بيثون الخوارزمية الجينية لنظام التداول

بيثون خوارزمية التداول المكتبة.
بيالغوتريد هي مكتبة بيثون خوارزمية التداول مع التركيز على باكتستينغ ودعم تداول الورق والتجارة الحية. لنفترض أن لديك فكرة عن استراتيجية التداول وكنت ترغب في تقييمها مع البيانات التاريخية ونرى كيف يتصرف. بيالغوتريد يسمح لك أن تفعل ذلك مع الحد الأدنى من الجهد.
الخصائص الرئيسية.
موثقة بالكامل. الحدث مدفوعة . يدعم السوق، والحد، وإيقاف أوامر ستوبليميت. يدعم Yahoo! المالية، جوجل المالية و نينجاترادر ​​ملفات كسف. يدعم أي نوع من البيانات سلسلة الوقت في تنسيق كسف، على سبيل المثال كواندل. دعم التداول بيتكوين من خلال بيتستامب. المؤشرات والفلاتر الفنية مثل سما، وما، إما، رسي، بولينجر باند، هورست أس وغيرها. مقاييس الأداء مثل نسبة شارب وتحليل السحب. التعامل مع أحداث تويتر في الوقت الحقيقي. ملف تعريف الحدث. تا-ليب التكامل.
من السهل جدا لتوسيع نطاق أفقيا، وهذا هو، باستخدام جهاز كمبيوتر واحد أو أكثر ل باكتست استراتيجية.
بيالغوتريد مجاني، مفتوح المصدر، ومرخص تحت رخصة أباتشي، الإصدار 2.0.

بيثون الخوارزمية الجينية لنظام التداول
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.

بيثون الخوارزمية الجينية لنظام التداول
الحصول على فيا أب ستور قراءة هذه المشاركة في التطبيق لدينا!
البرمجة الوراثية للتجارة: كيفية تمثيل الكروموسومات.
أنا أعمل على خوارزمية جينية في الثعبان التي يمكن استخدامها للتداول. و برينسيب هو بسيط إذا كنت معتادا على خوارزميات التطور: الجينات تمثل استراتيجيات التداول: لتكون أكثر تحديدا، كل جين هو شجرة من هذا النموذج:
وهذا يمكن تفسيره على أنه قيمة منطقية مثل هذا:
إذا كان الجواب صحيح، ثم إرسال إشارة شراء، وبيع إشارة خلاف ذلك.
هذا مثال على كيفية تمثيل شجرة مثل هذا في الثعبان:
المشكلة هي أنني لا أستطيع التفكير في تقنية جيدة لل كروس ومشغلي الطفرة. أيه أفكار؟
وينبغي أن يكون المشغلون قابلا للتبديل بأمان - في حالة قبول جميع أنواع المدخلات نفسها وإرجاع نفس نوع المخرجات (على الأرجح).
ليس من الضروري ولكن فكرة جيدة (عن طريق الشبكات العصبية): استخدام ديفيرنتيابل المشغل وظائف - أي بدلا من العودة نعم أو لا، والعودة "درجة من نعم-نيس". وهذا يوفر ردود فعل أكثر تدرجا على التحسينات على التعبير الخاص بك. ويمكن أن يكون من المفيد أيضا إعطاء كل عامل قيمة تحكم محدد القيمة لضبط سلوكه.
يمكن أن يقوم مشغل الطفرة بتغيير نوع المشغل أو نقطة ضبطه؛ عملية كروس عادة مبادلة الأشجار الفرعية.
تمثيل شجرة ثنائية قياسية إلى حد ما هو في شكل قائمة مثل [رأس، يسار، يمين، يسار-يسار، يسار-يمين، يمين-يسار، يمين-يمين، يسار-يسار-يسار،. ]. الشيء الجميل هو أنه، نظرا للمؤشر من أي عقدة، يمكنك حساب فورا الأم، واليسار والطفل، ومؤشرات الطفل الحق. الجانب السلبي هو أنه يمكن أن تضيع الكثير من المساحة إذا كان لديك هيكل شجرة متفرق. أيضا، ينبغي أن يتم بشكل صحيح نسخ سوبتريز عن طريق وظيفة عودية، وليس شريحة بسيطة و لصق كما يظهرSlater أعلاه.
