Evolving Regel Baserte Handelssystemer

Diskretionær handel mot regelbasert handel. Her hos J Dalton Trading, lærer vi diskresjonær handel, som er å si at vi ikke er systematiske handelsfolk, og tilbyr taktisk, regelbasert tradinginformasjon. Dette begrenser vår potensielle kundebase til de utvalgte få handelsmenn som vil ha å forstå hvordan markeder fungerer, og hvem setter pris på hvor viktig deres individuelle rolle er både for deres økonomiske suksess og deres psykiske tilfredshet. Det er ikke overraskende å oppdage at de beste handelsmenn ofte har de høyeste psykiske behovene som er drevet for å oppnå beherskelse over enhver innsats de møter gjennom vedvarende samordnet innsats Disse handlerne aksepterer at læring til handel er en ferdighet som bare utvikler seg over tid, og at suksess er et resultat av akkumulert erfaring. Overvei denne enkle metaforen for å belyse vanskeligheten av læringsprosessen for å skaffe seg et nytt språk, må du Først må du huske ord og verbtider og deler av tale som selv er et utfordrende prospekt. Da tar det mange års studier t o bli samtale Men da tar det et kvantesprang av intuisjon og dyp kunnskap å tenke på et nytt språk En av indikatorene for flytighet er faktisk når man begynner å faktisk drømme i et annet språk. De fleste potensielle kunder som kontakter oss er leter etter reglerbaserte handelssystemer eller tilnærminger Bruk av regler for å tjene penger er selvfølgelig utrolig tiltalende, men slike kuttede og tørkede regler er sjelden ledsaget av den viktigste regelen en regel for å koble sammen, administrere og harmonisere alle de andre rules. In short, må du kunne se en gitt regel kontekstuelt, ellers regelen har ingen verdi. Regler som ikke forstås og brukes kontekstuelt, kan til og med tjene til å oppnå motsatt av deres opprinnelige hensikt, det er mangelen på en kontekstuell regelen som tviler på de fleste handelssystemer. Appellen til en systematisk tilnærming er åpenbart redusert emosjonelt stress, sikker fortjeneste, mangel på personlig ansvar og umiddelbare resultater uten mange års kompetanse. Og hvis Regler don ikke tjene penger for deg, da skylden kan plasseres på reglene, og ikke deg Samtidig kan du akseptere kreditt for all fortjeneste siden du valgte systemet. noe der er det som elsker en regel . Jeg har nylig spilt over en bok av Scott Thorpe med tittelen "How to Think Like Einstein" Enkle måter å bryte reglene og oppdage ditt skjulte geni, som veltalende oppsummerte mine tanker om hvordan regler kan hindre personlig utvikling, anbefaler jeg hjertelig at alle som er interessert i å utvikle skjønnsmessige evner legger til denne boken i sin samling. Einstein sa en gang at få personer er i stand til å uttrykke med likestillings meninger som avviger fra fordommene i deres sosiale miljø. De fleste er selv ikke i stand til å danne slike meninger. Anekdotisk bevis fortsetter å foreslå at antall korte tidsbegrensede handlere som lykkes er ekstremt begrenset, noe som fører meg til å gjenta om du gjør ting på samme måte som alle andre gjør, odds er du vil fullføre jeg n midt i distribusjonskurven - som anekdotiske bevis tyder på, betyr at du vil lide økonomisk. De fleste handelsfolk bruker en reglerbasert tilnærming. definerer en regel som en grunnleggende generalisering som er akseptert som sant og som kan brukes som grunnlag for begrunnelse Ingenting er sagt om regelen som blir testet for gyldighet, eller hvordan regelen ble avledet. Vi blir bedt om å godta det og fortsette Thorpe sier at vi alle har regler inngripne mønstre for å tenke på at vi feiler for sannheten, og at når regelen slår ut, blir alle motstridende ideer ignorert. Han fortsetter. Regler støter på nyskapende tenkning fordi de virker så riktige. De skjuler de mange overlegne situasjonene som eksisterer, men er utenfor våre regler. Thorpe gjør det poenget at våre erfaringer, feilaktige forutsetninger, halv sannheter, feilplasserte generaliteter og vaner hindrer oss fra å finne pålitelige løsninger. Jeg vil utarbeide disse problemene bli enda større når nye handelsmenn blir guidet i feil retning på begynnelsen av deres læringserfaring. Det er et forvirrende utvalg av variabler som påvirker hvilken som helst vare, futureskontrakt eller lager og det er nesten ubegrensede kombinasjoner og pe rmutasjoner av disse variablene Hvis et rent reglerbasert system skulle være virkelig effektivt, ville det måtte tilby en regel