Usando Algoritmos Genéticos para Previsão de Mercados Financeiros. Burton sugeriu em seu livro, Random Walk Down Wall Street, 1973 que, Um macaco de olhos vendados jogando dardos em páginas financeiras de um jornal s poderia selecionar um portfólio que faria tão bem como um cuidadosamente selecionado por Especialistas Embora a evolução pode ter feito homem não mais inteligente na colheita ações, Charles Darwin s teoria tem muito eficaz quando aplicado mais diretamente Para ajudá-lo a escolher estoques, confira Como escolher um estoque. O que são algoritmos genéticos. Algoritmos genéticos GAs são a resolução de problemas Métodos ou heurísticas que imitam o processo de evolução natural Ao contrário das redes neurais artificiais RNAs, projetadas para funcionarem como neurônios no cérebro, esses algoritmos utilizam os conceitos de seleção natural para determinar a melhor solução para um problema. Como resultado, os GAs são comumente usados como Otimizadores que ajustam parâmetros para minimizar ou maximizar alguma medida de realimentação, que podem então ser usados independentemente ou na construção de um ANN. Nos mercados financeiros algoritmos genéticos são mais comumente usados para encontrar os melhores valores de combinação de parâmetros em uma regra de negociação, e eles podem ser construídos em modelos ANN concebido para escolher ações e identificar trades Vários estudos têm demonstrado que estes métodos podem revelar eficaz , Incluindo Algoritmos Genéticos Gênese de Stock Evaluation 2004 por Rama, e As Aplicações de Algoritmos Genéticos em Stock Market Data Mining Optimization 2004 por Lin, Cao, Wang, Zhang Para saber mais sobre ANN, consulte Neural Networks Forecasting Profits. How Genetic Algorithms Work. Os algoritmos genéticos são criados matematicamente usando vetores, que são quantidades que têm direção e magnitude. Parâmetros para cada regra de negociação são representados com um vetor unidimensional que pode ser pensado como um cromossomo em termos genéticos. Enquanto isso, os valores usados em cada parâmetro podem ser Como genes, que são então modificados usando a seleção natural. Por exemplo, uma regra comercial pode envolver o uso de pa Rameters como Moving Average Convergência-Divergência MACD Exponential Moving Average EMA e Estocástica Um algoritmo genético, então, introduzir valores nestes parâmetros com o objetivo de maximizar o lucro líquido Ao longo do tempo, pequenas mudanças são introduzidas e aqueles que fazem um desejável impacto são mantidos para o próximo Existem três tipos de operações genéticas que podem ser realizadas. Os cruzamentos representam a reprodução eo cruzamento biológico visto na biologia, através do qual uma criança assume certas características de seus pais. As mutações representam a mutação biológica e são usadas para manter a diversidade genética de um Geração de uma população para a próxima, introduzindo pequenas alterações aleatórias. As eleições são o estágio em que os genomas individuais são escolhidos a partir de uma população para a reprodução recombinação posterior ou crossover. Estes três operadores são então utilizados em um processo de cinco etapas. Inicializar uma população aleatória , Onde cada cromossomo é n-comprimento, sendo n o número de parâmetros Ou seja, um número aleatório de parâmetros são estabelecidos com n elementos each. Select os cromossomos, ou parâmetros, que aumentam os resultados desejáveis, presumivelmente lucro líquido. Aplicar mutação ou crossover operadores para os pais selecionados e gerar uma descendência. Recombinar a descendência ea corrente Para formar uma nova população com o operador de seleção. Repetir os passos dois a quatro. Ao longo do tempo, este processo resultará em cromossomas cada vez mais favoráveis ou, parâmetros para uso em uma regra de negociação O processo é então terminado quando um critério de parada é cumprido, o que Pode incluir tempo de execução, fitness, número de gerações ou outros critérios Para mais informações sobre MACD, leia Trading The MACD Divergence. Using Genetic Algorithms in Trading. While algoritmos genéticos são usados