نظام التداول البرمجة الوراثية
تستخدم هذه الصفحة الإطارات، ولكن متصفحك لا يدعمها.
يوفر غريل إشارات التداول اليومية لمجموعة مختارة من الأسواق المشتقة بما في ذلك S & أمب؛ P، اليورو العملات، هانغ سنغ، داكس و فتس الآجلة. أدخل لقراءة المزيد عن نظام S & أمب؛ P الذي حقق ربحا قدره 385 نقطة بين مارس 2002-أكتوبر 2003 (77.1٪ p. a.) خلال التداول في الوقت الحقيقي!
الجديد!! إنشاء النظام الجيني منشئ أنظمة التداول قوية مع الكشف عنها تماما إيسيلانغواج تم في السوق من اختيارك. وتشمل البرامج إدارة الأموال واحدة من نوع المحفظة الوراثي محسن. لا غنى عنه لأي تاجر الأنظمة: من المبتدئين إلى مدير صندوق التحوط! تجريبي مجاني متاح.
لعرض الرسوم البيانية الأسهم من أنظمة التداول التي وضعتها غسب، الرجاء الضغط هنا.
برنامجنا لإدارة الأموال يمكن أن يعزز أرباح نظام التداول الحالي. طلب تقريرنا الذي سوف تظهر لك في 8 خطوات سهلة، وكيفية تنفيذ أي من استراتيجيات إدارة الأموال / الموقف التحجيم التالية على النظام الخاص بك:٪ الهامش،٪ المخاطر، المثلى و، المخفف الأمثل و، معيار كيلي، المخفف كيلي و٪ التقلب. (شملت جميع ترادستاتيون إيسيلانغواج تم رمز)
نحن متخصصون في تصميم وبرمجة واختبار أنظمة التداول في ترادستاتيون تم، باسكال، C ++ و إكسيل.
عرض البرمجة الوراثية للنمذجة التنبؤية.
وجدت مؤخرا هذا الفيديو مثيرة للاهتمام لمدة 30 دقيقة على استخدام البرمجة الوراثية للنمذجة التنبؤية.
& # 8220؛ انتهيت للتو من برنامج تعليمي جديد حول النمذجة التنبؤية، البرمجة الوراثية وتنبؤ سلسلة الوقت. هذا البرنامج التعليمي يقدم الموضوعات ومن ثم يوفر مظاهرة من ديسيبولوس ™ إنتاج نموذج تنبؤي سلسلة الوقت في الوقت الحقيقي. & # 8221؛
نبذة عن الكاتب جيف سوانسون.
جيف هو مؤسس نظام ترادر سوتشيس & # 8211؛ موقع على شبكة الانترنت ومهمة لتمكين تاجر التجزئة مع المعرفة المناسبة والأدوات لتصبح تاجر مربح في عالم التداول الكمي / الآلي.
الوظائف ذات الصلة.
المفاهيم، إلى داخل، التحليل الفني.
ويس ماكيني & # 8211؛ خوارزمية المالية ميتوب.
قواعد الاستثمار / التداول، الأمثال & # 038؛ كتب.
تسل مثيرة جدا للاهتمام. ومع ذلك، ما هو الفرق بين منتجاتها (والتي عندما راجعت قبل 2 سنوات كان $ 60k) و مبرمج ورايت أدابتراد & # 8216؛ s & # 8211؛ الذي يكلف حوالي 1K $؟ بقدر ما أستطيع أن أقول هذه المنتجات اثنين تفعل تقريبا نفس.
لقد استخدمت هذا الأخير & # 8217؛ ق المنتج بشكل مربح لبضع سنوات الآن على تف & أمب؛ إس الآجلة. لطيفة جدا، لا شكاوى على الإطلاق. عليك أن تعرف ما الذي تبحث عنه / كيفية توجيه تطور النظام. ولكن وبصرف النظر عن ذلك، انها & # 8217؛ ق بسيطة وفعالة.
أنا & # 8217؛ م لست متأكدا ما هي جميع الاختلافات ولكن أعتقد أن واحدا منهم هو أدابتريد منشئ لا يفعل النمذجة التنبؤية. وهي تستخدم خوارزمية جينية لتطوير نظام يستند إلى حركة الأسعار والمؤشرات. ربما شخص آخر يمكن توضيح، ولكن أنا & # 8217؛ م أيضا التخمين قدرات باكتستينغ وتنسيق الإخراج تسل هو الكثير مختلفة. باختصار، تسل هو واضح منتج مؤسسي على عكس منشئ.
أنا أستمتع بلوق الخاص بك كثيرا، وأمثلة عملية من النظم ورمز ل تيسي.
أنا أعرف ق قليلة الدكتاتور قوناتس تعمل لصناديق التحوط الذين لم يحرز نجاحا جيدا في محاولة البرمجة الوراثية. واحد منهم يستخدم ستراتيكانكوانت / وهو أرخص ولكن قليلا أكثر تقدما من أدابتريد. حول تسل لا أستطيع أن أتحدث عن ولكن لقد سمعت يشكو من المستخدمين لم تكن قادرة على توليد أي أنظمة مربحة.
في رأيي أن البيان أن & # 8220؛ حاليا، نظم التداول التي وضعتها مختبر نظام التداول في المرتبة من قبل أطراف ثالثة من بين النظم التجارية الأكثر ربحية في العالم. "لا يمكن التحقق منها بسبب طبيعة غس وعشوائيتها الكامنة. في كل مرة يمر فيها الممارس العام من خلال جيل عشوائي جديد يتم إدخال تحيز استخراج البيانات بحكم إعادة استخدام نفس البيانات. إن عملية اختبار المليارات من مجموعات من منطق الدخول والخروج سوف تجد في نهاية المطاف بعض الأنظمة التي تقلل من وظيفة الهدف المحددة في عينة البيانات، ولكن أيضا في أي عينة خارجة عن العينة بما في ذلك جميع عينات المشي الممكنة. هذا هو أساسا منحنى المناسب فرضه التحيز التعدين البيانات. على الرغم من أن غس مفيدة للغاية في المشاكل حيث يتطلب التحسين الذي هو عيب عندما يتعلق الأمر أنظمة التداول لأن الأمثل هو عائق هناك بدلا من المطلوب كما تعلمون جيدا.
قال لي رجل واحد أن استخدام مثل هذا البرنامج كان محبطا للغاية وتستغرق وقتا طويلا كما في نهاية المطاف كل شيء التي تم إنشاؤها واختبار مربحة في خارج العينة تفككت بسرعة كبيرة. أعتقد أن القراء يجب أن يكونوا على علم بهذه الآراء الأخرى. ثابر على العمل الجيد!
أنا مستخدم تسل، وقد وجدت أنها قوية جدا. هناك جدار واضح ومميز يفصل بين & # 8216؛ تطور & # 8217؛ (عندما يحدد غب قواعد التداول) و & # 8216؛ التداول المباشر & # 8217؛ (التي لا يكون فيها الطبيب العام نشطا أو حتى متاحا). نظام تسل يعيش سجلات المسار التداول وبالتالي مصداقية، لأن الشركة تفعل التحقق (العقود الآجلة الحقيقة) فقط لديه حق الوصول إلى قواعد التداول الثابتة والساكنة، وليس محرك التطور. وقد تم تتبع بعض أنظمة تسل واستمرت في & # 8216؛ تقود الحزمة & # 8217؛ 5+ سنوات بعد الإفراج & # 8230؛ .. أفضل الأشياء أنا & # 8217؛ رأيت من أي وقت مضى.
حضرت ندوة مختبرات نظام التاجر (تسل) هذا الأسبوع وكان مفتونا بها. أنا غوغلد وجدت هذا الموقع.
مع تعليقاتكم حول نظام تسل. لقد كتبت في ديسمبر 2018، هل من الممكن أن تشترك معي كيف كان النظام يتصرف هذا العام الماضي، هل كان هناك أي مشاكل، كيف تعاملت مع تصحيح السوق الشهر الماضي، وما إلى ذلك؟ هل أنشأت أي إستراتيجيات أخرى؟ ما نوع العائدات التي تشاهدها؟
هل تعرف من أي مستخدمين آخرين لنظام تسل التي يمكنني التحدث معها، وتبحث عن بعض المعلومات أكثر من المجتمع المستخدم قبل إنفاق المال.
بريدي الإلكتروني هو: airbear77 (في) مسندوتكوم.
أنا حاليا مستخدم تسل، وكانت على مدى 3 سنوات الماضية. لقد تم تداول بعض النظم التي بنيت منذ عام 2018 (انها & # 8217؛ s حاليا ديسمبر 2018) وأنها لا تزال تصمد جيدا من العينة. وأركز بشكل رئيسي على العقود الآجلة، وعلى وجه التحديد عشر سنوات الآجلة (تي) وعقود السندات الآجلة (الولايات المتحدة) التي تتداول على سم.
تسل ليس الكأس المقدسة، ولكن من دون أدنى شك أفضل قطعة من البرمجيات التي سبق أن استخدمت عندما يتعلق الأمر بناء أنظمة التداول. بعد القواعد التي وضعت تسل، لقد بنيت عددا من النظم مع عوامل الربح كبيرة ونسبة التجارة إلى المعلمة معقولة جدا التي لا تزال تتفوق على أي نظام كنت في السابق قادرة على بناء باليد. أفضل للجميع، تسل هو قادرة على العثور على أنظمة التداول مربحة في بضع دقائق الوقت.
وأنا أعلم أن الحقيقة الآجلة يتتبع التقدم في الوقت الحقيقي من أنظمة التداول حسابي العوملة في كميات معقولة جدا من الانزلاق واللجان، و تسل تواصل إلى أعلى عدد من تلك القوائم المختلفة.
أود أن أوصي لكم عرض أشرطة الفيديو على موقع تسل للحصول على شعور ما تسل قادر على (أشرطة الفيديو هي مجانية). أنا لا تزال تتطور الأنظمة مع تسل التي لا تزال تصمد في الوقت الحقيقي، والتي يمكن تداولها في الوقت الحقيقي من قبل المبرمجين وغير المبرمجين على حد سواء.
حضرت ندوة مختبرات نظام التاجر (تسل) هذا الأسبوع وكان مفتونا بها. أنا غوغلد وجدت هذا الموقع.
مع تعليقاتكم حول نظام تسل. لقد كتبت في ديسمبر 2018، هل من الممكن أن تشترك معي كيف كان النظام يتصرف هذا العام الماضي، هل كان هناك أي مشاكل، كيف تعاملت مع تصحيح السوق الشهر الماضي، وما إلى ذلك؟ هل أنشأت أي إستراتيجيات أخرى؟ ما نوع العائدات التي تشاهدها؟
هل تعرف من أي مستخدمين آخرين لنظام تسل التي يمكنني التحدث معها، وتبحث عن بعض المعلومات أكثر من المجتمع المستخدم قبل إنفاق المال.
بريدي الإلكتروني هو: airbear77 (في) مسندوتكوم.
عرض لطيف جدا. أي موارد جيدة أخرى للبحوث النمذجة التنبؤية هناك؟ وقد أنتجت شركتي، أناليتيكش الحديثة، تقنية لا تصدق للنمذجة التنبؤية التي قمنا بتعبئتها في حل ادارة العلاقات مع، ولكن نحن & # 8217؛ تحاول دائما لزيادة أبحاثنا لتحسين الحل.