for hver mulig ordning en umulighet. Diskresjonær handel handler om å bygge et solid fundament, hvorpå man kan gjøre begrunnede vurderinger basert på stadig skiftende betingelser og en høyt utviklet væske intelligens. Begrepet en regelbasert tilnærming til handel bringer i tankene to av mine favoritt sitater, fra HL Mencken og Thomas Edison. Det er alltid en enkel løsning på ethvert menneskelig problem, pent, plausibelt og feil. Helvete, det er ingen regler her, vi prøver å oppnå noe. Kraften til skjønnsmessig handel. Regelbaserte systemer tar ikke hensyn til kontekstuelle markedsforhold, og er ikke tilpassbare til stadigvoksende markedsforhold. På den annen side kan diskresjonære handelsmenn raskt endre måten de ser på og tolke skiftende markedsdata Den skjønnsmessige næringsdrivende må forstå hvordan markedene utfører seg under et ekstraordinært bredt sett av omstendigheter. Reglerbaserte eller mekaniske systemer kan implementeres umiddelbart, mens diskretionære handelsmenn må bruke betydelig tid på å lære og anskaffe nødvendig kunnskap for handel Som jeg har sagt mange ganger i løpet av årene, er læringsperioden som kreves for å bli en eksperthandler likt det som kreves for å bli en lege, advokat eller toppsporter. Regelbaserte tilnærminger, forutsatt at de følges religiøst, er ikke konfrontert med de psykologiske kortkommene, forspenninger eller mangel på disiplin som ofte påvirker diskresjonære handelsmenn Di scretionary handelsfolk utfører stadig sine egne markedsanalyser og er pålagt å bruke betydelig mer tid og krefter både før og i løpet av markedet. Denne tidskravet begrenser også antall markeder eller verdipapirer som diskretionære handelsmenn kan følge med. Fundamentalanalyse er den reneste og mest lett forstått form for skjønnsmessig handel som bruker kvantitative teknikker og dataanalyse innebærer faktisk regler, fordi de fleste resultatene forutsetter visse antagelser. Men disse reglene må vurderes annerledes avhengig av markedsfasen, konteksten. For eksempel er det samme settet av resultatene for stigende rentemarkeder ser ganske annerledes ut i et fallende rentemiljø. Teknisk analyse kan falle i hver kategori, avhengig av hvordan analysen er bestemt. For eksempel er et mekanisk glidende gjennomsnittssystem regler basert og ikke avhengig på markedskontekst Visuell tolkning av diagrammønstre, howe ver, kan være skjønnsmessig dersom handelsmannen tolker dem basert på nåværende markedsforhold. J Dalton Trading Guidance for Discretionary Traders. Vi foreslår at du begynner med å forstå hvordan hjernen din behandler informasjon. Den venstre hjernen analyserer informasjon på en sekvensiell måte, og er bare i stand til å utføre en funksjon om gangen Dette er halvkule ansvarlig for tale det holder ordene dine i orden Den høyre halvkule syntetiserer informasjon og kan utføre flere funksjoner samtidig, og gjør det flink til å gjenkjenne mønstre. Selv om det er sant at beslutningsprosessen uten analyse er Det er ikke sannsynlig å bevise meningsfylt, det må også sies at beslutningsprosesser basert utelukkende på detaljer som ikke klarer å syntetisere informasjonen i spørsmålet, også bærer liten frukt. I min første bok, Mind over Markets Power Trading med markedsgenerert informasjon, tar jeg deg gjennom Fem utviklingssteg Nybegynner, Avansert Begynner, Kompetent, Ferdig, og til slutt Ekspert Disse trinnene de Skrive den generelle utviklingen som må skje for å perfeksjonere enhver ferdighet. Når du forstår denne prosessen, vil du være mer forberedt på å sette dine personlige vekstmål, og du kan være mer realistisk om din utvikling. Mindre enn Markeder tjener som en grunner, med myriade kortsiktige taktikker for å forstå grunnleggende markeds profil nomenklatur og teori Selv om du etter hvert planlegger å handle fra en lengre tidsramme, foreslår vi at du begynner med å studere nyansene for daghandel, alle er en daghandler på dagen de går inn eller ut av en handel Men vær så snill og husk Mind Over Markets er bare en primer Situasjonslæring som i siste instans gjør det mulig for deg å glemme kontekstfrie regler og handle på en intuitiv, helhjertet måte krever en kilde av observasjoner og erfaringer som kan ta mange år å oppdra og utvikle Handelsprinsippene J Dalton Trading lærer er de samme for alle tidsrammer, men med dagens tidsramme vil du kunne akkumulere den nødvendige ob tjenestene på en mer effektiv og logisk måte. Markeder