전문가들에 의해 신중하게 선정 된 것 "이라고 말했다. 진화가 사람을 주식 따기에 더 이상 지능을 갖게 만들지는 않았지만 Charles Darwin의 이론은 더 직접적으로 적용 할 때 매우 효과적입니다. (주식 선택을 돕기 위해 주식 선택 방법 을 확인하십시오.)

튜토리얼 : 주식 피킹 전략

유전 알고리즘이란 무엇인가?
유전자 알고리즘 (GA)은 자연 진화의 과정을 모방하는 문제 해결 방법 (또는 휴리스틱 스)이다. 두뇌의 뉴런과 같은 기능을하도록 설계된 인공 신경망 (ANN)과 달리이 알고리즘은 자연 선택이라는 개념을 사용하여 문제에 대한 최상의 솔루션을 결정합니다. 결과적으로, GA는 매개 변수를 조정하여 일부 피드백 측정을 최소화하거나 최대화하는 옵티 마이저로서 일반적으로 사용되며, 이는 개별적으로 또는 ANN 구축에 사용될 수 있습니다.

금융 시장에서 유전 알고리즘은 거래 규칙에서 매개 변수의 최적 조합 값을 찾는 데 가장 일반적으로 사용되며, 주식을 선택하고 거래를 식별하도록 설계된 ANN 모델에 내장 될 수 있습니다. Rama의 "Genetic Algorithms : Genesis of Stock Evaluation"(2004), Lin, Cao, Wang의 "Stock Market Data Mining Optimization에서의 유전자 알고리즘의 응용"(2004) 등의 여러 연구에서 이러한 방법이 효과적임을 입증했다. , Zhang. ANN에 대한 자세한 내용은

신경망 : 이익 예측 을 참조하십시오.

유전 알고리즘의 작동 원리

유전 알고리즘은 방향과 크기를 갖는 양인 벡터를 사용하여 수학적으로 생성됩니다. 각 거래 룰의 매개 변수는 유전 용어로 염색체로 생각할 수있는 1 차원 벡터로 표현됩니다. 한편, 각 매개 변수에 사용 된 값은 자연 선택을 사용하여 수정되는 유전자로 생각할 수 있습니다. 예를 들어, 거래 규칙은 이동 평균 수렴 - 발산 (MACD), 지수 이동 평균 (EMA) 및 Stochastics과 같은 매개 변수의 사용을 포함 할 수 있습니다. 유전자 알고리즘은 순이익을 극대화한다는 목표로이 매개 변수에 값을 입력합니다. 시간이 지남에 따라 작은 변화가 도입되고 다음 세대를 위해 바람직한 영향을 미치는 변화가 유지됩니다.
다음에 수행 할 수있는 세 가지 유형의 유전 조작이있다.

교차는 생물학에서 보인 복제 및 생물학적 교차를 나타내며, 이로 인해 아동은 부모의 특정 특징을 갖는다. 돌연변이는 생물학적 돌연변이를 나타내며 무작위적인 작은 변화를 도입하여 인구의 한 세대에서 다음 세대로 유전 적 다양성을 유지하는 데 사용됩니다.선택은 이후의 번식 (재조합 또는 교차)을위한 집단으로부터 개별 게놈을 선택하는 단계이다.

이 세 연산자는 5 단계 과정으로 사용됩니다.

• 각 염색체가
• n
• - 길이이고

n

1. 가 매개 변수. 즉, 각각 n 개의 요소로 무작위 수의 매개 변수가 설정됩니다. 바람직한 결과 (아마도 순이익)를 증가시키는 염색체 또는 매개 변수를 선택하십시오. 선택한 부모에게 돌연변이 또는 교차 연산자를 적용하고 자손을 생성합니다. 자식과 자식을 재조합하여 선택 연산자로 새로운 모집단을 만듭니다. 2 ~ 4 단계를 반복하십시오.
2. 시간이 지남에 따라이 과정은 거래 규칙에서 사용하기에 점점 유리한 염색체 (또는 매개 변수)가됩니다. 그런 다음 프로세스는 실행 시간, 적합성, 세대 수 또는 기타 기준을 포함 ​​할 수있는 중지 기준이 충족 될 때 종료됩니다. (MACD에 대한 자세한 내용은
3. MACD 발산 거래
4. 를 읽으십시오.)
5. 유전 알고리즘을 거래에 사용하기

유전자 알고리즘은 주로 기관의 양적 거래자가 사용하지만 개개의 거래자는 유전자 알고리즘의 힘을 활용할 수 있습니다 - 시장에서 여러 소프트웨어 패키지를 사용하여 고급 수학을 전공하지 않습니다. 이러한 솔루션은 금융 시장을 겨냥한 독립 실행 형 소프트웨어 패키지에서 실습 분석을 용이하게하는 Microsoft Excel 추가 기능에 이르기까지 다양합니다. 이러한 애플리케이션을 사용할 때, 거래자는 유전 알고리즘 및 히스토리 데이터 세트를 사용하여 최적화 된 파라미터 세트를 정의 할 수있다. 일부 응용 프로그램은 사용되는 매개 변수와 그 값을 최적화 할 수 있지만 다른 응용 프로그램은 주어진 매개 변수 집합의 값을 간단히 최적화하는 데 주로 중점을 둡니다. (이 프로그램 유도 전략에 대한 자세한 내용은 프로그램 무역의 힘 참조)

중요한 최적화 팁 및 요령
곡선 피팅 (피팅 오버), 과거 데이터를 중심으로 한 거래 시스템 설계 반복적 인 행동을 식별하는 것보다 유전 알고리즘을 사용하는 상인에 대한 잠재적 위험을 나타냅니다. GAs를 사용하는 모든 거래 시스템은 실제 사용하기 전에 종이로 앞으로 테스트해야합니다.

매개 변수를 선택하는 것은 프로세스의 중요한 부분이며, 거래자는 주어진 보안의 가격 변화와 관련된 매개 변수를 찾아야합니다. 예를 들어, 다른 지표를 시험해보고 주요 시장 전환과 상관 관계가 있는지 확인하십시오. 결론 유전 알고리즘은 자연의 힘을 이용하여 복잡한 문제를 해결할 수있는 독특한 방법입니다. 증권 가격 예측에 이러한 방법을 적용함으로써 거래자는 주어진 증권에 대한 각 매개 변수에 사용할 최상의 가치를 식별함으로써 거래 규칙을 최적화 할 수 있습니다. 그러나 이러한 알고리즘은 성배가 아니므로 거래자는 올바른 매개 변수를 선택하고 곡선 맞춤 (지나치게 맞추기)이 아닌주의를 기울여야합니다. (시장에 대한 자세한 내용은

시장 전문가의 의견이 아닌 시장 경청
을 확인하십시오.)