منشورات شائعة.
كونورس 2-بيريودي رسي أوبديت فور 2018.
هذا مؤشر بسيط يجعل المال مرة أخرى ومرة أخرى.
محفظة اللبلاب.
تحسين استراتيجية الفجوة البسيطة، الجزء 1.
كوبيرايت © 2017 بي كابيتال إفولوتيون ليك. - صمم من قبل تزدهر المواضيع | مدعوم من وورد.
الرجاد الدخول على الحساب من جديد. سيتم فتح صفحة تسجيل الدخول في نافذة جديدة. بعد تسجيل الدخول يمكنك إغلاقه والعودة إلى هذه الصفحة.
استراتيجيات التداول المتطورة مع البرمجة الوراثية - وظائف اللياقة البدنية.
في صميم كل استراتيجية البرمجة الجينية (غب) هي وظيفة اللياقة البدنية. وتحدد وظيفة اللياقة البدنية ما تبحث عنه العملية التطورية برمتها. يتم تعيين كل فرد قيمة اللياقة البدنية، والتي يتم احتسابها من قبل وظيفة اللياقة البدنية. الأفراد الذين لديهم قيمة عالية للياقة البدنية فرصة أكبر للاختيار من أجل التكاثر وبالتالي لخلق النسل. العثور على & كوت؛ جيد & كوت؛ وظيفة اللياقة البدنية هي واحدة من جوانب التصميم الأكثر أهمية من عملية التنمية. ونادرا ما تكون الفكرة الأولى لوظيفة اللياقة البدنية تنتج بالفعل نتائج عظيمة، ويتطلب تعريف واحد تماما فهم عميق لنطاق المشكلة. تحتوي القائمة التالية على عدد قليل من القرارات التصميمية الضرورية:
التقليل مقابل تعظيم قيم اللياقة البدنية هدف واحد مقابل متعددة موضوعية تطبيع القيم اللياقة البدنية تعيين الأوزان لمكونات فردية من وظيفة اللياقة البدنية.
دعونا نلقي نظرة فاحصة على كل قرار ضروري.
التعظيم مقابل التقليل.
وظائف اللياقة البدنية يمكن بالطبع تعظيم بعض التدابير المستهدفة أو أنها يمكن أن تقلل منها. ويمكن أن تكون التدابير النموذجية المستهدفة لتحقيق أقصى قدر من العائد الكلي، والقيمة المتوقعة، ومتوسط حجم الصفقات الفائزة أو معدل الضربات. ويمكن أن تكون المقاييس النموذجية المستهدفة للتقليل إلى أدنى حد ممكن هي السحب الأقصى، أو الحد الأقصى لعدد الصفقات المتتالية الخاسرة، أو تقلب منحنى الأسهم. الوضع المشترك هو تعظيم بعض وتقليل القيم اللياقة البدنية الأخرى في نفس الوقت.
هدف واحد مقابل متعددة الهدف.
وظيفة اللياقة البدنية مع هدف واحد يحاول تعظيم (أو تقليل) قيمة لياقة بدنية واحدة. يمكن أن تكون قيمة اللياقة البدنية هذه نتيجة لصيغة رياضية تجمع بين مكونات فردية متعددة، على سبيل المثال.
في نموذج وظيفة اللياقة البدنية أعلاه، على الرغم من أنه من الممكن أن يكون فكرة سيئة لاستخدام القيم السلبية لأقصى قدر من السحب التدريجي (معتبرا أن السحب يمكن أن تفسر على أنها عائد سلبي) وهذا من شأنه أن يكون مربكا للغاية.
في هذه المقالة سوف تستمر في الإشارة إلى هذه & كوت؛ وظائف اللياقة البدنية مجتمعة & كوت؛ كهدف واحد، لأن قيمة اللياقة البدنية النهائية هي قيمة واحدة. في المقابل، وظائف اللياقة البدنية متعددة الموضوعية لا تحاول تجميع التدابير المستهدفة متعددة في قيمة اللياقة البدنية واحدة، ولكن العمل مباشرة على مساحة البحث متعددة الأبعاد دون الحد من عدد من الأبعاد. وظائف اللياقة البدنية متعددة الأغراض لل غب يمكن أن تكون معقدة جدا لتنفيذ، ولكن من تجربتي أنها يمكن أن تؤدي في الواقع إلى نتائج متفوقة مقارنة مع تلك واحدة الهدف. لقد سبق أن ذكرت اثنين من هذه الوظائف اللياقة البدنية في مقال سابق: الخوارزمية الجينية الفرز غير المهيمن (نسغا) وخوارزمية قوة باريتو التطورية (سبي) وكلاهما أعتبر أن تكون قوية جدا. تعمل هذه الخوارزميات في الواقع مباشرة في صورة & كوت؛ مشهد اللياقة البدنية & كوت؛ دون تقليل المشهد إلى واحد-- الأبعاد & كوت؛ راي اللياقة البدنية & كوت؛ كما الجمع بين وظيفة اللياقة البدنية الهدف الواحد القيام به. يجب أن يكون القارئ أيضا على علم بأن كل من الخوارزميات من قبل تصميمها سلفا اختيار غب ومشغلات الطفرة. في الواقع، يمكن العثور على تطبيقات العمل لكل من الخوارزميات في مكتبة محكمة العدل الأوروبية.
تطبيع القيم اللياقة البدنية.
في بعض الأحيان من الضروري لتطبيع قيم اللياقة البدنية إلى نطاق محدد سلفا. قد يكون هذا على سبيل المثال إذا كان هناك عدد قليل من أووليرس التي هي بعيدة جدا عن القيم اللياقة البدنية الأخرى. إذا تم تطبيق مشغل اختيار نسبي للياقة البدنية، فإن هذه القيم المتطرفة يمكن أن تهيمن بسهولة على جميع الآخرين، ونادرا ما يكون مرغوبا. والبديل هو استخدام قيم اللياقة البدنية على أساس رتبة لأنها لا تعاني من مثل هذه المشكلة.
مشكلة أخرى هي الفرق النسبي في أحجام مكونات قيمة اللياقة البدنية المعنية. النظر في وظيفة اللياقة البدنية التالية:
لهذه الأسباب (وخصوصا عند استخدام وظيفة اللياقة البدنية واحدة الهدف مجتمعة) تطبيع المكونات الفردية وعادة ما يكون ضروريا. هناك ثلاثة بدائل مختلفة:
إذا كان من المتوقع أن تكون جميع المكونات في وظيفة اللياقة البدنية لها توزيعات مماثلة (أي متوسط مماثل وانحراف معياري)، فإن التطبيع قد لا يكون ضروريا. ونادرا ما يحدث ذلك. والقيم المتطرفة هي في الواقع ظاهرة شائعة.
2. تطبيع مكونات قيمة اللياقة البدنية مع مسافات متناسبة.
يتلقى أفضل عنصر قيمة اللياقة البدنية قيمة محددة مسبقا من 1.0، أسوأ واحد 0.0. جميع مكونات قيمة اللياقة البدنية الأخرى هي في مسافة متناسبة بين الاثنين. (كوزا فضل ترتيب عكس مع أفضل عنصر قيمة اللياقة البدنية تلقي قيمة 0.0 والأسوأ 1.0.المهمة المقابلة ثم لتقليل هذا المكون بدلا من تعظيم ذلك.) لا يزال هذا الإجراء إشكالية إذا كانت القيم المتطرفة موجودة، ولكن في بعض الأحيان - اعتمادا على اختيار واحد من مشغلي التحديد - قد يكون من المرغوب فيه الحفاظ على المسافات النسبية بين القيم.
3. تطبيع مكونات قيمة اللياقة البدنية من خلال ترتيب جميع المكونات أولا وفقا لرتبها.
كما هو الحال في الإجراء بريفيوس أفضل عنصر قيمة اللياقة البدنية يتلقى قيمة 1.0 وأسوأ 0.0 (أو العكس بالعكس). جميع الآخرين على قدم المساواة مع بعضها البعض وفقا لرتبتها. على عكس الإجراء الأخير هذا واحد أيضا يحل مشكلة القيم المتطرفة. ومع ذلك، فقدت المعلومات ذات الصلة المتعلقة بالمسافات النسبية بين مكونات قيمة اللياقة البدنية بشكل لا رجعة فيه.
المخاطر المشتركة.
من تجربتي هناك عدد قليل من المزالق المشتركة للمبتدئين فيما يتعلق بتصميم وظائف اللياقة البدنية. ومن المرجح أن يحاول تطبيق وظيفة اللياقة البدنية واحد الهدف ومبدع نموذجي ومحاولة لتحقيق أقصى قدر من العائد الإجمالي. وهذا أمر يسهل فهمه. بعد كل شيء، في نهاية المطاف هو مبلغ النقدية استراتيجية التداول الخاصة بك ولدت، أليس كذلك؟ كما اتضح أن هذا النهج نادرا ما يؤدي إلى نتائج جيدة. على الرغم من أن المنطق المطبق هو صالح، وهناك كل أنواع المشاكل التي لم تحل مع تعظيم العائد الإجمالي. في ما يلي بعض النقاط التي يجب أخذها في الاعتبار:
استراتيجية تعتمد على عدد قليل جدا من الصفقات.
في السوق من ارتفاع الأسعار غالبا ما يكون من الصعب التغلب على السوق وتوليد ألفا الحقيقي. وتتميز استراتيجية الشراء والاحتفاظ بميزة وجود تكاليف تداول منخفضة جدا. ولذلك، في هذه الحالة ليس من غير المألوف لأفضل استراتيجية التداول أداء لشراء ببساطة في بداية وعقد حتى النهاية. أفضل استراتيجيات التداول تطورت في المقابل ربما يكون لا شيء إلى عدد قليل جدا من الصفقات - وهو مجرد يترتب على ذلك، ولكن لا يزال غير مرغوب فيه جدا. هذه الاستراتيجيات التجارية لا تمثل وسيلة للتكرار للنجاح. أنها أساسا فقط أداء عن طريق تجنب تكاليف التداول. كن على علم بأن مثل هذه & كوت؛ استراتيجيات التداول كسول & كوت؛ كما يمكن أن يعني تقلب أعلى مما كنت على استعداد لقبول. وذلك لأنهم ببساطة يكررون تطورات أسعار السوق بسبب تكتيكات الشراء والاحتفاظ بها.
لهذا السبب، قد يكون من المثير للاهتمام محاولة نسخة محسنة من وظيفة اللياقة البدنية الذي يصحح لعدد من الصفقات، على سبيل المثال مجموع أو ناتج من إجمالي العائدات العادية وتطبيع إجمالي عدد الصفقات. قد تكون إضافة الأوزان لكل مكون من عناصر اللياقة البدنية محل اهتمام أيضا.
استراتيجية تعتمد على عدد قليل من الصفقات الفوز.
