Verwendung genetischer Algorithmen zur Prognose von Finanzmärkten

In "A Random Walk Down Wall Street" (1973) schlug Burton Malkiel vor: "Ein Affe mit verbundenen Augen, der Pfeile auf die Finanzseiten einer Zeitung wirft, könnte ein Portfolio auswählen, das genau so gut wie eines ist, das von Experten sorgfältig ausgewählt wurde." Während die Evolution den Menschen beim Sammeln von Aktien nicht intelligenter gemacht hat, hat sich Charles Darwins Theorie als ziemlich effektiv erwiesen, wenn sie direkter angewendet wird.

TUTORIAL: Aktienauswahlstrategien

Was sind genetische Algorithmen?

Genetische Algorithmen (GAs) sind Problemlösungsmethoden (oder Heuristiken), die den Prozess der natürlichen Evolution nachahmen. Im Gegensatz zu künstlichen neuronalen Netzen (ANNs), die wie Neuronen im Gehirn funktionieren sollen, verwenden diese Algorithmen die Konzepte der natürlichen Selektion, um die beste Lösung für ein Problem zu ermitteln. Infolgedessen werden GAs häufig als Optimierer verwendet, die Parameter anpassen, um ein Feedback-Maß zu minimieren oder zu maximieren, das dann unabhängig oder beim Aufbau eines ANN verwendet werden kann. (Weitere Informationen zu ANNs finden Sie unter: Neuronale Netze: Gewinnprognose.)

Auf den Finanzmärkten werden genetische Algorithmen am häufigsten verwendet, um die besten Kombinationswerte von Parametern in einer Handelsregel zu finden. Sie können in ANN-Modelle integriert werden, mit denen Aktien ausgewählt und Trades identifiziert werden können. Mehrere Studien haben die Wirksamkeit dieser Methoden gezeigt, darunter "Genetische Algorithmen: Genesis of Stock Evaluation" (2004) und "Die Anwendungen genetischer Algorithmen bei der Optimierung des Data Mining auf dem Aktienmarkt" (2004). (Weitere Informationen finden Sie unter: So werden Handelsalgorithmen erstellt .)

Was sind genetische Algorithmen?

Wie genetische Algorithmen funktionieren

Genetische Algorithmen werden mathematisch unter Verwendung von Vektoren erstellt, bei denen es sich um Größen mit Richtung und Größe handelt. Die Parameter für jede Handelsregel werden mit einem eindimensionalen Vektor dargestellt, der genetisch als Chromosom angesehen werden kann. In der Zwischenzeit können die in jedem Parameter verwendeten Werte als Gene betrachtet werden, die dann durch natürliche Selektion modifiziert werden.

Beispielsweise kann eine Handelsregel die Verwendung von Parametern wie gleitender durchschnittlicher Konvergenzdivergenz (MACD), exponentiellem gleitendem Durchschnitt (EMA) und Stochastik beinhalten. Ein genetischer Algorithmus würde dann Werte in diese Parameter eingeben, um den Nettogewinn zu maximieren. Mit der Zeit werden kleine Änderungen eingeführt, und diejenigen, die eine wünschenswerte Wirkung erzielen, bleiben für die nächste Generation erhalten. (Siehe auch: Grundlagen des algorithmischen Handels .)

Es gibt drei Arten von genetischen Operationen, die dann ausgeführt werden können:

• Überkreuzungen stellen die in der Biologie beobachtete Reproduktion und Überkreuzung dar, wobei ein Kind bestimmte Eigenschaften seiner Eltern annimmt.
• Mutationen stellen eine biologische Mutation dar und werden verwendet, um die genetische Vielfalt von einer Generation einer Population zur nächsten aufrechtzuerhalten, indem zufällige kleine Änderungen eingeführt werden.
• Selektionen sind das Stadium, in dem einzelne Genome aus einer Population für eine spätere Züchtung ausgewählt werden (Rekombination oder Crossover).

