การใช้ อัลกอริทึม พันธุกรรม ใน เชิงปริมาณ การซื้อขาย

การใช้อัลกอริทึมพันธุกรรมในเชิงปริมาณการซื้อขาย คำถามหนึ่งที่ควรถามเสมอเขา / เธอเมื่อใช้ชี้วัดทางเทคนิคคือสิ่งที่จะเป็นเกณฑ์วัตถุประสงค์เพื่อเลือกพารามิเตอร์ตัวชี้วัด (เช่นเหตุผลที่ใช้ 14 วัน RSI มากกว่า 15 หรือ 20 วัน?) ขั้นตอนวิธีทางพันธุกรรม (GA) เป็นอย่างดีเหมาะกับเครื่องมือตอบคำถามว่า ในการแสดงไม่โพสต์นี้คุณวิธีการตั้งค่ามีปัญหาในอาร์ก่อนที่จะดำเนินการต่อไปตามปกติเตือน: สิ่งที่ผมนำเสนอในโพสต์นี้เป็นเพียงตัวอย่างของเล่นและไม่เชิญไปลงทุน มันไม่ได้เป็นกลยุทธ์ที่เสร็จสมบูรณ์แล้ว แต่ทั้งความคิดการวิจัยที่จะต้องมีการวิจัยต่อการพัฒนาและเหมาะกับความต้องการของแต่ละบุคคล สิ่งที่เป็นขั้นตอนวิธีพันธุกรรม? คำอธิบายที่ดีที่สุดของ GA ฉันมาข้ามมาจากการซื้อขาย Cyber​​natic หนังสือโดยเมอร์เรโร่เอ อัลกอริทึมพันธุกรรมถูกคิดค้นขึ้นโดยจอห์นฮอลแลนด์ในช่วงกลางปี​​ 1970 เพื่อแก้ปัญหาการเพิ่มประสิทธิภาพอย่างหนัก วิธีนี้จะใช้การคัดเลือกโดยธรรมชาติอยู่รอดของ fittest กระบวนการทั่วไปดังต่อไปนี้ขั้นตอนต่อไปนี้ เข้ารหัสปัญหาเข้าไปในโครโมโซม ใช้การเข้ารหัสการพัฒนาฟังก์ชั่นการออกกำลังกายสำหรับการใช้งานในการประเมินแต่ละค่าโครโมโซมในการแก้ปัญหาที่กำหนด เริ่มต้นจำนวนประชากรของโครโมโซม ประเมินโครโมโซมในแต่ละประชากร สร้างโครโมโซมใหม่โดยการผสมพันธุ์สองโครโมโซม นี้จะกระทำโดยการปิดและ recombining พ่อแม่ทั้งสองที่จะสร้างเด็กสองคน (พ่อแม่มีการสุ่มเลือก แต่ลำเอียงโดยการออกกำลังกายของพวกเขา) ประเมินโครโมโซมใหม่ ลบสมาชิกของประชากรที่มีความเหมาะสมน้อยกว่าโครโมโซมใหม่และใส่โครโมโซมใหม่ในประชากร หากมีเงื่อนไขหยุดถึง (จำนวนสูงสุดของรุ่นเกณฑ์การออกกำลังกายเป็นสิ่งที่ดีพอ) แล้วกลับโครโมโซมที่ดีที่สุดหรือไปที่ขั้นตอนที่ 4 จากมุมมองของการซื้อขาย GA มีประโยชน์มากเพราะพวกเขามีดีที่การจัดการกับปัญหาที่เกิดขึ้นไม่เป็นเชิงเส้นสูง แต่พวกเขาแสดงคุณสมบัติที่น่ารังเกียจบางอย่างที่มีมูลค่าการกล่าวขวัญ: ในช่วงที่เหมาะสม: นี่คือปัญหาหลักและลงไปที่นักวิเคราะห์ในการตั้งค่าที่เป็นปัญหาในทางที่ช่วยลดความเสี่ยงนี้ เวลาคอมพิวเตอร์ หากปัญหายังไม่ได้กำหนดไว้อย่างถูกต้องก็จะยาวมากไปถึงวิธีการแก้ปัญหาที่ดีและความซับซ้อนที่เพิ่มขึ้นชี้แจงกับจำนวนของตัวแปร ดังนั้นจำเป็นที่จะต้องระมัดระวังเลือกพารามิเตอร์ มีแพ็กเกจหลาย R จัดการกับ GA เป็นผมเลือกที่จะใช้อย่างใดอย่างหนึ่งที่พบมากที่สุด: rgenoud ราคาปิดรายวันสำหรับ ETFs สภาพคล่องมากที่สุดจาก Yahoo เงินทุนจะกลับไปถึงเดือนมกราคมปี 2000 ในช่วงเวลาตัวอย่างไปตั้งแต่เดือนมกราคม 2000 ถึงเดือนธันวาคม 2010 ออกจากระยะเวลาที่จะเริ่มต้นในตัวอย่างมกราคม 2011 ตรรกะดังต่อไปนี้: ฟังก์ชั่นการออกกำลังกายที่เหมาะกว่าในช่วงเวลาตัวอย่างที่จะได้รับชุดของพารามิเตอร์ที่ดีที่สุดสำหรับตัวชี้วัดทางเทคนิคที่เลือก ผลการดำเนินงานของตัวชี้วัดผู้ที่ได้รับการประเมินแล้วในระยะเวลาที่ออกจากตัวอย่าง แต่ก่อนที่จะทำเช่นนั้นบ่งชี้ทางเทคนิคจะต้องมีการเลือก จัดแสดงนิทรรศการตลาดหุ้นสองลักษณะหลักที่มีความคุ้นเคยกับทุกคนที่มีประสบการณ์การค้าบางส่วน โมเมนตัมระยะยาวและการกลับรายการสั้น คุณสมบัติเหล่านั้นสามารถแปลได้ในระยะเวลาของการชี้วัดทางเทคนิคโดย: ค่าเฉลี่ยเคลื่อนที่ข้ามและ RSI นี้แสดงให้เห็นชุดของพารามิเตอร์ 4: มองกลับระยะเวลาในระยะยาวและระยะสั้นค่าเฉลี่ยเคลื่อนที่มองกลับระยะเวลา RSI และเกณฑ์ RSI ชุดของพารามิเตอร์ที่มีโครโมโซม องค์ประกอบสำคัญอื่น ๆ ที่มีฟังก์ชั่นการออกกำลังกาย เราอาจจะต้องการที่จะใช้สิ่งที่ชอบ: ผลตอบแทนสูงสุดหรืออัตราชาร์ปหรือเบิกค่าเฉลี่ยต่ำสุด ในสิ่งต่อไปนี้ฉันเลือกที่จะเพิ่มอัตราส่วนชาร์ป การดำเนินการวิจัยคือชุดของ 3 ฟังก์ชั่น: fitnessFunction กำหนดฟังก์ชั่นการออกกำลังกาย (เช่นอัตราส่วนสูงสุดชาร์ป) เพื่อนำมาใช้ในเครื่องยนต์ GA tradingStatistics สรุปสถิติการซื้อขายในและออกจากระยะเวลาตัวอย่างเพื่อการเปรียบเทียบ genoud เครื่องยนต์ GA จากแพคเกจ rgenoud ฟังก์ชั่น genoud ค่อนข้างซับซ้อน แต่อิ่มไม่จะอธิบายสิ่งที่แต่ละพารามิเตอร์หมายถึงการที่ฉันต้องการที่จะให้โพสต์นี้สั้น ๆ (และเอกสารที่เป็นจริงดี) ในตารางด้านล่างนี้ผมนำเสนอในแต่ละเครื่องดนตรีพารามิเตอร์ที่เหมาะสม (RSI ระยะเวลาที่มองย้อนกลับไปเกณฑ์ RSI, ระยะสั้นค่าเฉลี่ยเคลื่อนที่และระยะยาวค่าเฉลี่ยเคลื่อนที่) พร้อมด้วยในและออกจากสถิติการค้าตัวอย่าง