- longitud, sent n el nombre de paràmetres. És a dir, s’estableixen un nombre aleatori de paràmetres amb n elements cadascun.
2. Seleccioneu els cromosomes o paràmetres que augmentin els resultats desitjables (benefici net presumptament).
3. Aplicar operacions de mutació o de creuament als pares seleccionats i generar una descendència.
4. Recombina la descendència i la població actual per formar una nova població amb l’operador de selecció.
5. Repetiu els passos de dos a quatre.

Amb el pas del temps, aquest procés donarà lloc a cromosomes (o paràmetres) cada cop més favorables per al seu ús en una regla comercial. El procés es finalitza quan es compleixen els criteris d’aturada, que poden incloure temps d’execució, forma física, nombre de generacions o altres criteris.

Utilitzant algoritmes genètics en el comerç

Si bé els algoritmes genètics són utilitzats principalment per comerciants quantitatius institucionals, els comerciants poden aprofitar el poder dels algoritmes genètics, sense obtenir el grau de matemàtiques avançades, utilitzant diversos paquets de programari al mercat. Aquestes solucions van des de paquets de programari autònoms orientats als mercats financers fins a complements de Microsoft Excel que poden facilitar una anàlisi més pràctica.

Quan s’utilitzen aquestes aplicacions, els comerciants poden definir un conjunt de paràmetres que després s’optimitzen mitjançant un algoritme genètic i un conjunt de dades històriques. Algunes aplicacions poden optimitzar quins paràmetres s'utilitzen i quins són els valors, mentre que d'altres es centren principalment en simplement optimitzar els valors d'un conjunt de paràmetres. (Per obtenir més informació sobre aquestes estratègies derivades de programes, vegeu: El poder dels comerços de programes .)

L’adaptació de la curva (overfitting), o el disseny d’un sistema de negociació al voltant de dades històriques en lloc d’identificar un comportament repetible, representa un risc potencial per als comerciants que utilitzin algoritmes genètics. Qualsevol sistema de negociació que utilitzi GAs hauria de provar-se en paper abans del consum en directe.

L’elecció dels paràmetres és una part important del procés i els comerciants han de buscar paràmetres que es corresponguin amb canvis en el preu d’una determinada seguretat. Per exemple, proveu diferents indicadors per veure si algun sembla correlacionar amb les principals revolucions del mercat. (Per a més informació, vegeu: Selecció del programari de comerç algorítmic de la dreta .)

La línia de fons

Els algorismes genètics són maneres úniques de resoldre problemes complexos aprofitant el poder de la natura. Aplicant aquests mètodes per predir els preus de seguretat, els comerciants poden optimitzar les regles de negociació identificant els millors valors a utilitzar per a cada paràmetre per a una determinada seguretat. Tanmateix, aquests algoritmes no són el Sant Grial, i els comerciants haurien d’anar amb compte de triar els paràmetres adequats i que no s’ajusten a la corba. (Per a més informació, consulteu: Com codificar el vostre propi robot de comerç d'Algo .)