i profil Profitt fra auksjonsprosessen utvider seg på teorien bak markedsprofilen. Den utdyper markedets mellomliggende og langsiktige auksjoner, introduserer en større spredning av trader tidsrammer og diskuterer i detalj Betydningen av lagerfordeling mellom alle tidsrammer Som en korrekturleser skrev, Hvis Mind over Markets var det gamle testamente, er Markets in Profile det nye testamentet. Stor leser for diskretionære handelsfolk. Som en del av vår løpende pedagogisk støtte foreslår J Dalton Trading lesemateriell bøker som sjelden finnes på markeder, men heller utforsker emner som atferdsfinansiering og hvordan hjernen behandler informasjon. Årsaken til dette er så enkelt som det er potensielt kontroversielt. Vi mener at selvforståelse er viktigere på lang sikt enn markedsforståelse Eller, som Einstein sa det. Fantasi er viktigere enn kunnskap. Vi er sikre på at vi kan lære deg markedsforståelse, men når det gjelder din vei til selvforståelse, kan vi bare tilby riktige hint og ressursguider som vil bidra til å belyse din kunnskap om den unike måten du reagerer på. for å lære, informasjon og til slutt farer og løfte om handel. Les for eksempel Mozarts hjerne og Fighter Piloten løsne hjernens potensial av Richard Restak, MD. Boken er like morsom å lese som tittelen vil foreslå, og den nye York Times beskrev det En personlig trener for hjernen din. Utvikle dine krefter med metakognisjon Tenk på din tenkning. Ta dine følelser og følelser til din fordel. Utvikle en toleranse for usikkerhet. Tenk på hjernen din som skaperen av utrolig rike og fascinerende montasje. Tren dine logikkfag. Vi tror at kontinuitet uavbrutt utdanning og praksis er den mest positive, kraftige veien mot å bli en kompetent, diskresjonær tr ader Vårt mål er å hjelpe deg med å frigjøre kraften i akkumulert erfaring ved å fokusere på de grunnleggende prinsippene i toveis auksjonsprosessen og vellykket næringsdrivende utvikling. Inkorporere de viktigste som er dekket i Mind Over Markets and Markets i Profile. Deepen din forståelse og tolkning av markedsgenerert informasjon øker evnen til å kapitalisere på endring, det vil si mulighet. Forstå diffusjonsmodellen sin dybde og den kraftige dimensjonen dette legger til din forståelse av auksjonsprosessen. Brett din forståelse og forståelse for ikke bare tidsrammen du handler, men om de andre tidsrammer samt deres oppførsel og innflytelse på markedsaktivitet. Utvikle anerkjennelsen av hvilken tidsramme som er dominerende og hjelpe deg med å utvikle en strategisk og taktisk plan for å handle i ulike markedsmiljøer. Øk bevisstheten om selvforståelse og læringsprosessen, og hvordan Dette kan håndteres for å flytte deg fremover i din handel. Utvikle et stort bilde perspe ctive som gjør det mulig å kapitalisere på de store og små mulighetene og hjelpe deg med å visualisere mulighetene som presenterer seg hver dag. Internalisering av disse konseptene vil gjøre det mulig for deg å bygge en rik, kontekstuell markedsforståelse som har potensial til å legge grunnlaget for en varig og vellykket handel karriere Trading er ikke annerledes enn noe annet yrke som tilbyr økonomisk belønning, personlig vekst og autonomi det krever dyptgående studie og en dyp forståelse utviklet over tid. Søke våre Content. Evolving Rule-Based Trading Systems. Evolving Rule-Based Handelssystemer Christian Setzkorn Laura Dipietro og Robin Purshouse Institutt for datavitenskap, Universitetet i Liverpool, Storbritannia Advanced Robotics and Systems Lab, Scuola Superiore SantAnna, Italia Institutt for automatikkkontroll og systemteknikk, University of Shef eld, UK. studie, en markedshandel regelbase er optimalisert ved hjelp av genetisk programmering GP The rulebase består av enkle re lationships mellom tekniske indikatorer og genererer signaler for å kjøpe, selge kort og forbli inaktive. Metoden er brukt på prediksjon av Standard Poors komposittindeks 02-Jan-1990 til 18-Oct-2001 To potensielle markedssystemer utledes et enkelt system ved bruk av få regler og noder og et mer komplekst system. Resultatene sammenlignes med en benchmark buy-and-hold-strategi. Ingen av handelssystemene ble funnet i stand til å konsekvent overgå denne benchmarken. Flere kompliserte regelbaser, i tillegg til å være forskjellige for å forstå, er utsatt for over tting Enkelere regelbaser er mer robuste for endrede markedsforhold, men kan ikke dra nytte av muligheter for høy