Burton suggereerde in zijn boek "A Random Walk Down Wall Street" (1973) dat "Een geblinddoekte aap met darten op de financiële pagina's van een krant een portfolio zou kunnen kiezen dat net zo goed zou werken als een zorgvuldig geselecteerd door experts. " Hoewel de evolutie de mens misschien niet intelligenter heeft gemaakt in het plukken van aandelen, is de theorie van Charles Darwin behoorlijk effectief wanneer hij directer wordt toegepast. (Om u te helpen bij het kiezen van aandelen, raadpleegt u Hoe u een aandeel kiest .)

TUTORIAL: Strategieën voor het nemen van aandelen

Wat zijn genetische algoritmen?
Genetische algoritmen (GA's) zijn probleemoplossende methoden (of heuristieken) die het proces van natuurlijke evolutie nabootsen. In tegenstelling tot kunstmatige neurale netwerken (ANNs), ontworpen om te functioneren als neuronen in de hersenen, gebruiken deze algoritmen de concepten van natuurlijke selectie om de beste oplossing voor een probleem te bepalen. Als gevolg hiervan worden GA's vaak gebruikt als optimalisatoren die parameters aanpassen om een ​​aantal feedbackmetingen te minimaliseren of te maximaliseren, die vervolgens onafhankelijk kunnen worden gebruikt of bij de constructie van een ANN.

Op de financiële markten worden genetische algoritmen het meest gebruikt om de beste combinatiewaarden van parameters in een handelsregel te vinden, en ze kunnen worden ingebouwd in ANN-modellen die zijn ontworpen om aandelen te selecteren en transacties te identificeren. Verschillende studies hebben aangetoond dat deze methoden effectief kunnen zijn, waaronder "Genetic Algorithms: Genesis of Stock Evaluation" (2004) van Rama, en "The Applications of Genetic Algorithms in Stock Market Data Mining Optimisation" (2004) door Lin, Cao, Wang , Zhang. (Zie Neural Networks: Forecasting Profits voor meer informatie over ANN.)

Hoe genetische algoritmen werken
Genetische algoritmen worden wiskundig gemaakt met behulp van vectoren, die grootheden zijn met richting en magnitude. Parameters voor elke handelsregel worden weergegeven met een eendimensionale vector die in genetische termen als een chromosoom kan worden beschouwd. Ondertussen kunnen de waarden die in elke parameter worden gebruikt, worden beschouwd als genen, die vervolgens worden gewijzigd met behulp van natuurlijke selectie.

Een handelsregel kan bijvoorbeeld het gebruik van parameters zoals Moving Average Convergence-Divergence (MACD), Exponential Moving Average (EMA) en Stochastics inhouden. Een genetisch algoritme zou vervolgens waarden in deze parameters invoeren met als doel de nettowinst te maximaliseren. In de loop van de tijd worden kleine veranderingen ingevoerd en worden die die een gewenste impact hebben behouden voor de volgende generatie.

Er zijn drie soorten genetische operaties die vervolgens kunnen worden uitgevoerd:

• Crossovers vertegenwoordigen de reproductie en biologische cross-over die wordt gezien in de biologie, waarbij een kind bepaalde kenmerken van zijn ouders aanneemt.
• Mutaties vertegenwoordigen biologische mutaties en worden gebruikt om de genetische diversiteit van de ene generatie van de populatie naar de volgende te behouden door willekeurige kleine veranderingen in te voeren.
• Selecties zijn het stadium waarin individuele genomen worden gekozen uit een populatie voor latere veredeling (recombinatie of crossover).

Deze drie operators worden vervolgens in een proces van vijf stappen gebruikt:

1. Initialiseer een willekeurige populatie, waarbij elk chromosoom n -lengte is, waarbij n het aantal parameters. Dat wil zeggen dat een willekeurig aantal parameters wordt vastgesteld met elk n -elementen.
2. Selecteer de chromosomen, of parameters, die gewenste resultaten verhogen (vermoedelijk nettowinst).
3. Pas mutatie- of crossover-operatoren toe op de geselecteerde ouders en genereer een nakomeling.
4. Recombineer het nageslacht en de huidige populatie om een ​​nieuwe populatie te vormen met de selectiemanager.
5. Herhaal de stappen twee tot vier.

In de loop van de tijd zal dit proces resulteren in steeds gunstiger chromosomen (of parameters) voor gebruik in een handelsregel. Het proces wordt vervolgens beëindigd wanneer aan een stopcriterium wordt voldaan, zoals looptijd, fitness, aantal generaties of andere criteria. (Lees voor meer informatie over MACD de Trading The MACD Divergence .)

Genetische algoritmen gebruiken bij handel
Terwijl genetische algoritmen voornamelijk worden gebruikt door institutionele kwantitatieve handelaren, kunnen individuele handelaren de kracht van genetische algoritmen benutten - zonder diploma in geavanceerde wiskunde - met behulp van verschillende softwarepakketten op de markt. Deze oplossingen variëren van stand-alone softwarepakketten gericht op de financiële markten tot Microsoft Excel-add-ons die meer praktische analyse mogelijk maken.

Wanneer deze toepassingen worden gebruikt, kunnen traders een reeks parameters definiëren die vervolgens worden geoptimaliseerd met behulp van een genetisch algoritme en een reeks historische gegevens. Sommige toepassingen kunnen optimaliseren welke parameters worden gebruikt en de waarden daarvoor, terwijl andere voornamelijk zijn gericht op het eenvoudig optimaliseren van de waarden voor een gegeven reeks parameters. (Voor meer informatie over deze van programma's afgeleide strategieën raadpleegt u De kracht van programmaretrades .)

Belangrijke optimalisatietips en -tricks
Curve-aanpassing (te veel aanpassen), waarbij u eerder een handelssysteem rond historische gegevens ontwerpt dan het identificeren van herhaalbaar gedrag, vertegenwoordigt een potentieel risico voor handelaren die genetische algoritmen gebruiken. Elk handelssysteem dat gebruik maakt van GA's moet op papier worden getest voordat het live wordt gebruikt.

Het kiezen van parameters is een belangrijk onderdeel van het proces en traders zouden parameters moeten zoeken die correleren met veranderingen in de prijs van een gegeven beveiliging. Probeer bijvoorbeeld verschillende indicatoren uit en kijk of deze lijken te correleren met grote marktbeurten.

The Bottom Line
Genetische algoritmen zijn unieke manieren om complexe problemen op te lossen door gebruik te maken van de kracht van de natuur. Door deze methoden toe te passen bij het voorspellen van effectenprijzen, kunnen traders handelsregels optimaliseren door de beste waarden te selecteren die voor elke parameter voor een bepaalde beveiliging moeten worden gebruikt. Deze algoritmen zijn echter niet de Heilige Graal, en traders moeten voorzichtig zijn om de juiste parameters te kiezen en niet fit te zijn (te fit). (Voor meer informatie over de markt, ga naar Listen To The Market, Not its Pundits .)