Daar is 'n groot liggaam van literatuur oor die sukses van die toepassing van ewolusionêre algoritmes in die algemeen, en die genetiese algoritme in die besonder, om die finansiële markte. Maar ek voel ongemaklik wanneer die lees van hierdie literatuur. Genetiese algoritmes kan oor-pas by die bestaande data. Met so baie kombinasies, is dit maklik om te kom met 'n paar reëls wat werk. Dit kan nie sterk wees en dit kom nie t het 'n bestendige verduideliking van waarom hierdie reël werk en daardie reëls nie t verder as die blote (omsendbrief) argument dat dit werk, want die toets toon dit werk. Wat is die huidige konsensus oor die toepassing van die genetiese algoritme in finansies gevra 18 Februarie 11 van die 9:00 Ek vyf op 'n heining fonds wat GA-afgeleide strategieë toegelaat gewerk. Vir veiligheid, dit vereis dat alle modelle lank ingedien voordat produksie om seker te maak dat hulle nog gewerk in die backtests. So is daar 'n vertraging van tot kan wees om 'n paar maande voor 'n model sal toegelaat word om uit te voer. Dit is ook nuttig om te skei die monster heelal gebruik 'n ewekansige helfte van die moontlike effekte vir GA analise en die ander helfte vir bevestiging backtests. antwoord 18 Februarie 11 van die 09:51 Is dit 'n ander proses as wat jy sou gebruik voordat vertrou enige ander handel strategie (Indien wel, dit is nie vir my duidelik wat jy kry van 'n GA model met behulp van data tot tyd t, dan toets totdat t N voordat vertrou nie, teenoor die gebruik van data tot tyd tn, toets van tn tot t, en onmiddellik die gebruik daarvan.) Darren Cook 23 November 11 van die 02:08 DarrenCook een probleem wat ek sien is dat as jy toets van tn tot t en vind dit kom nie Chan-Ho Suh 22 Julie toe 15 05:24 Met betrekking tot data-snuffel, as 'n GA korrek geïmplementeer word, wat shouldn BioinformaticsGal 6 April 11 by 16:28 BoinformaticsGal Ek Don Vishal Belsare 15 September 11 by 18:05 Daar SA baie mense hier praat oor hoe gas is empiriese, don t teoretiese fondamente, is swart-bokse, en dies meer. Ek stem nie saam Daar is 'n hele tak van die ekonomie gewy aan op soek na markte in terme van evolusionêre metafore: Evolusionêre Ekonomie ek raai die Dopfer boek, Die Evolusionêre Grondslae van Ekonomie, as 'n inleiding. Cambridge / GB / kennis / ISBN / item1158033 webwerf land af GB As jou filosofiese siening is dat die mark is basies 'n reuse-casino, of spel, dan is 'n GA is bloot 'n swart-box en kom nie t enige teoretiese grondslag. Maar as jou filosofie is dat die mark is 'n oorlewing-of-the-sterkste ekologie, dan GA s het baie teoretiese fondamente gehad, en dit is heel redelik om dinge soos korporatiewe spesiasie, mark ekologie, portefeulje genome, handel klimaat te bespreek, en dies meer. antwoord 5 April 11 van die 15:42 Op kort tyd skale is dit meer 'n casino. Soos die natuur, in werklikheid. Quant dev 5 April 11 by 20:46 Quant dev, die probleem met hierdie is dat GA-- soos enige ander kwantitatiewe methods-- net werk met 'n kort tyd skaal, as ek Graviton 6 April 11 by 08:56 Graviton. Daar BioinformaticsGal 6 April 11 by 15:12 Veronderstel jy vermy data Snooping vooroordeel en al die potensiële slaggate van die gebruik van die verlede na die toekoms te voorspel, te vertrou genetiese algoritmes om die regte oplossing te vind pretty much kom neer op dieselfde verbintenis wat jy maak wanneer jy aktief te bestuur 'n portefeulje, of kwantitatief of diskresionêre. As jy in doeltreffendheid mark glo dan die verhoging van jou transaksiekoste van aktiewe bestuur is onlogies. As jy egter jy glo daar is strukturele sielkundige patrone of foute te ontgin en die payoff is die tyd en geld werd vir navorsing en die implementering van 'n strategie die logiese keuse is aktief bestuur. Bestuur van 'n GA