pro-tering. Ved å øke rikheten til de tilgjengelige regelbase-blokkene og ulike treningsdata, forventes det at etterfølgende systemer vil overgå benchmark strategy.1 Introduksjon Dette papiret presenterer en studie av markedshandel systemutvikling ved hjelp av evolusjonære algoritmer EAs En eksplisitt Målet med forskningen er å utvikle regelbaser som er enkle og enkle å analysere, samtidig som de overgår benchmark-buy-and-hold-strategien. Den resulterende metodikken brukes til å regjere generasjon for Standard Poors-sammensatte indeks. En kort bakgrunn i aksjemarkedsprognosen er presenteres i avsnitt 2, sammen med motivasjonen for anvendelse av EAer på dette alvorlig diffrente problemet. I avsnitt 3 beskrives den foreslåtte teknikken. Valg av tekniske indikatorer og regelbasert funksjonalitet diskuteres. til valg av tykkelsefunksjon Seksjon 5 vurderer effektiviteten av den nye metoden via søknad til de siste tiårene sluttkursene i Standard Poors-aksjeindeksen. Den mest pro-tabellregulatoridentifikasjonen er validert på testdatasettene og er underlagt granskning Spesielt , er områdene av indeksen som svarer til høy og lav ytelse, analysert i Sectio n 6 innledende konklusjoner tilbys sammen med forslag til fremtidig utvikling.2 Bakgrunn 2 1 Prediksjon av aksjer Forutsigelsen av aksjemarkedsadferd er en svært forskjellig oppgave 8 Et marked er en tidsvarierende, svært volatil prosess som stort sett ligner på en tilfeldig Walk Utgitt undersøkelser har i stor grad mislyktes, og mangler å produsere meravkastning over en enkel buy-and-hold-strategi. Det er faktisk en kontroversiell investeringsteori som er kjent som Ef cient Market Hypothesis, som sier at det er umulig å slå markedet. kan generelt klassifiseres som enten grunnleggende eller teknisk. Den tidligere tilnærmingen vurderer årsaken til markedsadferd, mens den sistnevnte studerer effekten. Teknisk analyse er derfor bare basert på kvantifiserbare markedsdata, mens grunnleggende analyse inkluderer data relatert til markedssituasjonen, Tid på året, selskapsutsikter og så videre 8 Teknisk analyse har tiltrukket seg et stort antall blant trading pr aktører, men har tidligere blitt kritisert av teoretikere. Se for eksempel 6. Det skal imidlertid bemerkes at nyere studier i litteraturen har gitt noe støtte til den tekniske tilnærmingen. 3 Teknikken som er utviklet i dette dokumentet har kun vært rettet mot teknisk analyse Det kan imidlertid lett utvides til å imøtekomme grunnleggende datatyper. Teknisk aksjeanalyse er basert på tre grunnleggende prinsipper 11, nemlig 1 Markedshandling reduserer alt 2 Prisene beveger seg i trender 3 Historien gjentar seg Hvis disse prinsippene antas å være sanne, så Det bør være mulig å utvikle regler for å forutsi markedsadferd. Teknisk analyse involverer ofte tekniske indikatorer, som er indekser dannet av kombinasjoner av nåværende og tidligere prisdata. Populære indikatorer inkluderer glidende gjennomsnitt, utbruddssystemer og oscillatorer. Mange forskjellige variasjoner av hver indikator har blitt utviklet 1 Mange forsøk har blitt gjort for å forutsi ulike nasjonale markeder, alt fra tradisjonell tid serie tilnærminger til kunstig intelligens teknikker, for eksempel fuzzy systemer 9 og spesielt artiial neurale nettverk ANN metodikk 15 9 8 Den største ulempen med ANNs og andre i stor grad svart-boks teknikker er imidlertid den enorme forskjellen i å tolke resultater De gir ikke et innblikk i arten av samspillet mellom de tekniske indikatorene og aksjemarkedssvingningene. Det er derfor behov for å utvikle metodikker som letter en økt forståelse av markedsprosesser, i tillegg til å gi temporært nøyaktige spådommer 7 2 2 Potensial for Evolutionary Computing EAs har nylig blitt foreslått som potensielle søke - og optimaliseringsmotorer i et handelssystem Allen og Karjalainen 2 brukte genetiske algoritmer GAs til å utlede handelsregler for Standard Poors-komposittindeksen, mens Neely og Weller 12 applied. a GP-tilnærming. ved ONeill et al. 13 vedtatt en grammatikkbasert teknikk. Dette nåværende arbeidet er noe i sin barndom. Ikke e spesielt at kandidatløsninger i disse studiene hver bestod av bare en enkelt regel. Flere studier er nødvendig for å høste de fulle bene i det evolusjonære databehandlingsrammen. 