principalmente por comerciantes institucionais quantitativos comerciantes individuais podem aproveitar o poder de algoritmos genéticos - Sem um grau em matemática avançada - usando vários pacotes de software no mercado Essas soluções variam de stan Dalone pacotes de software orientados para os mercados financeiros para Microsoft Excel add-ons que podem facilitar mais hands-on analysis. When usando essas aplicações, os comerciantes podem definir um conjunto de parâmetros que são então otimizado usando um algoritmo genético e um conjunto de dados históricos Alguns Os aplicativos podem otimizar quais parâmetros são usados e os valores para eles, enquanto outros se concentram principalmente em simplesmente otimizar os valores de um determinado conjunto de parâmetros Para saber mais sobre essas estratégias derivadas de programas, consulte O Poder do Programa Trades. Important Optimization Tips and Tricks. Curve montagem sobre montagem, a concepção de um sistema de comércio em torno de dados históricos, em vez de identificar o comportamento repetível, representa um risco potencial para os comerciantes usando algoritmos genéticos Qualquer sistema comercial usando GAs deve ser testado no papel antes do uso ao vivo. Choosing parâmetros é uma parte importante Do processo, e os operadores devem procurar parâmetros que se correlacionem com mudanças no preço de um dado Algoritmos genéticos são formas únicas de resolver problemas complexos aproveitando o poder da natureza Ao aplicar esses métodos para prever os preços dos títulos, os comerciantes podem otimizar as regras de negociação por meio de Identificando os melhores valores a serem usados para cada parâmetro para uma dada segurança No entanto, esses algoritmos não são o Santo Graal, e os comerciantes devem ter cuidado ao escolher os parâmetros certos e não ajustar a curva sobre o ajuste Para ler mais sobre o mercado, O mercado, não seus Pundits. Algoritmos genéticos vs simples pesquisa no MetaTrader 4 Optimizer.1 O que são algoritmos genéticos. A plataforma MetaTrader 4 agora oferece algoritmos genéticos de otimização as entradas Expert Advisors Eles reduzem o tempo de otimização significativamente sem qualquer invalidação significativa de testes Operação é descrito no artigo chamado Algoritmos Genéticos Matemática em detalhes. Este artigo é dedicar D para a otimização de insumos EAs usando algoritmos genéticos em comparação com os resultados obtidos usando busca direta e completa de valores de parâmetro.2 O Expert Advisor. For minhas experiências, eu ligeiramente completou o EA chamado CrossMACD que você pode ter conhecido a partir do artigo chamado Orders Management - It's Simple. Added StopLoss e TakeProfit para as posições colocadas. Adicionado Trailing Stop. Used parâmetro OpenLuft para filtrar sinais Agora sinal virá se a linha zero é atravessada em uma certa quantidade de pontos com a precisão de um ponto decimal place. Added CloseLuft Para a filtragem semelhante de sinais de fechar. Colocar em variáveis expernal os períodos do lento e as médias de movimento rápido utilizado para cálculos MACD. Now é um consultor perito praticamente concluída Será conveniente para otimizar e usar na negociação Você pode baixar EA Para o seu PC e testá-lo de forma independente.3 Optimization. Now podemos começar a otimizar o EA Três testes serão realizados com diferentes quantidades de otimizar pesquisas T Seu vai ajudar a comparar os lucros obtidos utilizando algoritmos genéticos em várias situações. Após cada teste, vou remover manualmente o cache testador para os testes subseqüentes não usar combinações já encontradas Isso é necessário apenas para o experimento ser mais preciso - normalmente, automatizado Chaching de resultados apenas melhora a otimização repetida. Para comparar os resultados de otimização usando algoritmos genéticos será feita duas vezes primeira vez - a fim de encontrar o lucro máximo lucro, pela segunda vez para encontrar o maior fator de lucro Fator de lucro Depois disso, os três melhores resultados Para ambos os métodos de otimização será dada na tabela de relatório de resumo ordenados