هذه ليست عادة الطريقة التي يتم تمثيل الخوارزميات الجينية، وأنا شخصيا لا أشعر أن الخوارزمية الجينية هي النهج الصحيح لهذا، ولكن مع ذلك هذا ممكن بالتأكيد.
على افتراض أنك ترغب فقط في التفاعل مع هذه المجموعة المحددة من المتغيرات، لديك مجموعة صغيرة من القيم المحتملة:
وهذا يعني أنك يمكن أن تمثل بسهولة هذه كقائمة مسطحة:
كروسوفر هو مجرد خلط اثنين من الكروموسومات في بعض نقطة الانقسام محددة:
الطفرة ثم هو أيضا تافهة نسبيا، مجرد تغيير عدد عشوائيا، وتحويل المشغل منطقي، وما إلى ذلك سأترك هذا واحد كممارسة للقارئ على الرغم من.

بيثون الخوارزمية الجينية لنظام التداول
الخوارزميات الجينية هي خوارزميات تحاكي الانتقاء الطبيعي. هذه خوارزمية متطورة بسيطة تتداول الأسهم العليا. أساسا، يتم إنشاء استراتيجيات الزخم بشكل عشوائي. واستنادا إلى كيفية تنفيذ هذه الاستراتيجيات على مدى فترة من الزمن (30 يوما)، يتم اختيار أفضل الأداء أو الآباء. باستخدام سمات هؤلاء الآباء والأمهات، يتم إنشاء خوارزميات جديدة التي لها سمات مماثلة للوالدين. ثم يتم تكرار هذه العملية. يتم إجراء الصفقات باستخدام خوارزمية أفضل أداء بشكل عام.
على الرغم من أن الاستراتيجيات التي يجري تطويرها أساسية ولا تؤدي أداء عظيما، إلا أن هذا يعني أن يكون مثالا. أعتقد أن هناك العديد من الطرق التي يمكن للمرء أن يمتد بها، مثل الابتعاد عن الزخم أو استيراد البيانات ذات الصلة من ملف كسف. وهناك أيضا بعض المتغيرات التي يمكن تعديلها بسهولة والتي قد تؤدي إلى نتائج أفضل، ويتم التعليق على التعليمات البرمجية. استنساخ هذا، ولعب حولها معها، واسمحوا لي أن أعرف ما هو رأيك!
يتم توفير المواد على هذا الموقع لأغراض إعلامية فقط ولا تشكل عرضا للبيع أو طلب شراء أو توصية أو تأييد لأي أمن أو استراتيجية، كما أنها لا تشكل عرضا لتقديم الخدمات الاستشارية الاستثمارية من قبل كوانتوبيان. وبالإضافة إلى ذلك، لا تقدم المادة أي رأي فيما يتعلق بملاءمة أي ضمان أو استثمار محدد. لا ینبغي اعتبار أي معلومات واردة في ھذه الوثیقة بمثابة اقتراح للانخراط في أي مسار عمل یتعلق بالاستثمار أو الامتناع عنھ حیث لا یقوم أي من کوانتوبيان أو أي من الشرکات التابعة لھ بتقدیم المشورة الاستثماریة أو العمل کمستشار لأي خطة أو کیان خاضع ل وقانون تأمين دخل التقاعد للموظفين لعام 1974، بصيغته المعدلة، أو حساب التقاعد الفردي أو المعاش التقاعدي الفردي، أو تقديم المشورة بصفة الأمانة فيما يتعلق بالمواد المعروضة في هذه الوثيقة. إذا كنت مستقلا فرديا أو مستثمرا آخر، فاتصل بمستشارك المالي أو أي جهة مالية أخرى لا علاقة لها بكوانتوبيان حول ما إذا كانت أي فكرة استثمار أو إستراتيجية أو منتج أو خدمة معينة مذكورة هنا قد تكون مناسبة لظروفك. وتشمل جميع الاستثمارات مخاطر، بما في ذلك خسارة أصل الدين. لا تقدم كوانتوبيان أي ضمانات بشأن دقة أو اكتمال الآراء المعرب عنها في الموقع. وتخضع اآلراء للتغيير، وقد تصبح غير موثوقة ألسباب مختلفة، بما في ذلك التغيرات في ظروف السوق أو الظروف االقتصادية.
شكرا تقاسم الخاص بك!