afgelei strategie is 'n implisiete weddenskap teen doeltreffendheid mark. Jy weer basies sê ek dink daar is mis-waardasies wat plaasvind vanaf een of ander rede (massas van irrasionele mense, onderlinge fondse oppas as gevolg van-mis in lyn aansporings, ens) en die bestuur van hierdie GA kan hierdie massa van data uit manier vinniger as wat ek sorteer kan. antwoord 18 Februarie 11 van die 15:49 hand bestuur van 'n aktiewe portefeulje behels die gebruik van al die inligting wat ons het en lei 'n logiese gevolgtrekking oor die mark en dan strategieë daarop dit is 'n rasionele aktiwiteit uit te voer. OTOH, met behulp van GA word met behulp van 'n swart-box hulpmiddel kan ons Graviton 18 Februarie 11 by 15:57 Graviton Ja, maar kyk na die ooreenkomste tussen GA Josua Kans 18 Februarie 11 by 16:46 Graviton (in 'n baie breë sin) is dat jy 'n verhaal, 'n storie om te gaan met jou strategie. Ons mense risiko om 'n oënskynlik herhalende patroon en dan rasionaliseer dit en die skep van 'n verhaal. GA Josua Kans 18 Februarie 11 by 16:54 Wyle Thomas Cover. (Waarskynlik die voorste inligting Rist van sy generasie), beskou Universele benadering tot dinge soos datakompressie en portefeuljetoekennings as ware genetiese algoritmes. Evolution het geen parameters aan te pas of trein. Hoekom moet ware genetiese algoritmes Universal benaderings maak geen aannames oor die onderliggende verdeling van data. Hulle maak geen poging om die toekoms te voorspel na aanleiding van patrone of enigiets anders. Die teoretiese doeltreffendheid van Universal benaderings (hulle bied groot uitdagings implementering sien my onlangse vraag: Meetkunde vir Universal Portefeuljes) volg daaruit te doen wat evolusie eise. Die vinnigste, slimste, of sterkste Don t noodwendig oorleef in die volgende generasie. Evolution bevoordeel wat gene, organisme, meme, portefeulje, of data kompressie-algoritme geposisioneer om die maklikste aan te pas by wat ook al gebeur volgende. Ook, omdat hierdie benaderings te maak nie aannames en bedryf nie-parametriese, kan 'n mens kyk na al die toetse, selfs op alle historiese data, soos buite-monster. Sekerlik het hulle beperkings, beslis kan hulle werk vir elke soort t 'n probleem wat ons in die gesig staar in ons domein, maar Gee, wat 'n interessante manier om te dink oor die dinge. antwoord 14 Julie 13 aan 15:42 Wel, die doel van 'n genetiese algo is om die beste oplossing te vind sonder om deur al die moontlike scenario's omdat dit te lank sou wees. So natuurlik is dit krommepassing, wat is die doel te bereik. beantwoord 6 Maart 11 by 20:40 Maar daar is 'n beduidende verskil tussen overfitting die monster (slegte) en pas die bevolking (goeie). Dit is waarom baie stel voor dat jy kruis-bekragtig jou algoritme met buite-monster getoets. Josua 17 Julie 13 by 02:34 2016 stapel Exchange, Inc Die gebruik van genetiese algoritmes Finansiële Markte laai die speler skatting. Burton voorgestel in sy boek, A Random Walk Down Wall Street, (1973) dat 'n geblinddoek aap gooi veerpyltjies op finansiële bladsye van 'n koerant se kan 'n portefeulje wat net so goed soos sou doen een noukeurig gekies deur kundiges kies. Terwyl evolusie mense nie meer intelligente kan gemaak by pluk voorrade, Charles Darwin se teorie het baie effektief wanneer meer direk toegepas. (Om jou te help kies lêers, kyk hoe 'n voorraad te tel.) Wat is genetiese algoritmes Genetiese algoritmes (gas) is probleemoplossingsmetodes (of heuristiek) dat die proses van natuurlike evolusie naboots. In teenstelling met kunsmatige neurale netwerke (Anns), wat ontwerp is om te funksioneer soos neurone in die brein, hierdie algoritmes gebruik die konsepte van natuurlike seleksie om die beste oplossing vir 'n probleem te bepaal. As gevolg hiervan, is die gas