Burton Malkiel은 "Random Walk Down Wall Street"(1973)에서 "신문의 금융 페이지에 다트를 던지는 눈가리개 원숭이가 전문가가 신중하게 선택한 포트폴리오뿐만 아니라 포트폴리오를 선택할 수있다"고 제안했다. 찰스 다윈 (Charles Darwin)의 이론은 진화 과정에서 사람이 주식을 고르는 데 더 지능적이지 않게되었지만, 보다 직접적으로 적용 할 때 매우 효과적이라는 것이 입증되었습니다.
튜토리얼: 주식 픽킹 전략
유전자 알고리즘은 무엇입니까?
유전자 알고리즘 (GA)은 자연 진화 과정을 모방 한 문제 해결 방법 (또는 휴리스틱)입니다. 뇌의 뉴런처럼 작동하도록 설계된 인공 신경망 (ANN)과 달리이 알고리즘은 자연 선택의 개념을 사용하여 문제에 대한 최상의 솔루션을 결정합니다. 결과적으로 GA는 일반적으로 일부 피드백 측정을 최소화하거나 최대화하기 위해 매개 변수를 조정하는 최적화 프로그램으로 사용되며, 이를 독립적으로 또는 ANN 구성에 사용할 수 있습니다. ANN에 대한 자세한 내용은 신경망 : 이익 예측을 참조하십시오.
금융 시장에서 유전자 알고리즘은 거래 규칙에서 매개 변수의 최상의 조합 값을 찾는 데 가장 일반적으로 사용되며 주식을 선택하고 거래를 식별하도록 설계된 ANN 모델에 내장 될 수 있습니다. "유전 알고리즘: 재고 평가의 창세기"(2004) 및 "주식 시장 데이터 마이닝 최적화에 유전자 알고리즘의 적용"(2004)을 포함하여 여러 방법의 효과가 입증되었습니다. 자세한 내용 은 거래 알고리즘 생성 방법을 참조하십시오.
유전자 알고리즘은 무엇입니까?
유전자 알고리즘의 작동 방식
유전자 알고리즘은 방향과 크기를 가진 수량 인 벡터를 사용하여 수학적으로 생성됩니다. 각 거래 규칙에 대한 매개 변수는 유전자 용어에서 염색체로 생각할 수있는 1 차원 벡터로 표시됩니다. 한편, 각 매개 변수에 사용 된 값은 유전자로 생각할 수 있으며 자연 선택을 사용하여 수정됩니다.
예를 들어, 거래 규칙에는 이동 평균 수렴 발산 (MACD), 지수 이동 평균 (EMA) 및 확률론과 같은 매개 변수를 사용할 수 있습니다. 유전자 알고리즘은 순이익을 극대화하기 위해 이러한 매개 변수에 값을 입력합니다. 시간이 지남에 따라 작은 변화가 도입되고 바람직한 영향을 미치는 변화가 다음 세대에도 유지됩니다.
그런 다음 수행 할 수있는 세 가지 유형의 유전자 조작이 있습니다.
- 교차는 생물학에서 볼 수있는 생식과 교차를 나타내며, 어린이는 부모의 특정 특성을 취합니다. 돌연변이는 생물학적 돌연변이를 나타내며 임의의 작은 변화를 도입하여 한 세대의 세대에서 다음 세대로 유전 적 다양성을 유지하는 데 사용됩니다. 후기의 번식 (재조합 또는 크로스 오버)을 위해 개체군에서 개별 게놈을 선택하는 단계.
이 세 가지 작업은 5 단계 프로세스에서 사용됩니다.
- 각 염색체의 길이가 n 인 랜덤 모집단을 초기화하고, n 은 매개 변수의 개수입니다. 즉, 임의의 수의 매개 변수가 각각 n 개의 요소로 설정됩니다. 염색체 또는 매개 변수를 선택하여 원하는 결과를 산출하십시오 (아마 순 순이익). 선택한 부모에게 돌연변이 또는 교차 연산자를 적용하고 자손을 생성하십시오. 선택 연산자를 사용하여 새 모집단을 형성 할 현재 모집단 2-4 단계를 반복하십시오.
시간이 지남에 따라, 이 과정은 거래 규칙에 사용하기에 점점 더 유리한 염색체 (또는 매개 변수)를 가져옵니다. 그런 다음 정지 기준이 충족되면 프로세스가 종료되며, 여기에는 실행 시간, 피트니스, 세대 수 또는 기타 기준이 포함될 수 있습니다.
거래에서 유전자 알고리즘 사용
유전자 알고리즘은 주로 기관의 양적 거래자에 의해 사용되는 반면, 개별 거래자는 시장에서 여러 소프트웨어 패키지를 사용하여 고급 수학의 학위 없이도 유전자 알고리즘의 힘을 활용할 수 있습니다. 이러한 솔루션은 금융 시장을 대상으로하는 독립형 소프트웨어 패키지에서 더 많은 실제 분석을 용이하게하는 Microsoft Excel 추가 기능에 이르기까지 다양합니다.
이러한 응용 프로그램을 사용할 때 거래자는 일련의 매개 변수를 정의한 다음 유전자 알고리즘과 기록 데이터 집합을 사용하여 최적화 할 수 있습니다. 일부 응용 프로그램은 사용되는 매개 변수와 그 값을 최적화 할 수있는 반면, 다른 응용 프로그램은 주로 특정 매개 변수 세트의 값을 최적화하는 데 중점을 둡니다. (이 프로그램 파생 전략에 대한 자세한 내용 은 프로그램 거래의 힘을 참조하십시오.)
반복 가능한 행동을 식별하는 대신 곡선 피팅 (과적 합) 또는 과거 데이터를 중심으로 거래 시스템을 설계하는 것은 유전자 알고리즘을 사용하는 거래자에게 잠재적 인 위험을 나타냅니다. GA를 사용하는 모든 거래 시스템은 실제 사용 전에 종이에 대해 사전 테스트를 거쳐야합니다.
매개 변수를 선택하는 것은 프로세스의 중요한 부분이며, 거래자는 주어진 보안 가격의 변화와 관련된 매개 변수를 찾아야합니다. 예를 들어, 주요 지표와 관련이 있는지 다른 지표를 사용해보십시오. (자세한 내용 은 올바른 알고리즘 거래 소프트웨어 선택을 참조하십시오.)
결론
유전자 알고리즘은 자연의 힘을 활용하여 복잡한 문제를 해결하는 독특한 방법입니다. 이러한 방법을 보안 가격 예측에 적용함으로써 거래자는 주어진 보안에 대한 각 매개 변수에 사용할 최상의 값을 식별하여 거래 규칙을 최적화 할 수 있습니다. 그러나 이러한 알고리즘은 성배가 아니며 거래자는 올바른 매개 변수를 선택하고 곡선에 적합하지 않도록주의해야합니다. (자세한 내용은 Algo Trading Robot을 코딩하는 방법을 참조 하십시오.)