2 3 Bakgrunn for studien I dette papiret er en teknisk lageranalysebank som i motsetning til en enkelt regel er utviklet ved å bruke GP til å produsere kjøpe lenge, selge kort og ikke gjøre noe signal ved slutten av hver dag handel. Alle investeringer er stengt ut etter en periode på 10 dager, etter fremgangsmåten skissert i 13. Dette er forskjellig fra andre generelle ordninger der handelsregelen identifiserer regioner som skal være inn eller ut av markedet Et sentralt aspekt av arbeidet er at systemet er utformet slik at regelbasen er lett forståelig. En annen fordel er at reglene kan periodisk avstemmes til øke deres relevans i nærvær av endrede markedsdynamikk.3 Handelssystemet 3 1 GP-søkemotoren En minimalistisk tilnærming er tatt med hensyn til valg av GP-funksjonssett og term Inal set Et sentralt mål for dette arbeidet er å skaffe seg regler som er lett forståelige og har en logisk struktur. Antall reglene per kandidatløsning er derfor tungt begrenset, som de tilgjengelige operatørene har i funksjonssettet og utvalg av indikatorer tilgjengelig i terminalsettet Merk at søksporet av mulige regelbaserte konjunkturer fortsatt er betydelig. Uttrykkene i handelsreglene for en kandidatløsning virker på utgangene til nansielle indikatorer i stedet for de rå indeksdataene. Den evolusjonære prosessen velger hvilke indikatorer som skal brukes, og hvordan de skal kombineres for å danne en regel, blir et sett av kandidathandelssystemer som består av flere regler utviklet. 3 2 Valg av finansielle tekniske indikatorer Dette papiret fokuserer på en av de mest grunnleggende, allsidige og populære nansielle indikatorene i glidende gjennomsnitt MA MA teknisk indikator tar et gjennomsnitt over et bestemt segment av data Segmentet er de ned med hensyn til t Han nåværende dag Dermed operatøren opererer på et bevegelig vindu i tidsserien En felles tilnærming er å ta det aritmetiske gjennomsnittet av de siste ti dagens sluttpriser 11, selv om mange variasjoner eksisterer MA er en utjevningsenhet som identifiserer trender i data Merk at MA følger markedet Trenden er identifisert etter at den har begynt. MA jobber best i trending perioder i markedet I sidelengs bevegelige perioder har MAs vist seg å utføre dårlig Andre nanometerindikatorer, for eksempel en oscillator, må være implementert i disse sistnevnte forhold. Noen typer oscillator kan faktisk være konstruert fra MA byggeklosser. Lengden på et bevegelige gjennomsnittsmiddel påvirker hovedsakelig dens ytelse som en indikator. 11 Et kortere gjennomsnitt vil identifisere trender raskere, men har større risiko for å gi et falsk signal Det eksisterer en avregning mellom følsomhet for trender og ufølsomhet mot støy. Derfor bruker de fleste handelsfolk en kombinasjon av MA'er til å utlede et handelssignal. I arbeidet som presenteres her, GP velger lengden på gjennomsnittet å bruke innenfor en forhåndsdefinert maksimumsgrense på 30 dager, og kombinerer og tolker flere MA'er. I tillegg til å velge lengden på en MA, er legen også fri til å velge regionen til gjennomsnittet innenfor Prede ned-vinduet over tidligere data. I denne tilnærmingen er MA ikke forankret til nåværende sluttpris. Dette gir en ekstra grad av eksistens. Standardforankret tilnærming er representert som en delmengde av total søkeplass. Siden hvert kandidathandelssystem består av flere regler, er det mulig for legen å identifisere og støtte gode kombinasjoner av MA for ulike markedsforhold i et enkelt system. Hvis systemet kun er beskrevet av en enkelt regel, kan denne regelen bli svært komplisert hvis den samtidig skal understøtte vesentlig forskjellige markedsforhold MAs eksisterer som ikke stole på det aritmetiske gjennomsnittet som metoden for gjennomsnittlig Linjært vektet og eksponensielt jevnet MA har blitt foreslått og undersøkt i n litteraturen 11 Disse variasjonene er utenfor omfanget av den nåværende pilotstudien 3 3 Rulebase-funksjonalitet Hvert kandidatsystem består av et forhånds-ned, konstant antall regler, selv om denne strategien kan varieres. Hver regel er av skjemaet IF THEN hvor er antecedent og er konsekvensen Antecedenten har form av et tre med en funksjon satt ned bare av den logiske operatøren. Terminal settet er et bibliotek med MA strukturer, som hver kan være ned over et begrenset område av fortiden data To forskjellige terminaler brukes i denne undersøkelsen, nemlig C C. MA er det enkle glidende gjennomsnittet, som de ned i forrige seksjon. Parametrene returnerer aksjeverdien representerer indekser til tidligere data. Merk at MA dager i fortiden. Disse