وهناك مشكلة ذات صلة هي تطوير الاستراتيجيات التي تعتمد بشكل كبير على عدد قليل من الصفقات الفوز مختارة جدا بالمقارنة مع العديد من الصفقات الخاسرة. نظريا، هذه هي استراتيجية سليمة، طالما أن القيمة الإجمالية المتوقعة لا تزال إيجابية (انظر أدناه). ومع ذلك، يحتاج المرء أن يكون حذرا جدا. إذا كانت الصفقات الفائزة قليلة جدا، فإن الاستراتيجية قد لا تمثل مرة أخرى طريقة للتكرار. وبعبارة أخرى، فإن توزيع الفوز مقابل الصفقات الخاسرة مهم جدا. إذا ذهبت إلى المدى القصير داو جونز الصناعي (دجيا) قبل يوم الاثنين الأسود من 19 أكتوبر 1987 هل يمكن أن تكون قد حققت ثروة. (انخفض مؤشر داو جونز الصناعي بنسبة 22.61٪ في ذلك اليوم وحده). إذا كان لديك تجارة واحدة فقط من هذا القبيل في إستراتيجية باكتست الخاصة بك فإنه قد لا يزال يعوض سنوات من الخسائر الصغيرة. ولكن منذ حركة من هذا الحجم يحدث إحصائيا فقط فقط، ونادرا جدا لا يمكنك الاعتماد عليها استراتيجيا. (ومع ذلك يجب أن تكون على استعداد لذلك أن يحدث على الجانب السلبي، وإلا فإن مثل هذه الخسارة يمكن أن تمحو بشكل فعال لكم.) كن على علم أنه مع تواتر متزايد في حدوث حوادث فلاش هذه المشكلة قد زادت بدلا من الانخفاض.
وتهيمن القيم المتطرفة في اختيار اللياقة البدنية النسبي.
وهناك مشكلة أخرى هي وجود القيم المتطرفة. يحدث في كثير من الأحيان نسبيا أن عدد قليل من الأفراد متفوقة كثيرا على جميع الأفراد الآخرين في الجيل أنها تميل إلى السيطرة على جميع الآخرين على الرغم من أنها لا تمثل الأمثل العالمي ولكن فقط المحلية. وفي حالة استخدام مشغلي الانتقاء النسبي لللياقة بدلا من مشغلي الانتقاء المرتكز على الرتب، فإن القيم المتطرفة لها فرص أكبر بكثير لاختيارها من أجل الاستنساخ. إعادة تشغيل العملية التطورية مع نفس البذور العشوائية (على افتراض تطبيق ترابط واحد دون ظروف وقت التشغيل) وبطبيعة الحال مجرد تكرار النتيجة، وبالتالي إعادة تشغيل مع بذور عشوائية متنوعة ويوصى.
ويمكن أن يحدث هذا مع وظائف اللياقة البدنية أحادية ومتعددة الأهداف. في بعض الأحيان، في وظائف اللياقة البدنية متعددة الأهداف يمكن أن تكون اللياقة البدنية الفردية موجودة في حد & كوت؛ حد & كوت؛ من المشهد اللياقة البدنية، مع على سبيل المثال واحد مكون اللياقة البدنية كونها أقصى من جميع القيم والآخر هو صفر. غالبا ما يكون من المفيد لرسم التوزيع النسبي للقيم اللياقة البدنية للحصول على انطباع.
تدابير اللياقة البدنية المقترحة.
هذه قائمة من تدابير اللياقة البدنية أنا شخصيا النظر يستحق المحاولة في تركيبة. ربما أبدأ مع وظيفة اللياقة البدنية ذات الهدف الواحد فقط تعظيم القيمة المتوقعة. في وقت لاحق، مرة واحدة متعددة موضوعية وظيفة اللياقة البدنية في مكان، وأنا إضافة عناصر اللياقة البدنية الأخرى أيضا.
تعظيم القيمة المتوقعة (إيف): الصيغة إيف = متوسط الربح * p الربح - متوسط الخسارة * p الخسارة، مع متوسط الربح (الخسارة) هو متوسط العائد من الفوز (الخسارة) التجارة، و فوز (خسارة P) احتمال حدوث خسارة (خسارة) التجارة. بالطبع العلاقة p = = 1.0 - p الخسارة يجب أن تعقد. يجب أن تكون القيمة المتوقعة رقم إيجابي - إذا لم يكن كذلك، فإن النظام سوف تفقد بالتأكيد المال على المدى الطويل! وأرى أن هذا هو الأكثر مباشرة إلى الأمام وبديهية قياس لتعظيم لكل نظام التداول. (بالنسبة إلى الصفقات الصفرية، أي الصفقات التي لا تولد ولا تخسر المال، فإنني أعتبرها خاسرين مع ذلك، حيث أن هناك دائما تقريبا & كوت؛ فائدة خالية من المخاطر & كوت؛ بديل يمكن أن يكون قد تم تخصيص المال له .)
تقليل الحد الأقصى للسحب: لا أحد يحب فقدان المال في الأسواق. أحد المشاكل الشائعة هو معرفة متى تغلق استراتيجية التداول لأنه يفترض أنها لم تعد تعمل. التداول هو دائما دائما لعبة نفسية، هل حقا الثقة الاستراتيجية الخاصة بك؟ قد تؤدي عمليات السحب الكبيرة إلى انفصال حسابك وتؤدي إلى مكالمات الهامش في أسوأ وقت ممكن.
تعظيم عدد من الصفقات: هذا هو واحد صعبة التي مبتدئين قد لا تأتي بسهولة. كل التجارة لديها رسومها. في بعض الأحيان غب قد تعيين وظائف اللياقة البدنية عالية جدا لاستراتيجيات التداول مع عدد قليل جدا (ولكن كل الفوز) الصفقات. هذه الاستراتيجيات هي التحف على أساس السلوك العشوائي لأنها لا تمثل نجاحا تجاريا هادفا، قابلة للتكرار. تعظيم عدد الصفقات جنبا إلى جنب مع القيمة المتوقعة ربما هو إجراء مضاد ضد هذه المشكلة. ومع ذلك قد يكون هذا الإجراء إشكالية، لأنه يعطي الأفضلية للعديد من الصفقات قصيرة الأجل. عند استخدام هذا التدبير اللياقة البدنية ولذلك فمن الضروري حساب رسوم التداول وربما الانزلاق.
تعظيم العائد الكلي: على الرغم من أن بسيطة جدا وبديهية، وتعظيم العائد الإجمالي هو في كثير من الأحيان سوى فكرة جيدة في تركيبة مع تدابير اللياقة البدنية الأخرى.
نظام التداول البرمجة الوراثية
إنشاء نظام تداول ضمن معمل نظام التداول.
سيقوم نظام نظام التداول بتوليد أنظمة التداول تلقائيا في أي سوق في بضع دقائق باستخدام برنامج كمبيوتر متطور جدا يعرف باسم إيمغب (الحث التلقائي من رمز الجهاز مع البرمجة الوراثية). يتم إنشاء نظام التداول داخل مختبر نظام التداول في 3 خطوات سهلة. أولا، يتم تشغيل ما قبل المعالج بسيط أن يستخرج تلقائيا و بريبروسيسس البيانات اللازمة من السوق التي ترغب في العمل معها. تسل يقبل كسي، ميتاستوك، إيق، ترادستاتيون، بيانات الإنترنت مجانا، أسي، تكست، كسف، كومبوتراك، دوجونيس، فوتورسورس، TeleChart2000v3، تكتولس، شمل، ثنائي والإنترنت الجري البيانات. ثانيا، يتم تشغيل مولد نظام التداول (غب) لعدة دقائق، أو أكثر، لتطوير نظام التداول الجديد. يمكنك استخدام البيانات الخاصة بك، وأنماط، والمؤشرات، والعلاقات بين الشركات أو البيانات الأساسية داخل تسل. ثالثا، يتم تنسيق نظام التداول المتطور لإنتاج إشارات نظام التداول الجديدة من داخل تراديستاتيون ™ أو العديد من منصات التداول الأخرى. سوف تسل الكتابة تلقائيا لغة سهلة، جافا، المجمع، رمز C، C # رمز و ويالثلاب لغة البرنامج النصي. ويمكن بعد ذلك تداول نظام التداول يدويا، أو تداوله من خلال وسيط، أو تداوله تلقائيا. يمكنك إنشاء نظام التداول بنفسك أو يمكننا القيام بذلك نيابة عنك. ثم، إما أنت أو الوسيط الخاص بك قد تتاجر النظام إما يدويا أو تلقائيا.
يحتوي البرنامج الجيني مختبر نظام التداول على العديد من الميزات التي تقلل من إمكانية منحنى المناسب، أو إنتاج نظام التداول التي لا تستمر في أداء في المستقبل. أولا، أنظمة التداول تطورت حجمها إلى أسفل إلى أدنى حجم ممكن من خلال ما يسمى بارسيموني الضغط، مستمدة من مفهوم الحد الأدنى لطول الوصف. وبالتالي فإن نظام التداول الناتج هو بسيط قدر الإمكان، ويعتقد عموما أن أبسط نظام التداول هو، كلما كان ذلك أفضل أداء في المستقبل. وثانيا، يتم إدخال العشوائية في العملية التطورية، مما يقلل من إمكانية إيجاد الحلول محليا، ولكن ليس الأمثل على الصعيد العالمي. يتم عرض العشوائية على ليس فقط مجموعات من المواد الوراثية المستخدمة في أنظمة التداول المتطورة، ولكن في الضغط بارسيموني، الطفرة، كروس وغيرها من المعلمات غب مستوى أعلى. يتم إجراء اختبار العينة أثناء التدريب قيد التقدم مع المعلومات الإحصائية المقدمة على حد سواء في عينة وخارج العينة نظام اختبار. يتم عرض سجلات التشغيل للمستخدم للتدريب والتحقق من صحة البيانات من العينة. تصرف جيد من أداء العينة قد يكون مؤشرا على أن نظام التداول يتطور بخصائص قوية. قد يعني التدهور الكبير في الاختبار التلقائي للخروج من العينة مقارنة باختبار العينة أن إنشاء نظام تجاري قوي موضع شك أو أن المحطة الطرفية أو مجموعة الإدخال قد تحتاج إلى تغيير. وأخيرا، يتم اختيار مجموعة الطرفية بعناية بحيث لا تحيز بشكل مفرط اختيار المواد الوراثية الأولية تجاه أي تحيز أو مشاعر معينة في السوق.
تسل لا يبدأ تشغيله مع نظام التداول محددة مسبقا. في الواقع، يتم فقط تعيين مجموعة الإدخال ومجموعة مختارة من وضع دخول السوق أو وسائط، للبحث التلقائي الدخول والتعيين، في البداية. يمكن استخدام سلوك نمط أو مؤشر يمكن اعتباره حالة صعودية أو التخلص منه أو عكسه داخل الممارس العام. لم يتم تعيين أي نمط أو مؤشر مسبقا لأي تحيز معين في حركة السوق. هذا هو خروج جذري عن تطوير نظام التداول ولدت يدويا.