wat algemeen gebruik word as Optimizers dat parameters aan te pas by 'n paar terugvoer maatreël, wat dan onafhanklik of in die konstruksie van 'n ANN gebruik kan word te minimaliseer of te maksimeer. In die finansiële markte. genetiese algoritmes word gewoonlik gebruik om die beste kombinasie waardes van parameters in 'n handel reël, en hulle kan gebou word in ANN modelle ontwerp om aandele te kies en te identifiseer ambagte. Verskeie studies het getoon dat hierdie metodes doeltreffend kan bewys, insluitend genetiese Algoritmes: Genesis van Stock Evaluering (2004) deur Rama, en die toepassing van genetiese algoritmes in die aandelemark Data-ontginning Optimization (2004) deur Lin, Cao, Wang, Zhang. (Vir meer inligting oor ANN, sien Neurale Netwerke:. Vooruitskatting Winste) hoe genetiese algoritmes werk, Genetiese algoritmes wiskundig is geskep met behulp van vektore, wat hoeveelhede daardie rigting en omvang het is. Parameters vir elke handel reël verteenwoordig met 'n een-dimensionele vektor wat as 'n chromosoom in genetiese terme kan beskou. Intussen kan die gebruik in elke parameter waardes van word gedink as gene, wat dan verander met behulp van natuurlike seleksie. Byvoorbeeld, kan 'n handel reël die gebruik van parameters soos bewegende gemiddelde Konvergensie-divergensie (MACD) betrek. Eksponensiële bewegende gemiddelde (EMA) en Stochastics. 'N genetiese algoritme dan insetwaardes in hierdie parameters met die doel van die maksimalisering van netto wins. Met verloop van tyd, is klein veranderinge en diegene wat 'n desirably impak maak behou vir die volgende generasie. Daar is drie tipes van genetiese bedrywighede wat dan uitgevoer kan word: CROSSOVER verteenwoordig die voortplanting en biologiese crossover gesien in biologie, waardeur 'n kind neem op sekere eienskappe van sy ouers. Mutasies verteenwoordig biologiese mutasie en word gebruik om genetiese diversiteit van een generasie van 'n bevolking na die volgende in stand te hou deur die instelling van ewekansige klein veranderinge. Keuses is die stadium waarop individuele genome is gekies uit 'n bevolking vir latere teling (rekombinasie of crossover). Hierdie drie operateurs word dan gebruik in 'n vyf-stap proses: inisialiseer 'n ewekansige bevolking, waar elke chromosoom N is - Lengte, met N synde die aantal parameters. Dit is, 'n ewekansige getal parameters gevestig met n elemente elk. Kies die chromosome, of parameters, wat wenslik resultate (vermoedelik netto wins) te verhoog. Pas mutasie of crossover operateurs om die geselekteerde ouers en genereer 'n nageslag. Herkombineer die spruite en die huidige bevolking om 'n nuwe bevolking met die keuse operateur vorm. Herhaal stappe 2-4. Met verloop van tyd, sal hierdie proses lei tot toenemende gunstige chromosome (of, parameters) vir gebruik in 'n handels reël. Die proses word dan beëindig toe 'n stop kriteria voldoen word, wat die bestuur van tyd, fiksheid, aantal generasies of ander kriteria kan insluit. (Vir meer inligting oor die MACD, lees Trading Die MACD divergensie.) Met behulp van genetiese Algoritmes in Trading Terwyl genetiese algoritmes hoofsaaklik gebruik word deur institusionele kwantitatiewe handelaars. sonder 'n graad in gevorderde wiskunde - - individuele handelaars kan die krag van genetiese algoritmes te span met behulp van verskeie sagtewarepakkette op die mark. Hierdie oplossings wissel van selfstandige sagteware pakkette wat gerig is op die finansiële markte te Microsoft Excel add-ons wat meer hands-on analise kan fasiliteer. By die gebruik van hierdie aansoek, kan handelaars 'n stel van parameters wat dan new behulp van 'n genetiese algoritme en 'n stel van historiese data te definieer. Sommige programme kan optimaliseer wat parameters gebruik en die waardes