er traThe terminal sett med konsekvenser er ding signaler med betydningen kjøpe aksjer, selge kort, og forbli utenfor markedet henholdsvis. Når en regelbase er brukt på en periode med tidligere data, vil hver antecedent produsere en utgang, whi ch kan enten være 1 eller 0 Hvis verdien er 1, blir den tilsvarende konsekvensen foreslått som en kandidatavgjørelse Hvis alle kandidatene er identiske, blir dette regelbase-beslutningen, ellers blir INGEN valgt siden systemet er i en tilstand av ubesluttsomhet .4 Metodikk 4 1 Problemdomen Denne studien tar hensyn til sluttkursene for sluttkursene for Standard Poors 500-aksjeindeksen for perioden 02-jan-1990 til 18-okt-2001 se figur 1 Det ble ikke foretatt forbehandling av dataene. data ble delt inn i forskjellige opplærings - og testsett, etter fremgangsmåten som ble vedtatt i 13 trening 02-jan-1990 til 28-dec-1993, validering 27. oktober 1993 til 10. desember 1997, testing 10.oktober 1997 til 18-okt -2001.Fig 1 Standard og Poors 500-indeksen for perioden 02-jan-1990 til 18-okt-2001. En populasjon av handelssystemer er utledet fra treningssettet. Kandidatmodellene som følger av denne prosessen, blir deretter validert videre datasett for å sjekke for over tting For hvert avgjøringspunkt i datasettet, er linjen ebase tar rå data som input og returnerer et KJØP, SELL eller IKKE-handelssignal En konstant utløpsperiode på 10 dager for KJØP og SELL-strategier er vedtatt i dette arbeidet Størrelsen på investeringen som svarer til et KJØP eller SELL-signal antas å være en vilkårlig konstant, 1000 Den pro t som er foretatt av hver transaksjon, justeres for å regne for handelskostnader og slippe. Handelskursen er de ned som 0 2, mens glidning er satt til 0 3 13 Merk at handelsutgifter for en enkelt spekulant ville være noe høyere enn de som antas her. Slippage er en catch-all for andre faktorer som kan skade effekten som er gjort under en transaksjon. For eksempel vil utførelsen av en handel bli gjenstand for forsinkelse, og spesielt kan det ikke være mulig for å starte transaksjonen i forrige dagens sluttkurs. Totalprisen for systemet er summen av alle justerte transaksjonsprosjekter, sammen med risikofri avkastning generert på ubestemte midler de gangene da en IKKE signal ble gitt. Denne pro t er imidlertid ikke brukt som kandidatløsningens omfang. Dette er omtalt i følgende underavsnitt 4 2 Treningsfunksjon GP-søkemotoren krever kunnskap om ytelsen til hver kandidatløsning innenfor den nåværende befolkningen i rekkefølge å utføre en rettet stokastisk søk ​​Foreslåtte tfunksjoner på dette området av forskning har en tendens til å vurdere to kriterier som er oppnådd og tilknyttet risiko. Dette sistnevnte begrepet, mens det er viktig, er i stor grad avhengig av investorens psykologi. Det utelates fra denne studien, slik at ytelsen er vurderes rent på en måling, uansett risiko Alternativt, hvis investorens preferanse er ukjent, kan en multi-objektiv genetisk programmerings MOGP-teknikk brukes til å generere en representasjon av Pareto optimale handelssystemer 14 Tensjonsfunksjonen benyttet i denne studien er rett og slett summering av alle justerte transaksjonsprosjekter. Merk at INGEN mottar null pro t i stedet for risikofri rente på re sving for å fremme utviklingen av et aktivt system Siden mange løsninger vil tilsvare negative konsekvenser, bør denne tilnærmingen noe dempe den relativt positive effekten av et IKKE-signal. Mens denne tilnærmingen kan betraktes av noen som uhensigtsmessig, medfører en hvilken som helst høy risiko - høye belønningssystemer vil sannsynligvis bli eksponert på de to testsettene 4 3 Implementeringsdetaljer Initialisering Et forhåndsdefinert antall regler er bygget for hver kandidatløsning av den opprinnelige befolkningen Hvert antecedent tre er begrenset til innenfor et forhåndsdekkende maksimum antall noder Repetisjon av terminaler er forhindret Træret er bygget på en topp-ned måte ved hjelp av rampet halvhalvsstrategi 4 Hver følge er generert ved å rotere gjennom terminalsettet Select Tournament-utvalg, med en turneringsstørrelse på 13, var brukt i dette arbeidet Utvalgte personer ble så underkastet de genetiske operatørene beskrevet nedenfor for å generere nye kandidatløsninger. Genetiske operatører Alle perasjoner handler kun på antecedent-trærne En-punkts binær overgang er implementert sannsynlighet 0 7 per par løsninger En kontroll er utført for å sikre at