نظام التداول هو مجموعة منطقية من التعليمات التي تخبر التاجر عند شراء أو بيع سوق معينة. نادرا ما تتطلب هذه التعليمات تدخل أحد المتداولين. يمكن تداول أنظمة التداول يدويا، من خلال مراقبة تعليمات التداول على شاشة الكمبيوتر، أو يمكن تداولها من خلال السماح للكمبيوتر بالدخول إلى الصفقات في السوق تلقائيا. كلتا الطريقتين تستخدمان على نطاق واسع اليوم. هناك المزيد من مديري الأموال المهنية التي تعتبر نفسها التجار "النظامية أو الميكانيكية" من أولئك الذين يعتبرون أنفسهم "تقديرية"، وأداء مديري الأموال المنهجية بشكل عام متفوقة على أن من مديري الأموال التقديرية. وقد أظهرت الدراسات أن حسابات التداول عادة تفقد المال في كثير من الأحيان إذا كان العميل لا يستخدم نظام التداول. إن االرتفاع الكبير في أنظمة التداول على مدى السنوات العشر الماضية واضح بشكل خاص في شركات الوساطة السلعية، ولكن شركات وساطة األسهم والسندات أصبحت على وعي متزايد بالفوائد من خالل استخدام أنظمة التداول وبدأ البعض في تقديم أنظمة التداول إلى عملاء التجزئة.
معظم مديري صناديق الاستثمار المشترك يستخدمون بالفعل خوارزميات حاسوبية متطورة لتوجيه قراراتهم بشأن ما هو "الأسهم الساخنة لاختيار" أو ما "دوران القطاع" في صالح. لقد أصبحت الحواسيب والخوارزميات سائدة في الاستثمار، ونتوقع أن يستمر هذا الاتجاه مع استمرار المستثمرين الأصغر سنا في مجال الكمبيوتر في السماح لأجزاء من أموالهم بإدارة أنظمة التداول للحد من المخاطر وزيادة العائدات. إن الخسائر الفادحة التي يعاني منها المستثمرون الذين يشاركون في شراء وحفظ الأسهم وصناديق الاستثمار المشتركة مع ذوبان سوق الأسهم في السنوات الماضية تعزز هذه الحركة نحو اتباع نهج أكثر انضباطا ومنطقيا في الاستثمار في سوق الأوراق المالية. ويدرك المستثمر العادي أنه يسمح حاليا بالعديد من جوانب حياته وحياة أقاربهم في الحفاظ على أو التحكم في الحواسيب مثل السيارات والطائرات التي نستخدمها للنقل، ومعدات التشخيص الطبي التي نستخدمها من أجل الصيانة الصحية، وحدات تحكم التدفئة والتبريد التي نستخدمها للتحكم في درجة الحرارة، والشبكات التي نستخدمها للمعلومات على شبكة الإنترنت، حتى الألعاب التي نلعب للترفيه. لماذا يعتقد بعض المستثمرين في قطاع التجزئة أنه يمكنهم "إطلاق النار من الورك" في قراراتهم بشأن "ما" الأسهم أو صناديق الاستثمار المشتركة لشراء أو بيع ونتوقع لكسب المال؟ وأخيرا، أصبح المستثمر المتوسط حذرا من المشورة والمعلومات التي قدمها وسطاء عديمي الضمير والمحاسبين ومديري الشركات والمستشارين الماليين.
على مدى السنوات ال 20 الماضية قام علماء الرياضيات ومطوري البرمجيات بالبحث في المؤشرات والأنماط في أسواق الأسهم والسلع التي تبحث عن معلومات قد تشير إلى اتجاه السوق. ويمكن استخدام هذه المعلومات لتعزيز أداء أنظمة التداول. عموما يتم إنجاز عملية الاكتشاف هذه من خلال مزيج من التجربة والخطأ وأكثر تطورا "استخراج البيانات". عادة، فإن المطور يستغرق أسابيع أو أشهر من عدد الطحن من أجل إنتاج نظام التداول المحتمل. في كثير من الأحيان هذا النظام التجاري لن تؤدي بشكل جيد عندما تستخدم فعلا في المستقبل بسبب ما يسمى "منحنى المناسب". على مر السنين كان هناك العديد من أنظمة التداول (وشركات تطوير نظام التداول) التي تأتي وذهب كما فشلت نظمها في التداول المباشر. تطوير أنظمة التداول التي لا تزال تؤدي إلى المستقبل أمر صعب، ولكن ليس من المستحيل إنجاز، على الرغم من عدم وجود المطور الأخلاقي أو مدير المال سيعطي ضمانا غير مشروط أن أي نظام التداول، أو لهذه المسألة أي الأسهم والسندات أو صناديق الاستثمار المشترك، لإنتاج الأرباح في المستقبل إلى الأبد.
ما قد يستغرق أسابيع أو أشهر لمطور نظام التداول لإنتاج في الماضي قد يتم الآن أن تنتج في دقائق من خلال استخدام مختبر نظام التداول. مختبر نظام التداول هو منصة للجيل التلقائي من أنظمة التداول ومؤشرات التداول. تسل يجعل من استخدام عالية السرعة محرك البرمجة الوراثية وسوف تنتج أنظمة التداول بمعدل أكثر من 16 مليون نظام الحانات في الثانية على أساس 56 المدخلات. لاحظ أن عدد قليل فقط من المدخلات سوف تستخدم في الواقع أو ضرورية مما أدى إلى هياكل استراتيجية تطورت بسيطة عموما. مع ما يقرب من 40،000 إلى 200،000 النظم اللازمة للتقارب، والوقت للتقارب لأي مجموعة بيانات يمكن تقريب. نلاحظ أننا لسنا مجرد تشغيل القوة الغاشمة الأمثل من المؤشرات الحالية تبحث عن المعايير المثلى التي لاستخدامها في نظام التداول منظم بالفعل. يبدأ مولد نظام التداول عند نقطة الصفر الأصل دون أي افتراضات حول حركة السوق في المستقبل ثم "يتطور" أنظمة التداول بمعدل مرتفع جدا يجمع بين المعلومات الموجودة في السوق وصياغة مرشحات جديدة والوظائف والشروط والعلاقات كما أنها تتقدم نحو "نظام وراثيا" نظام التداول. والنتيجة هي أنه قد يتم إنشاء نظام تجاري ممتاز في بضع دقائق على 20-30 سنة من بيانات السوق اليومية في أي سوق تقريبا.
على مدى السنوات القليلة الماضية كانت هناك عدة نهج لتحسين نظام التداول التي تستخدم خوارزمية جينية أقل قوة. البرامج الجينية (غب's) متفوقة على الخوارزميات الجينية (غا's) لعدة أسباب. أولا، تتلاقى غب على حل بمعدل هائل (سريع جدا و أسرع) بينما تتقارب الخوارزميات الجينية بمعدل خطي (أبطأ بكثير و لا يحصل على أسرع). ثانيا، غب في الواقع تولد رمز آلة نظام التداول التي تجمع بين المواد الوراثية (المؤشرات والأنماط والبيانات بين السوق) بطرق فريدة من نوعها. قد لا تكون هذه المجموعات الفريدة واضحة حدسي ولا تتطلب تعريفات أولية من قبل مطور النظام. قد تصبح العلاقات الرياضية الفريدة التي تم إنشاؤها مؤشرات جديدة، أو متغيرات في التحليل الفني، لم يتم تطويرها أو اكتشافها بعد. غا، من ناحية أخرى، ببساطة تبحث عن الحلول المثلى لأنها تقدم على نطاق المعلمة. فإنها لا تكتشف علاقات رياضية جديدة ولا تكتب رمز نظام التداول الخاص بها. سيقوم نظام غب بإنشاء رمز نظام التداول بأطوال مختلفة باستخدام جينومات متغيرة الطول لتعديل طول نظام التداول من خلال ما يسمى كروس أوفر غير المتناظر وسوف يتجاهل تماما مؤشرا أو نمطا لا يساهم في كفاءة نظام التداول. غا استخدام فقط كتل التعليمات حجم ثابت، والاستفادة من كروس فقط متجانسة ولا تنتج متغير طول رمز نظام التداول، كما أنها لن تجاهل مؤشر غير فعال أو نمط بسهولة كما غب. وأخيرا، البرامج الوراثية هي التقدم الأخير في مجال التعلم الآلي، في حين تم اكتشاف الخوارزميات الجينية قبل 30 عاما. وتشمل البرامج الوراثية جميع الوظائف الرئيسية للخوارزميات الجينية. كروس، الاستنساخ، الطفرة واللياقة البدنية، ولكن غب وتشمل ميزات أسرع بكثير وقوية، مما يجعل غب أفضل خيار لإنتاج أنظمة التداول. غب المستخدمة في تسل نظام التداول مولد هو أسرع غب المتاحة حاليا وغير متوفرة في أي برامج السوق المالية الأخرى في العالم.
خوارزمية البرمجة الوراثية، محاكي التداول ومحركات اللياقة البدنية المستخدمة في تسل استغرقت أكثر من 8 سنوات لإنتاج.
نظام مختبر التجارة هو نتيجة سنوات من العمل الشاق من قبل فريق من المهندسين والعلماء والمبرمجين والتجار، ونحن نعتقد يمثل التكنولوجيا الأكثر تقدما المتاحة اليوم لتداول الأسواق.
استخدام البرمجة الوراثية لتطوير استراتيجيات التداول.
صديق وأنا عملت مؤخرا معا على مهمة البحث حيث استخدمنا بنجاح البرمجة الجينية (غب) لتطوير حلول لمشكلة التصنيف المالي العالمي الحقيقي. وتشمل هذه المشكلة، التي يطلق عليها تحليل الأمن، تحديد الأوراق المالية التي يجب شراؤها من أجل تحقيق عائد جيد على الاستثمار في المستقبل. لإيجاد حل لهذه المشكلة استخدمنا البرمجة الوراثية لتطوير مجموعة من أشجار القرار التي يمكن أن تؤدي تحليل الأمان على اثنين وستين من أسهم التكنولوجيا المدرجة في S & P 500. وهذا هو، قمنا بتطوير أشجار القرار قادرة على تصنيف تلك الأسهم وفقا لما إذا كان ينبغي شراؤها أو بيعها قصيرة.
تحليل الأمن أشجار القرار.
خلال الدراسة قمنا بتطوير نوعين من أشجار قرار التحليل الأمني. استخدم الأول المؤشرات فقط من التحليل الأساسي والثاني استخدم فقط المؤشرات من التحليل الفني. التحليل الأساسي هو طريقة لتقييم الأمن لقياس قيمته الجوهرية من خلال دراسة العوامل الاقتصادية والمالية وغيرها من العوامل النوعية والكمية ذات الصلة. التحليل الفني هو طريقة لتقييم الأوراق المالية من خلال تحليل الإحصاءات الناتجة عن نشاط السوق.
وستتألف استراتيجية لتحليل الأمن، بغض النظر عما إذا كان يستخدم مؤشرات فنية أو أساسية، من عدد من القواعد لاتخاذ قرارات الاستثمار. ويمكن تمثيل تلك الاستراتيجية بوصفها شجرة قرار تمثل فيها العقد النهائية قرارات الاستثمار وتمثل العقد الوظيفية قواعد تستند إما إلى مؤشرات تقنية أو أساسية. وبسبب هذه الحقيقة، يتم تمثيل العديد من استراتيجيات الاستثمار القائمة في شكل أشجار القرار.
وفي المجموع تم اختيار اثنين وأربعين مؤشرا مختلفا واستخدمت من التحليل الفني والتحليل الأساسي. وكانت الاستراتيجيات المتطورة لفترة ثابتة لمدة ثلاثة أشهر أو ستة أشهر أو تسعة أشهر أو اثني عشر شهرا. ثم تم اختبار أشجار القرار مرة أخرى باستخدام بيانات السوق من 2018 إلى 2018.