بعض المراجع المثيرة للاهتمام:
مكتبات البرمجة الوراثية في بيثون:
بيفولوتيون: إطار خوارزميات التطورية جدا وموسع جدا، مع وثائق كاملة، أباتشي الترخيص 2.0.
دياب: الخوارزميات التطورية الموزعة في بيثون، غنو ليسر غل.
بيستب: بيثون بقوة كتابة جينيتيك البرمجة، معهد ماساتشوستس للتكنولوجيا الترخيص.
البيروبوت: خوارزميات التطور (غا + غب) وحدات، المصدر المفتوح.
بونيجا صغير، وتنفيذ ملف مصدر واحد من غي، مع تطبيق تجريبي الرسومات التفاعلية غنو غل V3.
إنزبيرد: حساب مستوحى من الناحية البيولوجية يشمل مجموعة واسعة من الخوارزميات بما في ذلك الحساب التطوري، الذكاء سرب، والشبكات العصبية، غنو غل V3.
درب: إخراج روبي البرمجة، البرمجة الوراثية & أمب؛ مكتبة تطور النحوية، غنو غل.
جوناثان كينلاي تم نشر مؤخرا عن ممارسات ومزالق البرمجة الوراثية للتداول الحسابي. حاولت نظاما يقوم على ذلك قبل حوالي عشر سنوات، ولكن لم يحصل حقا في أي مكان.
وأنا أعلم أنه لمشاكل التحسين العالمية غير الخطية، كان لدينا نتائج جيدة (في المشتقات نموذج المناسب) مع تطور سرب الجسيمات سرب. وربما يمكن تكييف ذلك مع مشاكل البحث في النظام التجاري.
تي لتقاسم هذا هو في الواقع منطقتي من البحوث، وذلك باستخدام بضع سنوات من البيانات التاريخية اعتدت على الحاجة أكثر من 1 يوم لحساب نموذج أتساءل كيف كالكوبيان والثعبان التعامل مع نماذج كبيرة.
لقد حاولنا البرمجة الجينية والنتائج عند تعديلها لتطفل البيانات الرهيبة. بالنسبة للمبتدئين الذين ليسوا على دراية التحيز التعدين البيانات انظر هذا بلوق: برايساكتيونلاب / مدونة / 2018/06 / ينخدع من قبل العشوائية من خلال الاختيار-التحيز /
Smonmon: الدكتور كينلاي يجعل بضع نقاط جيدة ولكن النظام الذي ينشر في نهاية بلوق له 240 الصفقات في ما يقرب من 25 عاما. عدد قليل من الصفقات هو مؤشر واحد على تناسب المتطرفة. والنقطة هي أنه إذا كان نظامه أفضل أداء لخوارزمية البرمجة الجينية، فمن المحتمل أن يكون ذلك عشوائيا حتى لو كان أداء العينة بعيدا عن الأنظار لأن اختياره يتجاهل كل تلك الأنظمة مع سوء أداء العينة.
أنا أوافق 100٪، وأعتقد أنها في الغالب طريق مسدود، ولكن ربما تطور تفاضلي للشبكات العصبية العميقة قد تناسب العلاقات الحقيقية؟ سوبر صعبة لتجنب التحيز التعدين على الرغم من ذلك، العديد من درجات الحرية. وقد تساعد تقنية "ماركو دي برادو" لكتابة الحزم الخلفية.
غب هو مجرد خوارزمية التحسين، أنها جيدة مثل وظيفة اللياقة البدنية والنموذج الذي تحاول تحسين. إذا كان النموذج هو أكثر من المناسب ثم وظيفة اللياقة البدنية الخاص بك لا يقوم بعمله بشكل صحيح إذا كان النموذج لا يتطور ثم الاستراتيجية يجري الأمثل ليست جيدة. أرى غب أكثر باعتباره أداة مربع.
لطيفة جدا غوس. الكثير من الطعام للفكر هنا. كان ينظر في جينوتيك مؤخرا - كتب في جافا وحتى قليلا من شعار بالنسبة لي. ولكن إذا كنت بارعون في جافا قد ترغب في اتخاذ نظرة. جنوتيك.
أنا أحاول أن تفعل شيئا مماثلا باستخدام البرمجة الوراثية، ولكن في محاولة لخلق المزيد من التحول مفتاح التطبيق على شبكة الإنترنت النهج.
أحب بعض ردود الفعل، وأود أن توسيع سلسلة البيانات والتقنيات المتوفرة للإطار.