resultatene av crossover er gyldige En mutasjonsoperatør som reinitialiserer grener av antecedentreet har også blitt implementert sannsynlighet 0 01 per løsningsnode.5 Resultater I denne innledende undersøkelsen sammenlignes ytelsen til to handelssystemer som er utviklet ved hjelp av metodikken beskrevet her, sammenlignet med en benchmark buy-and-hold-strategi. Det første handelssystemet, merket som det komplekse systemet, består av av en regelbase på 9 regler med antecedents på opptil 7 noder Denne regelbase kan ikke presenteres her på grunn av størrelsesbegrensninger og er komplisert å analysere Det andre handelssystemet, kjent som det enkle systemet, har en regelbase på bare 3 regler, hvor tallet av noder i antecedenten er begrenset til 1 Analyse av dette systemet er noe mer gripbar En investering på 1000 er knyttet til hver avgjørelse Alle transaksjoner ioner initiert av regelbasen er lukket ut etter en periode på 10 dager. Den maksimale investeringen til enhver tid er således 10.000. Når beslutningen er tatt til INGEN, blir rente opptjent med en risikofri rente på 0 14 gjennomsnittlig 10 dag rente utledet fra US Federal Funds historiske data Under buy-and-hold-strategien er den totale investeringen på 10.000 gjort i begynnelsen av perioden og avsluttet ved periodens slutt. Resultatene for de to systemene, sammen med resultater for Kjøp-og-hold-strategien presenteres i tabell 1. Den totale pro tene som er produsert av strategiene, dekomponeres i ytelse på trening, validering og testing av datasegmenter. Grafiske resultater, som viser hvordan ytelsen til hvert system varierer over totalverdien. Handelsperiode Kompleks system Enkelt system Kjøp og hold Trening 4046 3274 4109 Validering 1948 2219 10533 Testing 1112 1588 1240 Totalt 7106 7081 15882 Tabell 1 Pro ts laget av ulike strategies. time-serier, vises for det komplekse systemet i n Figur 2 og for det enkle systemet i Figur 3 Det er tydelig at ingen av de utviklede handelssystemene kan konsekvent overgå benchmarkstrategien. Mer kompliserte regelbaser er i stand til å gjøre betydelige resultater på opplæringsdataene meravkastning enn buy-and - hold, men dette er knyttet til dårlig ytelse ved validering og testing av datasett. Dette er en indikasjon på overføring. Det komplekse systemet vist ovenfor representerer en avviksløsning på tvers av opplærings - og valideringsdatasettene. Det enkle systemet er ikke i stand til å matche det komplekse systemet på treningsdataene, men er signifikant mer robust til endrede markedsforhold. Det enkle systemet slår kjøps-og-hold-strategien på testsettet. Hverken handelssystem er i stand til å kapitalisere på den store haustiske perioden som er angitt i valideringsbetingelsene under som en buy-and-hold-strategi ville være mest blandet ytelse av handelssystemene på tvers av datasettene, kan ha oppstått. Fig 2 Performance dyn amics for det komplekse systemet aktive og inaktive pro ts oppstår fra henholdsvis KJØP SØLG og IKKE INGEN handlinger. Fig 3 Ytelsesdynamikk for det enkle systemet. Fra innfødte markedsfunksjoner i treningsdataene Den hausiske perioden i valideringsdataene og den store baisse regionen av testdataene er ikke synlige i treningsdataene. GP-optimaliseringsprosessen kan kreve et rikere eller mer representativt utvalg av treningsmateriell eller regelbaserte byggeblokker. Dette garanterer absolutt ytterligere undersøkelse For å kunne utføre en fullstendig vurdering av resultatene, Markedsrisikoen for hver handelsstrategi bør også regnskapsføres. Siden kjøps-og-hold-strategien gjør en investering på 10.000 i investeringsperioden, kan den maksimale investeringen som går tapt, være 10.000. En gjennomsnittlig daglig investering kan beregnes for handelssystemene utviklet i denne studien, forutsatt at selge kort vil aldri føre til a. loss større enn selve staven, for å gi am easure of risk for the proposed systems These results are shown in Table 2 The average daily investments for the Data set Complex system Simple system Training 2351 2134 Validation 1580 1680 Testing 2755 2208 Table 2 Average daily investment of trading systems. systems do not indicate any excess risk over the benchmark strategy.6 Conclusions and Future Work A GP-optimised rule-based trading system has been presented in this paper The aims of this work have been two-fold 1 to develop an effective system that is able to outperform a benchmark strategy with 2 a high