البرمجة الوراثية.
البرمجة الوراثية هي تخصص خوارزمية جينية. الخوارزميات الجينية هي عدد السكان، وهذا يعني أنها تعمل ضمن مجموعة تتكون من العديد من الأفراد المختلفة. ويمثل كل فرد من قبل النمط الوراثي الفريد (عادة ترميز كمتجه). الخوارزميات الجينية نموذج عملية التطور الجيني من خلال عدد من المشغلين بما في ذلك المشغل اختيار الذي نماذج البقاء للأصلح، المشغل كروس الذي نماذج التكاثر الجنسي ومشغل طفرة الذي نماذج الطفرات الوراثية التي تحدث بشكل عشوائي للأفراد في السكان. هؤلاء المشغلين، عندما مجتمعة، تنتج ما يشير علماء الكمبيوتر إلى خوارزمية جينية.
الشركات الثلاث من الخوارزمية الجينية التي تطبق على عدد من ناقلات (كتل)
الفرق بين الخوارزمية الجينية وخوارزمية البرمجة الوراثية هو الطريقة التي يتم بها تمثيل الأنماط الجينية الفردية. في الوراثة الخوارزمية الجينية يتم تمثيلها إما السلاسل أو كما ناقلات بينما في البرمجة الوراثية يتم تمثيل هذه الأنماط الجينية باستخدام هياكل البيانات شجرة. عملية كروس على هياكل شجرة يمكن أن يحدث في عدد قليل من الطرق، إما يتم تبديل شجرة فرعية خارج، يتم إزالة عقدة ورقة أو تغييرها، أو يتم تعديل قيم بعض العقدة. ويرد أدناه توضيح لذلك،
ويصور هذا الرسم البياني استراتيجية كروس من شجرة القرارات التي تستخدمها البرمجة الوراثية لتحليل الأمن.
بعد هذه الدراسة خلصنا إلى أن البرمجة الوراثية لديها امكانات كبيرة لتطوير استراتيجيات جديدة لتحليل الأمن وإدارة الاستثمار شريطة أنه يمكن استخلاص وظائف أفضل لحساب اللياقة البدنية. خلال دراستنا البحثية رأينا أن أشجار القرار تطورت باستخدام البرمجة الوراثية كانت قادرة على إنتاج تصنيفات الأسهم التي تغلب على متوسط العائد السوق باستمرار على مدى أربعة أرباع. وينطبق ذلك على أشجار القرارات التي استخدمت المؤشرات الفنية وكذلك أشجار القرارات التي استخدمت مؤشرات أساسية. وقد تم استخلاص عدد من الاستنتاجات الأخرى من بحثنا بما في ذلك الأحجام المثلى ومستوى عدم التجانس لأشجار القرار والقيمة المضافة بمؤشرات مختلفة وأداء الاستراتيجيات المتعلقة ببعضها البعض. وترد بعض النتائج أدناه.
العلاقة بين حجم شجرة القرار واللياقة البدنية معظم المؤشرات الشعبية المستخدمة في شجرة القرار النهائية.
متوسط أحجام الأشجار في التكرار مثال تحليل الأمان شجرة القرار مثال تحليل الأمان شجرة القرارات.
استنتاج.
تم إنتاج تقريرين بحثيين مستقلين من قبل نفسي وصديقي. كلا التقريرين تذهب إلى مزيد من التفاصيل حول دراستنا البحثية، والنهج المتبع، وتصميمنا وتنفيذها، واستراتيجيات الاختبار استخدمنا، واستنتاجاتنا وتوصيات لمزيد من البحث. يمكنك أيضا تنزيل نسخة من شفرة المصدر التي تم إنشاؤها أثناء التنفيذ. لزملائي أكثر حساب فني للمشروع يرجى الضغط هنا.
القصة السابقة.
تجميع باستخدام النمل المستعمرة الأمثل.
قصة المقبلة.
أنظمة التداول الذكي الخوارزمية.
[تم نسخ التعليق من مجموعة لينكيدين الحسابية المالية]
عمل جميل جدا. الكتابة حتى رائع أيضا.
لم يكن لدي سوى فرصة لإلقاء نظرة على التقرير. بعض الإحصاءات التي قد تكون جيدة للنظر في: كيف تقارن محفظة غا الخاصة بك للمحافظ من نفس الأصول. سوف ألقي نظرة على محفظتي مقارنة: محفظة متساوية الوزن ومحفظة على غرار S & أمب؛ P التي يتم ترجيحها من حيث القيمة السوقية.
كما اتضح، فإنه يمكن أن يكون من المستغرب أن تغلب على محفظة متساوية الوزن. إعادة توازن المحافظ كل ثلاثة أشهر، حيث أن بعض الأسهم سوف ترتفع وسوف ينخفض بعضها (على سبيل المثال، تريد الاحتفاظ بأوزان المحفظة على قدم المساواة مع تغير الأسعار). إذا خوارزمية الجينات الخاص بك يدق هذه المحافظ ثم لديك "ألفا" (العائد الزائد على المعيار).
بالطبع ألفا ليس كل شيء. يجب أن ننظر إلى فقدان الذيل المتوقع (إيتل) (المعروف أيضا باسم القيمة المعرضة للمخاطر المشروطة، النقص المتوقع) لكل من محفظة غا و "المعيار". إذا كان لديك خطر أقل لنفس العائد ثم يمكنك أن تنظر أن تغلب على المعيار. مقياس إتل هو مقياس أفضل من نسبة شارب عندما يتعلق الأمر بالمخاطر، حيث أن نسبة شارب تقيس التباين، وهو جانبين. إتل يقيس الخسارة فقط.
ملاحظة: مشكلة مع غا والشبكات العصبية (ن) هي أنها صناديق سوداء. ومن الصعب تحديد سبب جعلهم "الخيارات" التي يقومون بها. لذلك تخيل أنك مدير محفظة. يبدأ أداء غا أو ن أداء ضعيفا. ما الخطوات التي يمكنك اتخاذها لمعالجة هذا؟ المشكلة هي، كل ما يمكنك القيام به حقا هو إعادة تدريب وكنت لا تعرف إذا إعادة التدريب سوف نفعل ما هو أفضل. بالطبع مع شجرة القرار ليست سيئة للغاية، لأن على الأقل كنت تعرف ما هي القرارات التي اتخذتها. المشكلة هي، إذا كنت باستمرار تويتس لاتخاذ القرارات "الصحيحة" ثم كنت قد حصلت على مشكلة أيضا.
هذه القضايا هي الأسباب التي لا ترى هذه الخوارزميات المستخدمة كثيرا (على الرغم من أنها تستخدم).
[تم نسخ الاستجابة من مجموعة لينكيدين الحسابية المالية]
شكرا لك على كلمات مجانية إيان، ونحن نقدر لك أخذ الاهتمام في أبحاثنا وتزويدنا ببعض التعليقات الثاقبة.
في مقاربتنا قارنا فقط أداء عمليات اختيار الأسهم التي أجرتها أشجار القرار لدينا مقابل محفظة ذات وزن متساو. إن توسيع نطاق أبحاثنا لدمج محافظ مختلفة هو فكرة مثيرة للاهتمام سوف نتابعها خلال المرحلة التالية من التطوير. وننظر أيضا في تنفيذ بعض النهج المعروفة لتحليل الأمن لاستخدامها كمعايير أداء إضافية. إذا كان لديك أو لدى أي شخص آخر اقتراحات بشأن المقاربات التي قد تحقق معايير جيدة، فيرجى إبلاغي بذلك.
تعليقاتك حول استخدام مقاييس الأداء الأخرى هي بقعة على. ونود بالتأكيد إعادة النظر في إطار الاختبار الخلفي والتحقيق في سبل جعلها أكثر صرامة وأقل عرضة للإفراط في تركيبها. ونود أيضا تنفيذ وظائف إضافية للياقة البدنية تأخذ في الاعتبار تدابير مخاطر محفظة وكذلك تدابير العائد الزائد (ألفا). وسوف ننظر في التدابير التي ذكرتها ونرى كيف أفضل يمكننا دمجها في إطارنا الحالي. كما سننظر أيضا في كيفية استخدام إطار اختبار خلفي مفتوح المصدر مثل زيبلين، وإطار الاختبار الخلفي الذي يستخدمه النظام الكمي.
ملاحظاتك بشأن طبيعة واستخدام غا والشبكات العصبية في التمويل مثيرة جدا للاهتمام. والتحدي المتمثل في جعل هذه الخوارزميات أكثر شفافية، وبصراحة تامة، أقل قليلا مخيفة، هو واحد لا ينبغي أن يؤخذ على محمل الجد. زميلي يعمل حاليا على مهمة بحثية حيث يحاول رفع الحجاب على بعض الأعمال الداخلية للشبكات العصبية. إذا كان ناجحا، ثم بدلا من الحاجة إلى إعادة تدريب الشبكات العصبية باستمرار عندما "شيء يذهب على نحو خاطئ"، وقال انه قد تكون قادرة على عزل سبب المشكلة في الشبكة العصبية وتكييف هيكلها وفقا لذلك. وهو يفكر في استخدام التطبيق المالي العالمي الحقيقي للشبكات العصبية في بحثه. لذلك إذا كان لديك أي أفكار حول ذلك، واسمحوا لي أن أعرف؟
شخصيا، أنا أعمل حاليا على مهمة البحث حيث أنا محاولة لبناء إطار حسابي لحمل التجارة اختيار محفظة والتحسين. فإنه يجعل من استخدام بعض خوارزميات الذكاء الحسابي والمضي قدما وسوف نأخذ في الاعتبار القضايا التي ذكرتها. وسأحاول تحديد سبل التخفيف من هذه الشواغل أو إزالتها في الإطار. شكرا مرة أخرى على كل ما تبذلونه من التعليقات، ونحن نقدر ردود الفعل. إذا كان لديك أي أفكار جيدة أكثر، يرجى الاتصال بنا.
[تم نسخ التعليق من مجموعة لينكيدين الحسابية المالية]
وأعتقد أن النهج الأكثر معقولية ل باكتستينغ هو مقارنة النتائج الخاصة بك إلى ما يحدث مع التداول العشوائي الذي لا يزال يطيع أي قيود كنت فرض على محفظة. ويناقش هذا في:
[تم نسخ الاستجابة من مجموعة لينكيدين الحسابية المالية]
شكرا باتريك، وهذا هو اقتراح جيد. أنا أفهم النهج لأن مفهوم باكتستينغ خوارزمية ضد استراتيجية التداول العشوائي هو من الناحية المفاهيمية مماثلة لاختبار خوارزمية البحث ضد البحث العشوائي. ما هو شيء فعلته من قبل. ما مدى شعبية أن تقول أن استراتيجية باكتستينغ هو؟
[تم نسخ الاستجابة من مجموعة لينكيدين الحسابية المالية]
ستيوارت: لا تحظى بشعبية كبيرة. ولكن يجب أن تبدأ في مكان ما.