كما تحاول تعلم بايثون للقيام ببعض الاشياء كوانتوبيان (انا رجل جافا).
عذرا، هناك خطأ ما. حاول مرة أخرى أو اتصل بنا عن طريق إرسال الملاحظات.
لقد أرسلت بنجاح تذكرة دعم.
سيكون فريق الدعم لدينا على اتصال قريبا.
يتم توفير المواد على هذا الموقع لأغراض إعلامية فقط ولا تشكل عرضا للبيع أو طلب شراء أو توصية أو تأييد لأي أمن أو استراتيجية، كما أنها لا تشكل عرضا لتقديم الخدمات الاستشارية الاستثمارية من قبل كوانتوبيان.
وبالإضافة إلى ذلك، لا تقدم المادة أي رأي فيما يتعلق بملاءمة أي ضمان أو استثمار محدد. لا ینبغي اعتبار أي معلومات واردة في ھذه الوثیقة بمثابة اقتراح للانخراط في أي مسار عمل یتعلق بالاستثمار أو الامتناع عنھ حیث لا یقوم أي من کوانتوبيان أو أي من الشرکات التابعة لھ بتقدیم المشورة الاستثماریة أو العمل کمستشار لأي خطة أو کیان خاضع ل وقانون تأمين دخل التقاعد للموظفين لعام 1974، بصيغته المعدلة، أو حساب التقاعد الفردي أو المعاش التقاعدي الفردي، أو تقديم المشورة بصفة الأمانة فيما يتعلق بالمواد المعروضة في هذه الوثيقة. إذا كنت مستقلا فرديا أو مستثمرا آخر، فاتصل بمستشارك المالي أو أي جهة مالية أخرى لا علاقة لها بكوانتوبيان حول ما إذا كانت أي فكرة استثمار أو إستراتيجية أو منتج أو خدمة معينة مذكورة هنا قد تكون مناسبة لظروفك. وتشمل جميع الاستثمارات مخاطر، بما في ذلك خسارة أصل الدين. لا تقدم كوانتوبيان أي ضمانات بشأن دقة أو اكتمال الآراء المعرب عنها في الموقع. وتخضع اآلراء للتغيير، وقد تصبح غير موثوقة ألسباب مختلفة، بما في ذلك التغيرات في ظروف السوق أو الظروف االقتصادية.
يتم توفير المواد على هذا الموقع لأغراض إعلامية فقط ولا تشكل عرضا للبيع أو طلب شراء أو توصية أو تأييد لأي أمن أو استراتيجية، كما أنها لا تشكل عرضا لتقديم الخدمات الاستشارية الاستثمارية من قبل كوانتوبيان.
وبالإضافة إلى ذلك، لا تقدم المادة أي رأي فيما يتعلق بملاءمة أي ضمان أو استثمار محدد. لا ینبغي اعتبار أي معلومات واردة في ھذه الوثیقة بمثابة اقتراح للانخراط في أي مسار عمل یتعلق بالاستثمار أو الامتناع عنھ حیث لا یقوم أي من کوانتوبيان أو أي من الشرکات التابعة لھ بتقدیم المشورة الاستثماریة أو العمل کمستشار لأي خطة أو کیان خاضع ل وقانون تأمين دخل التقاعد للموظفين لعام 1974، بصيغته المعدلة، أو حساب التقاعد الفردي أو المعاش التقاعدي الفردي، أو تقديم المشورة بصفة الأمانة فيما يتعلق بالمواد المعروضة في هذه الوثيقة. إذا كنت مستقلا فرديا أو مستثمرا آخر، فاتصل بمستشارك المالي أو أي جهة مالية أخرى لا علاقة لها بكوانتوبيان حول ما إذا كانت أي فكرة استثمار أو إستراتيجية أو منتج أو خدمة معينة مذكورة هنا قد تكون مناسبة لظروفك. وتشمل جميع الاستثمارات مخاطر، بما في ذلك خسارة أصل الدين. لا تقدم كوانتوبيان أي ضمانات بشأن دقة أو اكتمال الآراء المعرب عنها في الموقع. وتخضع اآلراء للتغيير، وقد تصبح غير موثوقة ألسباب مختلفة، بما في ذلك التغيرات في ظروف السوق أو الظروف االقتصادية.

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.