Diese drei Operationen werden dann in einem fünfstufigen Prozess verwendet:

1. Initialisieren Sie eine zufällige Population, bei der jedes Chromosom eine Länge von n hat, wobei n die Anzahl der Parameter ist. Das heißt, eine zufällige Anzahl von Parametern wird mit jeweils n Elementen erstellt.
2. Wählen Sie die Chromosomen oder Parameter aus, die die gewünschten Ergebnisse (vermutlich den Nettogewinn) steigern.
3. Wenden Sie Mutations- oder Crossover-Operatoren auf die ausgewählten Eltern an und erzeugen Sie einen Nachwuchs.
4. Kombinieren Sie den Nachwuchs und die aktuelle Population neu, um mit dem Auswahloperator eine neue Population zu bilden.
5. Wiederholen Sie die Schritte zwei bis vier.

Im Laufe der Zeit wird dieser Prozess zu immer günstigeren Chromosomen (oder Parametern) für die Verwendung in einer Handelsregel führen. Der Prozess wird dann beendet, wenn die Stoppkriterien erfüllt sind, zu denen Laufzeit, Fitness, Anzahl der Generationen oder andere Kriterien gehören können.

Verwendung genetischer Algorithmen im Handel

Während genetische Algorithmen in erster Linie von institutionellen quantitativen Händlern verwendet werden, können einzelne Händler die Leistungsfähigkeit genetischer Algorithmen - ohne einen Abschluss in fortgeschrittener Mathematik - mithilfe mehrerer Softwarepakete auf dem Markt nutzen. Diese Lösungen reichen von eigenständigen, auf die Finanzmärkte ausgerichteten Softwarepaketen bis zu Microsoft Excel-Add-Ons, mit denen sich praktische Analysen durchführen lassen.

Bei Verwendung dieser Anwendungen können Händler eine Reihe von Parametern definieren, die dann mithilfe eines genetischen Algorithmus und einer Reihe historischer Daten optimiert werden. Einige Anwendungen können optimieren, welche Parameter und deren Werte verwendet werden, während sich andere hauptsächlich darauf konzentrieren, die Werte für einen bestimmten Parametersatz zu optimieren. (Weitere Informationen zu diesen programmgestützten Strategien finden Sie unter: Die Kraft des Programmhandels .)

Die Kurvenanpassung (Überanpassung) oder das Entwerfen eines Handelssystems anhand historischer Daten, anstatt wiederholbares Verhalten zu identifizieren, stellt ein potenzielles Risiko für Händler dar, die genetische Algorithmen verwenden. Jedes Handelssystem, das GAs verwendet, sollte vor dem Live-Einsatz auf Papier vorab getestet werden.

Die Auswahl von Parametern ist ein wichtiger Teil des Prozesses, und Händler sollten nach Parametern suchen, die mit Änderungen des Preises eines bestimmten Wertpapiers korrelieren. Probieren Sie beispielsweise verschiedene Indikatoren aus, um festzustellen, ob sie mit wichtigen Marktumschwüngen zu korrelieren scheinen. (Weitere Informationen finden Sie unter: Auswählen der richtigen algorithmischen Handelssoftware .)

Die Quintessenz

Genetische Algorithmen sind einzigartige Möglichkeiten, komplexe Probleme zu lösen, indem sie die Kraft der Natur nutzen. Durch Anwendung dieser Methoden zur Vorhersage von Wertpapierpreisen können Händler Handelsregeln optimieren, indem sie die besten Werte für jeden Parameter für ein bestimmtes Wertpapier ermitteln. Diese Algorithmen sind jedoch nicht der Heilige Gral, und Händler sollten darauf achten, die richtigen Parameter und nicht die Kurvenanpassung zu wählen. (Weitere Informationen finden Sie unter: So codieren Sie Ihren eigenen Algo-Handelsroboter .)