[تم نسخ التعليق من مجموعة لينكيدين الحسابية المالية]
تبدو جيدة، ما هو السبب في استخدام 62 أسهم التكنولوجيا، وليس 500 أسهم؟
[نسخ الاستجابة من مجموعة لينكيدين الحسابية المالية]
مرحبا جز، وهذا هو سؤال جيد وأنا سعيد لأنك سألت ذلك. وناقشنا نهجنا، وسيكون الرأي الخارجي موضع تقدير كبير. لقد اقتصرنا عينة الاختبار على قطاع واحد فقط لسببين:
1) نعتقد أن أشجار القرارات التي تستخدم المؤشرات الأساسية يمكن أن تختلف اختلافا كبيرا بين مختلف الصناعات. ويرجع ذلك إلى أن النسبة المالية يمكن أن تختلف بين صناعات مختلفة، ونعتقد أن المستثمر الذي يستخدم هذا النهج سوف يرغب في تطوير أشجار القرار لكل قطاع بشكل مستقل.
2) أعطيت لنا ثلاثة أسابيع فقط لإكمال المهمة، وكنا قلقين من أن إضافة المزيد من الأسهم سيكون وقتا طويلا جدا. وقد اتضح أن ذلك كان مصدر قلق لا أساس له من الصحة حيث أن تطبيقنا يمكن أن يعالج بسهولة جميع الأسهم ال 500 على مؤشر S & أمب؛ P500 دون أي مشاكل كبيرة في الأداء.
** ملاحظة: هذا لا ينطبق على أشجار القرار باستخدام مؤشرات التحليل الفني.
مثيرة للاهتمام للغاية. أحسنت ستيوارت.
انها ممارسة مثيرة للاهتمام، ولكن أنا لا أرى ما هي ميزة غب ضد ببساطة تدريب شجرة القرار كله باستخدام بعض التدابير النجاسة. يبدو أنه يفعل نفس الشيء فقط بشكل غير فعال جدا وربما مع دقة أقل جدا.
مرحبا إيغناس، ليكون غب تماما صادق يعاني من العديد من السلبيات وتقنية لا يزال يجري الكمال. بعد أن قيل، التقليدية أساليب اتخاذ القرار شجرة (التي أنا في الآونة الأخيرة مروحة من) أيضا عيوبها التي قد (أو قد لا) التغلب عليها البرمجة الوراثية.
أنا أحاول إعادة تنفيذ الجمعية العامة في الثعبان. ما هي بعض المكتبات بيثون أن يوصي.
هل حاولت تداول نظامك المباشر؟
مرحبا لورانس، للأسف لا. هذا المنصب هو تماما عدد من سنوات من العمر ويمثل مشروع اسكواش القديم من الألغام :-). أود أن أوصي نلقي نظرة على جينوتيك لاستراتيجية التداول القائم على البرمجة الجينية غير منحازة. وأعتقد أن الناس يتداولون على الهواء مباشرة.
إرسال تعليق.
إلغاء الرد.
اتبع تورينج المالية.
تورينغ المالية القائمة البريدية.
أصدقاء تورينج المالية.
الكوانتوقراطية هو أفضل التمويل الكمي بلوق مجمع مع وصلات لتحليل جديد نشرت كل يوم.
نمركل هو صندوق التحوط الكمي أنا جزء من. نحن نستخدم آلة التعلم في محاولة للفوز على السوق.
إنشاء نظام تداول ضمن معمل نظام التداول.
سيقوم نظام نظام التداول بتوليد أنظمة التداول تلقائيا في أي سوق في بضع دقائق باستخدام برنامج كمبيوتر متطور جدا يعرف باسم إيمغب (الحث التلقائي من رمز الجهاز مع البرمجة الوراثية). يتم إنشاء نظام التداول داخل مختبر نظام التداول في 3 خطوات سهلة. أولا، يتم تشغيل ما قبل المعالج بسيط أن يستخرج تلقائيا و بريبروسيسس البيانات اللازمة من السوق التي ترغب في العمل معها. تسل يقبل كسي، ميتاستوك، إيق، ترادستاتيون، بيانات الإنترنت مجانا، أسي، تكست، كسف، كومبوتراك، دوجونيس، فوتورسورس، TeleChart2000v3، تكتولس، شمل، ثنائي والإنترنت الجري البيانات. ثانيا، يتم تشغيل مولد نظام التداول (غب) لعدة دقائق، أو أكثر، لتطوير نظام التداول الجديد. يمكنك استخدام البيانات الخاصة بك، وأنماط، والمؤشرات، والعلاقات بين الشركات أو البيانات الأساسية داخل تسل. ثالثا، يتم تنسيق نظام التداول المتطور لإنتاج إشارات نظام التداول الجديدة من داخل تراديستاتيون ™ أو العديد من منصات التداول الأخرى. سوف تسل الكتابة تلقائيا لغة سهلة، جافا، المجمع، رمز C، C # رمز و ويالثلاب لغة البرنامج النصي. ويمكن بعد ذلك تداول نظام التداول يدويا، أو تداوله من خلال وسيط، أو تداوله تلقائيا. يمكنك إنشاء نظام التداول بنفسك أو يمكننا القيام بذلك نيابة عنك. ثم، إما أنت أو الوسيط الخاص بك قد تتاجر النظام إما يدويا أو تلقائيا.
يحتوي البرنامج الجيني مختبر نظام التداول على العديد من الميزات التي تقلل من إمكانية منحنى المناسب، أو إنتاج نظام التداول التي لا تستمر في أداء في المستقبل. أولا، أنظمة التداول تطورت حجمها إلى أسفل إلى أدنى حجم ممكن من خلال ما يسمى بارسيموني الضغط، مستمدة من مفهوم الحد الأدنى لطول الوصف. وبالتالي فإن نظام التداول الناتج هو بسيط قدر الإمكان، ويعتقد عموما أن أبسط نظام التداول هو، كلما كان ذلك أفضل أداء في المستقبل. وثانيا، يتم إدخال العشوائية في العملية التطورية، مما يقلل من إمكانية إيجاد الحلول محليا، ولكن ليس الأمثل على الصعيد العالمي. يتم عرض العشوائية على ليس فقط مجموعات من المواد الوراثية المستخدمة في أنظمة التداول المتطورة، ولكن في الضغط بارسيموني، الطفرة، كروس وغيرها من المعلمات غب مستوى أعلى. يتم إجراء اختبار العينة أثناء التدريب قيد التقدم مع المعلومات الإحصائية المقدمة على حد سواء في عينة وخارج العينة نظام اختبار. يتم عرض سجلات التشغيل للمستخدم للتدريب والتحقق من صحة البيانات من العينة. تصرف جيد من أداء العينة قد يكون مؤشرا على أن نظام التداول يتطور بخصائص قوية. قد يعني التدهور الكبير في الاختبار التلقائي للخروج من العينة مقارنة باختبار العينة أن إنشاء نظام تجاري قوي موضع شك أو أن المحطة الطرفية أو مجموعة الإدخال قد تحتاج إلى تغيير. وأخيرا، يتم اختيار مجموعة الطرفية بعناية بحيث لا تحيز بشكل مفرط اختيار المواد الوراثية الأولية تجاه أي تحيز أو مشاعر معينة في السوق.
تسل لا يبدأ تشغيله مع نظام التداول محددة مسبقا. في الواقع، يتم فقط تعيين مجموعة الإدخال ومجموعة مختارة من وضع دخول السوق أو وسائط، للبحث التلقائي الدخول والتعيين، في البداية. يمكن استخدام سلوك نمط أو مؤشر يمكن اعتباره حالة صعودية أو التخلص منه أو عكسه داخل الممارس العام. لم يتم تعيين أي نمط أو مؤشر مسبقا لأي تحيز معين في حركة السوق. هذا هو خروج جذري عن تطوير نظام التداول ولدت يدويا.
نظام التداول هو مجموعة منطقية من التعليمات التي تخبر التاجر عند شراء أو بيع سوق معينة. نادرا ما تتطلب هذه التعليمات تدخل أحد المتداولين. يمكن تداول أنظمة التداول يدويا، من خلال مراقبة تعليمات التداول على شاشة الكمبيوتر، أو يمكن تداولها من خلال السماح للكمبيوتر بالدخول إلى الصفقات في السوق تلقائيا. كلتا الطريقتين تستخدمان على نطاق واسع اليوم. هناك المزيد من مديري الأموال المهنية التي تعتبر نفسها التجار "النظامية أو الميكانيكية" من أولئك الذين يعتبرون أنفسهم "تقديرية"، وأداء مديري الأموال المنهجية بشكل عام متفوقة على أن من مديري الأموال التقديرية. وقد أظهرت الدراسات أن حسابات التداول عادة تفقد المال في كثير من الأحيان إذا كان العميل لا يستخدم نظام التداول. إن االرتفاع الكبير في أنظمة التداول على مدى السنوات العشر الماضية واضح بشكل خاص في شركات الوساطة السلعية، ولكن شركات وساطة األسهم والسندات أصبحت على وعي متزايد بالفوائد من خالل استخدام أنظمة التداول وبدأ البعض في تقديم أنظمة التداول إلى عملاء التجزئة.
معظم مديري صناديق الاستثمار المشترك يستخدمون بالفعل خوارزميات حاسوبية متطورة لتوجيه قراراتهم بشأن ما هو "الأسهم الساخنة لاختيار" أو ما "دوران القطاع" في صالح. لقد أصبحت الحواسيب والخوارزميات سائدة في الاستثمار، ونتوقع أن يستمر هذا الاتجاه مع استمرار المستثمرين الأصغر سنا في مجال الكمبيوتر في السماح لأجزاء من أموالهم بإدارة أنظمة التداول للحد من المخاطر وزيادة العائدات. إن الخسائر الفادحة التي يعاني منها المستثمرون الذين يشاركون في شراء وحفظ الأسهم وصناديق الاستثمار المشتركة مع ذوبان سوق الأسهم في السنوات الماضية تعزز هذه الحركة نحو اتباع نهج أكثر انضباطا ومنطقيا في الاستثمار في سوق الأوراق المالية. ويدرك المستثمر العادي أنه يسمح حاليا بالعديد من جوانب حياته وحياة أقاربهم في الحفاظ على أو التحكم في الحواسيب مثل السيارات والطائرات التي نستخدمها للنقل، ومعدات التشخيص الطبي التي نستخدمها من أجل الصيانة الصحية، وحدات تحكم التدفئة والتبريد التي نستخدمها للتحكم في درجة الحرارة، والشبكات التي نستخدمها للمعلومات على شبكة الإنترنت، حتى الألعاب التي نلعب للترفيه. لماذا يعتقد بعض المستثمرين في قطاع التجزئة أنه يمكنهم "إطلاق النار من الورك" في قراراتهم بشأن "ما" الأسهم أو صناديق الاستثمار المشتركة لشراء أو بيع ونتوقع لكسب المال؟ وأخيرا، أصبح المستثمر المتوسط حذرا من المشورة والمعلومات التي قدمها وسطاء عديمي الضمير والمحاسبين ومديري الشركات والمستشارين الماليين.