vir hulle, terwyl ander in die eerste plek gerig is op net die optimalisering van die waardes vir 'n gegewe stel parameters. (Vir meer inligting oor hierdie program afgelei strategieë te leer, sien die krag van Kursus ambagte.) Belangrike Optimization Wenke en truuks Krommepassing (oor gepaste), die ontwerp van 'n handel stelsel om historiese data, eerder as die identifisering van herhaalbare gedrag, verteenwoordig 'n potensiële risiko vir handelaars met behulp van genetiese algoritmes. Enige handel stelsel met behulp van gas moet vorentoe-getoets op papier voor lewendige gebruik. Die keuse van parameters is 'n belangrike deel van die proses, en handelaars moet soek parameters wat ooreenstem met die veranderinge in die prys van 'n gegewe sekuriteit. Byvoorbeeld, probeer om uit verskillende aanwysers en kyk of enige lyk korreleer met groot mark draai. Die bottom line Genetiese algoritmes is uniek maniere om komplekse probleme op te los deur die benutting van die krag van die natuur. Deur die toepassing van hierdie metodes te voorspel sekuriteite pryse, kan handelaars handel reëls te optimaliseer deur die identifisering van die beste waardes te gebruik vir elke parameter vir 'n gegewe sekuriteit. Maar hierdie algoritmes is nie die Heilige Graal, en handelaars moet versigtig wees om die regte parameters en nie boogpas (oor fiks) kies. (Vir meer inligting oor die mark te lees, kyk na Luister na die mark, nie die Pundits.) Genetiese algoritme in R Trend volgende sal wees voorraad Facebook. strategie Eksponensiële bewegende gemiddelde. parama 10. paramB 45. Die strategie reëls is eenvoudig, as die bewegende gemiddelde (lengte parama) bewegende gemiddelde (lengte paramB) lank gaan dan in, en omgekeerd. Die fiksheid funksie 'n Geen is gekwantifiseer as 'n goeie of slegte gene met behulp van 'n fiksheid funksie. Die sukses van 'n genetiese handel strategie hang swaar op jou keuse van fiksheid funksie en of dit sin maak met die strategieë wat jy van plan is om te gebruik. Jy sal elk van die uiteengesit deur u aktiewe gene strategieë handel en dan rang hulle deur hul fiksheid. 'N Goeie beginpunt sou wees om die skerp verhouding as die fiksheid funksie. Jy moet versigtig wees dat jy die fiksheid funksie om statisties betekenisvolle data van toepassing te wees. Byvoorbeeld, as jy het 'n gemiddelde terugkeer strategie wat een keer per maand (of wat ook al jou heropleiding venster is), dan is jou fiksheid word bepaal deur 1 of 2 datapunte kan handel. Dit sal lei tot swak genetiese optimalisering (in my kode i ve kommentaar uit 'n gemiddelde terugkeer strategie toets vir jouself). Tipies wat gebeur is jou Sharpe verhouding van 2 datapunte is baie baie hoog bloot neer op geluk. Jy merk dan dit as 'n goeie gene en handel dit die volgende maand met verskriklike gevolge. Teling Gene met 'n genetiese algo wat jy nodig het om gene te teel, vir die res van hierdie post ek weer van geen nut). Teling bestaan uit twee dele: Verbastering Neem 'n geen en sny 'n stuk uit dit uit, jy kan gebruik wat ook al ewekansige getal kragopwekker wat jy wil om die snit plekke te bepaal, ruil dit deel met 'n ooreenstemmende stuk van 'n ander gene. Bv. Ou gene: 00 1100 10 en 11 1001 10 (rooi is die lukraak kies stukkies te sny) Nuwe gene: 00 1001 10 en 11 1100 10 Jy doen dit vir elke moontlike kombinasie van gene in jou top N lys. Mutasie Na verbastering gaan deur al jou gene en lukraak flip die stukkies met 'n vaste waarskynlikheid. Die mutasie verhoed dat jou strategie uit om toegesluit in 'n elke krimpende genepoel. Vir 'n meer gedetailleerde verduideliking met diagramme kyk: blog. equametrics / gaan na Genetiese algoritmes en die toepassing daarvan in Trading jaargrondslag Sharpe Ratio (Rf 0) 1.15
No comments:
Post a Comment