por colunas dado. A otimização é puramente experimental Este artigo não é destinado a encontrar insumos que realmente iria fazer maiores lucros. Características símbolo EURUSD. chart prazo 1.Permitir período de 2 anos. Modelagem Os preços abertos only. inputs pesquisados in. It deve ser notado que, ao usar algoritmos genéticos, o tempo esperado de otimização É aproximadamente o mesmo que o da otimização usando pesquisa de entradas diretas A diferença é que um algoritmo genético exibe continuamente combinações certamente mal sucedidas e, desta forma, reduz a quantidade de testes necessários várias vezes talvez várias dezenas, centenas, milhares de vezes Isso é Porque você não deve ser engrenado ao tempo esperado da optimização ao usar algoritmos genéticos O tempo real da optimização será sempre mais curto. Como você vê, a optimização usando algoritmos genetic tomou menos de quatro minutos em vez das esperadas cinco horas e um gráfico de optimization. Algoritmos genéticos também difere daquela com pesquisa direta Desde que combinações ruins já foram eliminadas, os testes subseqüentes são conduzidos com combinações de entradas que são mais rentáveis por padrão. É por isso que o gráfico de equilíbrio sobe. Vamos considerar os resultados tanto da otimização Métodos em todos os detalhes. A situação mudou os períodos de otimização coincidem um insignifica Nt erro é admissível, e os resultados são idênticos Isso pode ser explicado por que a otimização consistia em apenas 1331 buscas e essa quantidade de passes não é suficiente para usar algoritmos genéticos eles não têm tempo para pegar velocidade - a otimização é mais rápida devido a Os algoritmos genéticos não conseguem definir o que as combinações de insumos dos pais geram uma fonte ruim. Então, não faz sentido usá-los.4 Conclusões. Algoritmos genéticos são uma boa adição ao 4 otimizador de estratégias Otimização é dramaticamente aprimorada se a quantidade de pesquisas é grande, os resultados coincidem com os obtidos pela otimização regular. Agora não há sentido usar a pesquisa completa em entradas algoritmos genéticos encontrará o melhor resultado mais rápido e não menos eficaz. 5 Afterword. Após ter escrito o artigo, eu satisfez a minha curiosidade e lançou otimização de CrossMACDDeLuxe em todas as entradas O montante De combinações feitas sobre cem milhão 103 306 896 A optimização usando algoritmos genetic tomou somente 17 horas, quando a optimização usando a busca em todas as entradas tomaria aproximadamente 35 anos 301 223 hours. Conclusions são até você. Um sistema negociando de Forex baseado em um genetically Algoritmo. Citar este artigo como Mendes, L Godinho, P Aplicações Kluwer Acadêmico, Dordrecht 1996 MATH Google Scholar. Park, C - H Irwin, SH O que sabemos sobre a rentabilidade da análise técnica J Econ Surv 21 4, 786 826 2007 CrossRef Utilizando Algoritmos Genéticos para Otimização Robusta em Aplicações Financeiras Neural Netw World 5 4, 573 587 1995 Google Scholar. Reeves, CR Usando Algoritmos Genéticos com Pequenas Populações Em Proceedings da Quinta Conferência Internacional sobre Genética Algoritmos Morgan Kaufmann, San Mateo 1993 Google Scholar. Rothlauf, F Goldberg, D Representações redundantes em computação evolutiva Illinois Algoritmos Genéticos Laboratório Il LiGAL Report 2002.Schulmeister, S Componentes da rentabilidade da troca de moeda técnica Appl Financ Econ 18 11, 917 930 2008 CrossRef Google Scholar. Sweeney, RJ Superando o mercado de câmbio J Finanças 41 1, 163 182 1986 Google Scholar. Wilson, G Banzhaf, W Interday troca de divisas usando programação genética linear Em Proceedings da 12 ª Conferência Anual sobre Computação Genética e Evolutiva GECCO 10 2010 Google Scholar. Copyright informações. Springer Science Business Media, LLC 2012.Autros e Afiliações. Lus Mendes. Pedro Godinho. Email author.1 Faculdade de Economia Universidade de Coimbra Coimbra Portugal.2 Faculdade de Economia e GEMF Universidade de Coimbra Coimbra Portugal.3 Faculdade de Economia e Inesc - Coimbra Universidade de Coimbra Coimbra Portugal. About deste artigo.
No comments:
Post a Comment