على مدى السنوات ال 20 الماضية قام علماء الرياضيات ومطوري البرمجيات بالبحث في المؤشرات والأنماط في أسواق الأسهم والسلع التي تبحث عن معلومات قد تشير إلى اتجاه السوق. ويمكن استخدام هذه المعلومات لتعزيز أداء أنظمة التداول. عموما يتم إنجاز عملية الاكتشاف هذه من خلال مزيج من التجربة والخطأ وأكثر تطورا "استخراج البيانات". عادة، فإن المطور يستغرق أسابيع أو أشهر من عدد الطحن من أجل إنتاج نظام التداول المحتمل. في كثير من الأحيان هذا النظام التجاري لن تؤدي بشكل جيد عندما تستخدم فعلا في المستقبل بسبب ما يسمى "منحنى المناسب". على مر السنين كان هناك العديد من أنظمة التداول (وشركات تطوير نظام التداول) التي تأتي وذهب كما فشلت نظمها في التداول المباشر. تطوير أنظمة التداول التي لا تزال تؤدي إلى المستقبل أمر صعب، ولكن ليس من المستحيل إنجاز، على الرغم من عدم وجود المطور الأخلاقي أو مدير المال سيعطي ضمانا غير مشروط أن أي نظام التداول، أو لهذه المسألة أي الأسهم والسندات أو صناديق الاستثمار المشترك، لإنتاج الأرباح في المستقبل إلى الأبد.
ما قد يستغرق أسابيع أو أشهر لمطور نظام التداول لإنتاج في الماضي قد يتم الآن أن تنتج في دقائق من خلال استخدام مختبر نظام التداول. مختبر نظام التداول هو منصة للجيل التلقائي من أنظمة التداول ومؤشرات التداول. تسل يجعل من استخدام عالية السرعة محرك البرمجة الوراثية وسوف تنتج أنظمة التداول بمعدل أكثر من 16 مليون نظام الحانات في الثانية على أساس 56 المدخلات. لاحظ أن عدد قليل فقط من المدخلات سوف تستخدم في الواقع أو ضرورية مما أدى إلى هياكل استراتيجية تطورت بسيطة عموما. مع ما يقرب من 40،000 إلى 200،000 النظم اللازمة للتقارب، والوقت للتقارب لأي مجموعة بيانات يمكن تقريب. نلاحظ أننا لسنا مجرد تشغيل القوة الغاشمة الأمثل من المؤشرات الحالية تبحث عن المعايير المثلى التي لاستخدامها في نظام التداول منظم بالفعل. يبدأ مولد نظام التداول عند نقطة الصفر الأصل دون أي افتراضات حول حركة السوق في المستقبل ثم "يتطور" أنظمة التداول بمعدل مرتفع جدا يجمع بين المعلومات الموجودة في السوق وصياغة مرشحات جديدة والوظائف والشروط والعلاقات كما أنها تتقدم نحو "نظام وراثيا" نظام التداول. والنتيجة هي أنه قد يتم إنشاء نظام تجاري ممتاز في بضع دقائق على 20-30 سنة من بيانات السوق اليومية في أي سوق تقريبا.
على مدى السنوات القليلة الماضية كانت هناك عدة نهج لتحسين نظام التداول التي تستخدم خوارزمية جينية أقل قوة. البرامج الجينية (غب's) متفوقة على الخوارزميات الجينية (غا's) لعدة أسباب. أولا، تتلاقى غب على حل بمعدل هائل (سريع جدا و أسرع) بينما تتقارب الخوارزميات الجينية بمعدل خطي (أبطأ بكثير و لا يحصل على أسرع). ثانيا، غب في الواقع تولد رمز آلة نظام التداول التي تجمع بين المواد الوراثية (المؤشرات والأنماط والبيانات بين السوق) بطرق فريدة من نوعها. قد لا تكون هذه المجموعات الفريدة واضحة حدسي ولا تتطلب تعريفات أولية من قبل مطور النظام. قد تصبح العلاقات الرياضية الفريدة التي تم إنشاؤها مؤشرات جديدة، أو متغيرات في التحليل الفني، لم يتم تطويرها أو اكتشافها بعد. غا، من ناحية أخرى، ببساطة تبحث عن الحلول المثلى لأنها تقدم على نطاق المعلمة. فإنها لا تكتشف علاقات رياضية جديدة ولا تكتب رمز نظام التداول الخاص بها. سيقوم نظام غب بإنشاء رمز نظام التداول بأطوال مختلفة باستخدام جينومات متغيرة الطول لتعديل طول نظام التداول من خلال ما يسمى كروس أوفر غير المتناظر وسوف يتجاهل تماما مؤشرا أو نمطا لا يساهم في كفاءة نظام التداول. غا استخدام فقط كتل التعليمات حجم ثابت، والاستفادة من كروس فقط متجانسة ولا تنتج متغير طول رمز نظام التداول، كما أنها لن تجاهل مؤشر غير فعال أو نمط بسهولة كما غب. وأخيرا، البرامج الوراثية هي التقدم الأخير في مجال التعلم الآلي، في حين تم اكتشاف الخوارزميات الجينية قبل 30 عاما. وتشمل البرامج الوراثية جميع الوظائف الرئيسية للخوارزميات الجينية. كروس، الاستنساخ، الطفرة واللياقة البدنية، ولكن غب وتشمل ميزات أسرع بكثير وقوية، مما يجعل غب أفضل خيار لإنتاج أنظمة التداول. غب المستخدمة في تسل نظام التداول مولد هو أسرع غب المتاحة حاليا وغير متوفرة في أي برامج السوق المالية الأخرى في العالم.
خوارزمية البرمجة الوراثية، محاكي التداول ومحركات اللياقة البدنية المستخدمة في تسل استغرقت أكثر من 8 سنوات لإنتاج.
نظام مختبر التجارة هو نتيجة سنوات من العمل الشاق من قبل فريق من المهندسين والعلماء والمبرمجين والتجار، ونحن نعتقد يمثل التكنولوجيا الأكثر تقدما المتاحة اليوم لتداول الأسواق.
استخدام البرمجة الوراثية لتطوير استراتيجيات التداول.
صديق وأنا عملت مؤخرا معا على مهمة البحث حيث استخدمنا بنجاح البرمجة الجينية (غب) لتطوير حلول لمشكلة التصنيف المالي العالمي الحقيقي. وتشمل هذه المشكلة، التي يطلق عليها تحليل الأمن، تحديد الأوراق المالية التي يجب شراؤها من أجل تحقيق عائد جيد على الاستثمار في المستقبل. لإيجاد حل لهذه المشكلة استخدمنا البرمجة الوراثية لتطوير مجموعة من أشجار القرار التي يمكن أن تؤدي تحليل الأمان على اثنين وستين من أسهم التكنولوجيا المدرجة في S & P 500. وهذا هو، قمنا بتطوير أشجار القرار قادرة على تصنيف تلك الأسهم وفقا لما إذا كان ينبغي شراؤها أو بيعها قصيرة.
تحليل الأمن أشجار القرار.
خلال الدراسة قمنا بتطوير نوعين من أشجار قرار التحليل الأمني. استخدم الأول المؤشرات فقط من التحليل الأساسي والثاني استخدم فقط المؤشرات من التحليل الفني. التحليل الأساسي هو طريقة لتقييم الأمن لقياس قيمته الجوهرية من خلال دراسة العوامل الاقتصادية والمالية وغيرها من العوامل النوعية والكمية ذات الصلة. التحليل الفني هو طريقة لتقييم الأوراق المالية من خلال تحليل الإحصاءات الناتجة عن نشاط السوق.
وستتألف استراتيجية لتحليل الأمن، بغض النظر عما إذا كان يستخدم مؤشرات فنية أو أساسية، من عدد من القواعد لاتخاذ قرارات الاستثمار. ويمكن تمثيل تلك الاستراتيجية بوصفها شجرة قرار تمثل فيها العقد النهائية قرارات الاستثمار وتمثل العقد الوظيفية قواعد تستند إما إلى مؤشرات تقنية أو أساسية. وبسبب هذه الحقيقة، يتم تمثيل العديد من استراتيجيات الاستثمار القائمة في شكل أشجار القرار.
وفي المجموع تم اختيار اثنين وأربعين مؤشرا مختلفا واستخدمت من التحليل الفني والتحليل الأساسي. وكانت الاستراتيجيات المتطورة لفترة ثابتة لمدة ثلاثة أشهر أو ستة أشهر أو تسعة أشهر أو اثني عشر شهرا. ثم تم اختبار أشجار القرار مرة أخرى باستخدام بيانات السوق من 2018 إلى 2018.
البرمجة الوراثية.
البرمجة الوراثية هي تخصص خوارزمية جينية. الخوارزميات الجينية هي عدد السكان، وهذا يعني أنها تعمل ضمن مجموعة تتكون من العديد من الأفراد المختلفة. ويمثل كل فرد من قبل النمط الوراثي الفريد (عادة ترميز كمتجه). الخوارزميات الجينية نموذج عملية التطور الجيني من خلال عدد من المشغلين بما في ذلك المشغل اختيار الذي نماذج البقاء للأصلح، المشغل كروس الذي نماذج التكاثر الجنسي ومشغل طفرة الذي نماذج الطفرات الوراثية التي تحدث بشكل عشوائي للأفراد في السكان. هؤلاء المشغلين، عندما مجتمعة، تنتج ما يشير علماء الكمبيوتر إلى خوارزمية جينية.
الشركات الثلاث من الخوارزمية الجينية التي تطبق على عدد من ناقلات (كتل)
الفرق بين الخوارزمية الجينية وخوارزمية البرمجة الوراثية هو الطريقة التي يتم بها تمثيل الأنماط الجينية الفردية. في الوراثة الخوارزمية الجينية يتم تمثيلها إما السلاسل أو كما ناقلات بينما في البرمجة الوراثية يتم تمثيل هذه الأنماط الجينية باستخدام هياكل البيانات شجرة. عملية كروس على هياكل شجرة يمكن أن يحدث في عدد قليل من الطرق، إما يتم تبديل شجرة فرعية خارج، يتم إزالة عقدة ورقة أو تغييرها، أو يتم تعديل قيم بعض العقدة. ويرد أدناه توضيح لذلك،
ويصور هذا الرسم البياني استراتيجية كروس من شجرة القرارات التي تستخدمها البرمجة الوراثية لتحليل الأمن.
بعد هذه الدراسة خلصنا إلى أن البرمجة الوراثية لديها امكانات كبيرة لتطوير استراتيجيات جديدة لتحليل الأمن وإدارة الاستثمار شريطة أنه يمكن استخلاص وظائف أفضل لحساب اللياقة البدنية. خلال دراستنا البحثية رأينا أن أشجار القرار تطورت باستخدام البرمجة الوراثية كانت قادرة على إنتاج تصنيفات الأسهم التي تغلب على متوسط العائد السوق باستمرار على مدى أربعة أرباع. وينطبق ذلك على أشجار القرارات التي استخدمت المؤشرات الفنية وكذلك أشجار القرارات التي استخدمت مؤشرات أساسية. وقد تم استخلاص عدد من الاستنتاجات الأخرى من بحثنا بما في ذلك الأحجام المثلى ومستوى عدم التجانس لأشجار القرار والقيمة المضافة بمؤشرات مختلفة وأداء الاستراتيجيات المتعلقة ببعضها البعض. وترد بعض النتائج أدناه.
العلاقة بين حجم شجرة القرار واللياقة البدنية معظم المؤشرات الشعبية المستخدمة في شجرة القرار النهائية.
