Genetische algoritmen gebruiken om financiële markten te voorspellen

In “A Random Walk Down Wall Street” (1973) stelde Burton Malkiel voor: “Een geblinddoekte aap die dartpijltjes gooit naar de financiële pagina’s van een krant, zou een portefeuille kunnen kiezen die het net zo goed zou doen als een zorgvuldig door experts geselecteerde portefeuille.” Hoewel de evolutie de mens misschien niet intelligenter heeft gemaakt bij het kiezen van aandelen, is de theorie van Charles Darwin effectief gebleken wanneer ze directer wordt toegepast.

Genetische algoritmen zijn unieke manieren om complexe problemen op te lossen door gebruik te maken van de kracht van de natuur. Door deze methoden toe te passen om beveiligingsprijzen te voorspellen, kunnen traders handelsregels optimaliseren door de beste waarden te identificeren die voor elke parameter voor een bepaald effect kunnen worden gebruikt.

Wat zijn genetische algoritmen?

Genetische algoritmen (GA’s) zijn probleemoplossende methoden (of heuristieken) die het proces van natuurlijke evolutie nabootsen. In tegenstelling tot kunstmatige neurale netwerken (ANN’s), ontworpen om te functioneren als neuronen in de hersenen, gebruiken deze algoritmen de concepten van natuurlijke selectie om de beste oplossing voor een probleem te bepalen.

Dientengevolge worden GA’s vaak gebruikt als optimizers die parameters aanpassen om een ​​feedbackmaatregel te minimaliseren of te maximaliseren, die vervolgens onafhankelijk of bij de constructie van een ANN kan worden gebruikt. (Voor meer informatie over ANNs, zie: Neurale netwerken: winst voorspellen.)

Op de financiële markten worden genetische algoritmen het meest gebruikt om de beste combinatiewaarden van parameters in een handelsregel te vinden, en ze kunnen worden ingebouwd in ANN-modellen die zijn ontworpen om aandelen te selecteren en transacties te identificeren.

Verschillende onderzoeken hebben de effectiviteit van deze methoden aangetoond, waaronder ” Genetic Algorithms: Genesis of Stock Evaluation ” (2004) en ” The Applications of Genetic Algorithms in Stock Market Data Mining Optimization ” (2004). (Zie voor meer informatie:  Hoe handelsalgoritmen worden gemaakt.)

Hoe genetische algoritmen werken

Genetische algoritmen worden wiskundig gemaakt met behulp van vectoren, dit zijn grootheden die richting en grootte hebben. Parameters voor elke handelsregel worden weergegeven met een eendimensionale vector die in genetische termen als een chromosoom kan worden beschouwd. Ondertussen kunnen de waarden die in elke parameter worden gebruikt, worden beschouwd als genen, die vervolgens worden gewijzigd met behulp van natuurlijke selectie.

Een handelsregel kan bijvoorbeeld het gebruik van parameters omvatten zoals  moving average convergence diverggence  (MACD), een  exponential moving average  (EMA) en stochastics. Een genetisch algoritme zou dan waarden in deze parameters invoeren met als doel de nettowinst te maximaliseren. Na verloop van tijd worden kleine veranderingen doorgevoerd, en die welke een gewenste impact hebben, blijven behouden voor de volgende generatie.

(Zie ook:  Basisprincipes van algoritmische handel.)

Er zijn drie soorten genetische operaties die vervolgens kunnen worden uitgevoerd:

• Cross-overs vertegenwoordigen de reproductie en cross-over die in de biologie wordt gezien, waarbij een kind bepaalde kenmerken van zijn ouders overneemt.
• Mutaties vertegenwoordigen biologische mutaties en worden gebruikt om de genetische diversiteit van de ene generatie van een populatie naar de volgende te behouden door willekeurige kleine veranderingen aan te brengen.
• Selecties zijn het stadium waarin individuele genomen worden gekozen uit een populatie om later te fokken (recombinatie of cross-over).