การใช้อัลกอริทึมพันธุกรรมในเชิงปริมาณการซื้อขาย (บทความนี้ตีพิมพ์ครั้งแรกเมื่อ R ซื้อขาย» R. และมีส่วนกรุณา R-เขียนบล็อก) คำถามหนึ่งที่ควรถามเสมอเขา / เธอเมื่อใช้ชี้วัดทางเทคนิคคือสิ่งที่จะเป็นเกณฑ์วัตถุประสงค์เพื่อเลือกพารามิเตอร์ตัวชี้วัด (เช่นเหตุผลที่ใช้ 14 วัน RSI มากกว่า 15 หรือ 20 วัน?) ขั้นตอนวิธีทางพันธุกรรม (GA) เป็นอย่างดีเหมาะกับเครื่องมือตอบคำถามว่า ในการแสดงไม่โพสต์นี้คุณวิธีการตั้งค่ามีปัญหาในอาร์ก่อนที่จะดำเนินการต่อไปตามปกติเตือน: สิ่งที่ผมนำเสนอในโพสต์นี้เป็นเพียงตัวอย่างของเล่นและไม่เชิญไปลงทุน มันไม่ได้เป็นกลยุทธ์ที่เสร็จสมบูรณ์แล้ว แต่ทั้งความคิดการวิจัยที่จะต้องมีการวิจัยต่อการพัฒนาและเหมาะกับความต้องการของแต่ละบุคคล สิ่งที่เป็นขั้นตอนวิธีพันธุกรรม? คำอธิบายที่ดีที่สุดของ GA ฉันมาข้ามมาจากการซื้อขาย Cyber​​natic หนังสือโดยเมอร์เรโร่เอ อัลกอริทึมพันธุกรรมถูกคิดค้นขึ้นโดยจอห์นฮอลแลนด์ในช่วงกลางปี​​ 1970 เพื่อแก้ปัญหาการเพิ่มประสิทธิภาพอย่างหนัก วิธีนี้จะใช้การคัดเลือกโดยธรรมชาติอยู่รอดของ fittest กระบวนการทั่วไปดังต่อไปนี้ขั้นตอนต่อไปนี้ เข้ารหัสปัญหาเข้าไปในโครโมโซม ใช้การเข้ารหัสการพัฒนาฟังก์ชั่นการออกกำลังกายสำหรับการใช้งานในการประเมินแต่ละค่าโครโมโซมในการแก้ปัญหาที่กำหนด เริ่มต้นจำนวนประชากรของโครโมโซม ประเมินโครโมโซมในแต่ละประชากร สร้างโครโมโซมใหม่โดยการผสมพันธุ์สองโครโมโซม นี้จะกระทำโดยการปิดและ recombining พ่อแม่ทั้งสองที่จะสร้างเด็กสองคน (พ่อแม่มีการสุ่มเลือก แต่ลำเอียงโดยการออกกำลังกายของพวกเขา) ประเมินโครโมโซมใหม่ ลบสมาชิกของประชากรที่มีความเหมาะสมน้อยกว่าโครโมโซมใหม่และใส่โครโมโซมใหม่ในประชากร หากมีเงื่อนไขหยุดถึง (จำนวนสูงสุดของรุ่นเกณฑ์การออกกำลังกายเป็นสิ่งที่ดีพอ) แล้วกลับโครโมโซมที่ดีที่สุดหรือไปที่ขั้นตอนที่ 4 จากมุมมองของการซื้อขาย GA มีประโยชน์มากเพราะพวกเขามีดีที่การจัดการกับปัญหาที่เกิดขึ้นไม่เป็นเชิงเส้นสูง แต่พวกเขาแสดงคุณสมบัติที่น่ารังเกียจบางอย่างที่มีมูลค่าการกล่าวขวัญ: ในช่วงที่เหมาะสม: นี่คือปัญหาหลักและลงไปที่นักวิเคราะห์ในการตั้งค่าที่เป็นปัญหาในทางที่ช่วยลดความเสี่ยงนี้ เวลาคอมพิวเตอร์ หากปัญหายังไม่ได้กำหนดไว้อย่างถูกต้องก็จะยาวมากไปถึงวิธีการแก้ปัญหาที่ดีและความซับซ้อนที่เพิ่มขึ้นชี้แจงกับจำนวนของตัวแปร ดังนั้นจำเป็นที่จะต้องระมัดระวังเลือกพารามิเตอร์ มีแพ็กเกจหลาย R จัดการกับ GA เป็นผมเลือกที่จะใช้อย่างใดอย่างหนึ่งที่พบมากที่สุด: rgenoud ราคาปิดรายวันสำหรับ ETFs สภาพคล่องมากที่สุดจาก Yahoo เงินทุนจะกลับไปถึงเดือนมกราคมปี 2000 ในช่วงเวลาตัวอย่างไปตั้งแต่เดือนมกราคม 2000 ถึงเดือนธันวาคม 2010 ออกจากระยะเวลาที่จะเริ่มต้นในตัวอย่างมกราคม 2011 ตรรกะดังต่อไปนี้: ฟังก์ชั่นการออกกำลังกายที่เหมาะกว่าในช่วงเวลาตัวอย่างที่จะได้รับชุดของพารามิเตอร์ที่ดีที่สุดสำหรับตัวชี้วัดทางเทคนิคที่เลือก ผลการดำเนินงานของตัวชี้วัดผู้ที่ได้รับการประเมินแล้วในระยะเวลาที่ออกจากตัวอย่าง แต่ก่อนที่จะทำเช่นนั้นบ่งชี้ทางเทคนิคจะต้องมีการเลือก จัดแสดงนิทรรศการตลาดหุ้นสองลักษณะหลักที่มีความคุ้นเคยกับทุกคนที่มีประสบการณ์การค้าบางส่วน โมเมนตัมระยะยาวและการกลับรายการสั้น คุณสมบัติเหล่านั้นสามารถแปลได้ในระยะเวลาของการชี้วัดทางเทคนิคโดย: ค่าเฉลี่ยเคลื่อนที่ข้ามและ RSI นี้แสดงให้เห็นชุดของพารามิเตอร์ 4: มองกลับระยะเวลาในระยะยาวและระยะสั้นค่าเฉลี่ยเคลื่อนที่มองกลับระยะเวลา RSI และเกณฑ์ RSI ชุดของพารามิเตอร์ที่มีโครโมโซม องค์ประกอบสำคัญอื่น ๆ ที่มีฟังก์ชั่นการออกกำลังกาย เราอาจจะต้องการที่จะใช้สิ่งที่ชอบ: ผลตอบแทนสูงสุดหรืออัตราชาร์ปหรือเบิกค่าเฉลี่ยต่ำสุด ในสิ่งต่อไปนี้ฉันเลือกที่จะเพิ่มอัตราส่วนชาร์ป การดำเนินการวิจัยคือชุดของ 3 ฟังก์ชั่น: fitnessFunction กำหนดฟังก์ชั่นการออกกำลังกาย (เช่นอัตราส่วนสูงสุดชาร์ป) เพื่อนำมาใช้ในเครื่องยนต์ GA tradingStatistics สรุปสถิติการซื้อขายในและออกจากระยะเวลาตัวอย่างเพื่อการเปรียบเทียบ genoud เครื่องยนต์ GA จากแพคเกจ rgenoud ฟังก์ชั่น genoud ค่อนข้างซับซ้อน แต่อิ่มไม่จะอธิบายสิ่งที่แต่ละพารามิเตอร์หมายถึงการที่ฉันต้องการที่จะให้โพสต์นี้สั้น ๆ (และเอกสารที่เป็นจริงดี) ในตารางด้านล่างนี้ผมนำเสนอในแต่ละเครื่องดนตรีพารามิเตอร์ที่เหมาะสม (RSI ระยะเวลาที่มองย้อนกลับไปเกณฑ์ RSI, ระยะสั้นค่าเฉลี่ยเคลื่อนที่และระยะยาวค่าเฉลี่ยเคลื่อนที่) พร้อมด้วยในและออกจากสถิติการค้าตัวอย่าง