متوسط أحجام الأشجار في التكرار مثال تحليل الأمان شجرة القرار مثال تحليل الأمان شجرة القرارات.
استنتاج.
تم إنتاج تقريرين بحثيين مستقلين من قبل نفسي وصديقي. كلا التقريرين تذهب إلى مزيد من التفاصيل حول دراستنا البحثية، والنهج المتبع، وتصميمنا وتنفيذها، واستراتيجيات الاختبار استخدمنا، واستنتاجاتنا وتوصيات لمزيد من البحث. يمكنك أيضا تنزيل نسخة من شفرة المصدر التي تم إنشاؤها أثناء التنفيذ. لزملائي أكثر حساب فني للمشروع يرجى الضغط هنا.
القصة السابقة.
تجميع باستخدام النمل المستعمرة الأمثل.
قصة المقبلة.
أنظمة التداول الذكي الخوارزمية.
[تم نسخ التعليق من مجموعة لينكيدين الحسابية المالية]
عمل جميل جدا. الكتابة حتى رائع أيضا.
لم يكن لدي سوى فرصة لإلقاء نظرة على التقرير. بعض الإحصاءات التي قد تكون جيدة للنظر في: كيف تقارن محفظة غا الخاصة بك للمحافظ من نفس الأصول. سوف ألقي نظرة على محفظتي مقارنة: محفظة متساوية الوزن ومحفظة على غرار S & أمب؛ P التي يتم ترجيحها من حيث القيمة السوقية.
كما اتضح، فإنه يمكن أن يكون من المستغرب أن تغلب على محفظة متساوية الوزن. إعادة توازن المحافظ كل ثلاثة أشهر، حيث أن بعض الأسهم سوف ترتفع وسوف ينخفض بعضها (على سبيل المثال، تريد الاحتفاظ بأوزان المحفظة على قدم المساواة مع تغير الأسعار). إذا خوارزمية الجينات الخاص بك يدق هذه المحافظ ثم لديك "ألفا" (العائد الزائد على المعيار).
بالطبع ألفا ليس كل شيء. يجب أن ننظر إلى فقدان الذيل المتوقع (إيتل) (المعروف أيضا باسم القيمة المعرضة للمخاطر المشروطة، النقص المتوقع) لكل من محفظة غا و "المعيار". إذا كان لديك خطر أقل لنفس العائد ثم يمكنك أن تنظر أن تغلب على المعيار. مقياس إتل هو مقياس أفضل من نسبة شارب عندما يتعلق الأمر بالمخاطر، حيث أن نسبة شارب تقيس التباين، وهو جانبين. إتل يقيس الخسارة فقط.
ملاحظة: مشكلة مع غا والشبكات العصبية (ن) هي أنها صناديق سوداء. ومن الصعب تحديد سبب جعلهم "الخيارات" التي يقومون بها. لذلك تخيل أنك مدير محفظة. يبدأ أداء غا أو ن أداء ضعيفا. ما الخطوات التي يمكنك اتخاذها لمعالجة هذا؟ المشكلة هي، كل ما يمكنك القيام به حقا هو إعادة تدريب وكنت لا تعرف إذا إعادة التدريب سوف نفعل ما هو أفضل. بالطبع مع شجرة القرار ليست سيئة للغاية، لأن على الأقل كنت تعرف ما هي القرارات التي اتخذتها. المشكلة هي، إذا كنت باستمرار تويتس لاتخاذ القرارات "الصحيحة" ثم كنت قد حصلت على مشكلة أيضا.
هذه القضايا هي الأسباب التي لا ترى هذه الخوارزميات المستخدمة كثيرا (على الرغم من أنها تستخدم).
[تم نسخ الاستجابة من مجموعة لينكيدين الحسابية المالية]
شكرا لك على كلمات مجانية إيان، ونحن نقدر لك أخذ الاهتمام في أبحاثنا وتزويدنا ببعض التعليقات الثاقبة.
في مقاربتنا قارنا فقط أداء عمليات اختيار الأسهم التي أجرتها أشجار القرار لدينا مقابل محفظة ذات وزن متساو. إن توسيع نطاق أبحاثنا لدمج محافظ مختلفة هو فكرة مثيرة للاهتمام سوف نتابعها خلال المرحلة التالية من التطوير. وننظر أيضا في تنفيذ بعض النهج المعروفة لتحليل الأمن لاستخدامها كمعايير أداء إضافية. إذا كان لديك أو لدى أي شخص آخر اقتراحات بشأن المقاربات التي قد تحقق معايير جيدة، فيرجى إبلاغي بذلك.
تعليقاتك حول استخدام مقاييس الأداء الأخرى هي بقعة على. ونود بالتأكيد إعادة النظر في إطار الاختبار الخلفي والتحقيق في سبل جعلها أكثر صرامة وأقل عرضة للإفراط في تركيبها. ونود أيضا تنفيذ وظائف إضافية للياقة البدنية تأخذ في الاعتبار تدابير مخاطر محفظة وكذلك تدابير العائد الزائد (ألفا). وسوف ننظر في التدابير التي ذكرتها ونرى كيف أفضل يمكننا دمجها في إطارنا الحالي. كما سننظر أيضا في كيفية استخدام إطار اختبار خلفي مفتوح المصدر مثل زيبلين، وإطار الاختبار الخلفي الذي يستخدمه النظام الكمي.
ملاحظاتك بشأن طبيعة واستخدام غا والشبكات العصبية في التمويل مثيرة جدا للاهتمام. والتحدي المتمثل في جعل هذه الخوارزميات أكثر شفافية، وبصراحة تامة، أقل قليلا مخيفة، هو واحد لا ينبغي أن يؤخذ على محمل الجد. زميلي يعمل حاليا على مهمة بحثية حيث يحاول رفع الحجاب على بعض الأعمال الداخلية للشبكات العصبية. إذا كان ناجحا، ثم بدلا من الحاجة إلى إعادة تدريب الشبكات العصبية باستمرار عندما "شيء يذهب على نحو خاطئ"، وقال انه قد تكون قادرة على عزل سبب المشكلة في الشبكة العصبية وتكييف هيكلها وفقا لذلك. وهو يفكر في استخدام التطبيق المالي العالمي الحقيقي للشبكات العصبية في بحثه. لذلك إذا كان لديك أي أفكار حول ذلك، واسمحوا لي أن أعرف؟
شخصيا، أنا أعمل حاليا على مهمة البحث حيث أنا محاولة لبناء إطار حسابي لحمل التجارة اختيار محفظة والتحسين. فإنه يجعل من استخدام بعض خوارزميات الذكاء الحسابي والمضي قدما وسوف نأخذ في الاعتبار القضايا التي ذكرتها. وسأحاول تحديد سبل التخفيف من هذه الشواغل أو إزالتها في الإطار. شكرا مرة أخرى على كل ما تبذلونه من التعليقات، ونحن نقدر ردود الفعل. إذا كان لديك أي أفكار جيدة أكثر، يرجى الاتصال بنا.
[تم نسخ التعليق من مجموعة لينكيدين الحسابية المالية]
وأعتقد أن النهج الأكثر معقولية ل باكتستينغ هو مقارنة النتائج الخاصة بك إلى ما يحدث مع التداول العشوائي الذي لا يزال يطيع أي قيود كنت فرض على محفظة. ويناقش هذا في:
[تم نسخ الاستجابة من مجموعة لينكيدين الحسابية المالية]
شكرا باتريك، وهذا هو اقتراح جيد. أنا أفهم النهج لأن مفهوم باكتستينغ خوارزمية ضد استراتيجية التداول العشوائي هو من الناحية المفاهيمية مماثلة لاختبار خوارزمية البحث ضد البحث العشوائي. ما هو شيء فعلته من قبل. ما مدى شعبية أن تقول أن استراتيجية باكتستينغ هو؟
[تم نسخ الاستجابة من مجموعة لينكيدين الحسابية المالية]
ستيوارت: لا تحظى بشعبية كبيرة. ولكن يجب أن تبدأ في مكان ما.
[تم نسخ التعليق من مجموعة لينكيدين الحسابية المالية]
تبدو جيدة، ما هو السبب في استخدام 62 أسهم التكنولوجيا، وليس 500 أسهم؟
[نسخ الاستجابة من مجموعة لينكيدين الحسابية المالية]
مرحبا جز، وهذا هو سؤال جيد وأنا سعيد لأنك سألت ذلك. وناقشنا نهجنا، وسيكون الرأي الخارجي موضع تقدير كبير. لقد اقتصرنا عينة الاختبار على قطاع واحد فقط لسببين:
1) نعتقد أن أشجار القرارات التي تستخدم المؤشرات الأساسية يمكن أن تختلف اختلافا كبيرا بين مختلف الصناعات. ويرجع ذلك إلى أن النسبة المالية يمكن أن تختلف بين صناعات مختلفة، ونعتقد أن المستثمر الذي يستخدم هذا النهج سوف يرغب في تطوير أشجار القرار لكل قطاع بشكل مستقل.
2) أعطيت لنا ثلاثة أسابيع فقط لإكمال المهمة، وكنا قلقين من أن إضافة المزيد من الأسهم سيكون وقتا طويلا جدا. وقد اتضح أن ذلك كان مصدر قلق لا أساس له من الصحة حيث أن تطبيقنا يمكن أن يعالج بسهولة جميع الأسهم ال 500 على مؤشر S & أمب؛ P500 دون أي مشاكل كبيرة في الأداء.
** ملاحظة: هذا لا ينطبق على أشجار القرار باستخدام مؤشرات التحليل الفني.
مثيرة للاهتمام للغاية. أحسنت ستيوارت.
انها ممارسة مثيرة للاهتمام، ولكن أنا لا أرى ما هي ميزة غب ضد ببساطة تدريب شجرة القرار كله باستخدام بعض التدابير النجاسة. يبدو أنه يفعل نفس الشيء فقط بشكل غير فعال جدا وربما مع دقة أقل جدا.
مرحبا إيغناس، ليكون غب تماما صادق يعاني من العديد من السلبيات وتقنية لا يزال يجري الكمال. بعد أن قيل، التقليدية أساليب اتخاذ القرار شجرة (التي أنا في الآونة الأخيرة مروحة من) أيضا عيوبها التي قد (أو قد لا) التغلب عليها البرمجة الوراثية.
أنا أحاول إعادة تنفيذ الجمعية العامة في الثعبان. ما هي بعض المكتبات بيثون أن يوصي.
هل حاولت تداول نظامك المباشر؟
مرحبا لورانس، للأسف لا. هذا المنصب هو تماما عدد من سنوات من العمر ويمثل مشروع اسكواش القديم من الألغام :-). أود أن أوصي نلقي نظرة على جينوتيك لاستراتيجية التداول القائم على البرمجة الجينية غير منحازة. وأعتقد أن الناس يتداولون على الهواء مباشرة.
إرسال تعليق.
إلغاء الرد.
اتبع تورينج المالية.
تورينغ المالية القائمة البريدية.
أصدقاء تورينج المالية.
الكوانتوقراطية هو أفضل التمويل الكمي بلوق مجمع مع وصلات لتحليل جديد نشرت كل يوم.
نمركل هو صندوق التحوط الكمي أنا جزء من. نحن نستخدم آلة التعلم في محاولة للفوز على السوق.
No comments:
Post a Comment