degree of simplicity and transparency Initial results indicate the importance of the rulebase complexity issue A degree of complexity is required in order to generate excess returns, whilst extravagant complexity will lead to over tting A balance must be sought, which also embraces the requirement for transparency This study has considered only a single technical indicator, the MA As stated earlier, this indicator has known str engths and weaknesses in its prediction capabilities Also, only the simplest form of MA was considered here Future extensions will seek to make other technical indicators available, such that the rulebase can utilise complementary indicators if this is deemed desirable The library of possible indicators can be increased without bounds, given that the rulebase complexity remains unchanged, so long as the combination of these indicators remains tractable Indeed, increasing the choice of indicators may help to prevent rulebase bloat The structure of the rulebase used in this study is somewhat restrictive Extensions to the rulebase could be developed to provide extra exibility whilst maintaining tractability Fuzzi cation of the rulebase could be one such improvement, where the rst step would be to replace the crisp equality relation within the MA terminals by fuzzy counterparts The application of the methodology to other market sources will form an interesting next step It will be possible to see if the conclusions derived from the Standard Poors 500 share index concerning the methodology remain valid across other nancial sectors Furthermore, the inclusion of multiple market sources in the prediction of a single index may prove rewarding A promising system has been yielded through the use of highly limited technical indicators From this foundation, it is hoped that simple enhancements will produce a system capable of consistent success over benchmark strategies. Acknowledgments This paper is the rst product of an international collaboration that was initiated at the EvoNet Summer School 2001 held between 27-Aug and 01-Sep in Thessaloniki, Greece The authors would like to express their thanks to everyone involved in the summer school, with special thanks to Conor Ryan who set the original problem from which this work evolved For the opportunity to attend the school, the authors would like to thank the Dept of Computer Science at the University of Liverpool and Dr R C Pato n C Setzkorn Scuola Superiore S Anna of Pisa, Prof P Dario, and Prof A M Sabatini L Dipietro Prof P J Fleming R Purshouse. References 1 Achelis, S Technical analysis from A to Z 2nd edition Irwin Professional Publishing, Chicago 1997 2 Allen, F Karjalainen, R Using genetic algorithms to nd technical trading rules Journal of Financial Economics 51 1995 245C271 3 Brock, W Lakonishok, J LeBaron, B Simple technical trading rules and the stochastic properties of stock returns Journal of Finance 47 1992 1731C1764 4 Banzhaf, W Nordin, P Keller, R E Francone, F D Genetic programming an introductionOn the automatic evolution of computer programs and its applications Morgan Kaufman Publishers 1998 5 Deb, K Multi-objective optimization using evolutionary algorithms John Wiley and Sons Ltd, Chichester 2001 6 Fama, E F Ef cient capital markets a review of theory and empirical work Journal of Finance 25 1970 383C417 7 Golan, R H Ziarko, W A methodology for stock market analysis utilizing rough set theory Proceedings of the IEEE IAFE 1996 Conference on Computational Intelligence for Financial Engineering 1995 32C40 8 Hellstrm, T Holmstrm, K Predicting the stock market Technical report series IMa-TOM1997-07, Malardalen University, Sweden 1998 9 Hiemstra, Y A stock market forecasting support system based on fuzzy logic Proceedings of the Twenty-Seventh Annual Hawaii International Conference on System Sciences 1994 10 Koza, J R Genetic Programming MIT Press 1992 11 Murphy, J J Technical Analysis of the Financial Markets A Comprehensive Guide to Trading Methods and Applications New York Institute of Finance 1986 12 Neely, C J Weller, P A Technical trading rules in the European Monetary System Journal of International Money and Finance 18 1999 29C58 13 ONeill, M Brabazon, T Ryan, C Collins, J J Developing a market timing system using grammatical evolution Proceedings of GECCO 2001 1375C1381 14 Rodriguez-Vazquez, K Fonseca, C M Fleming, P J Multiobjective genetic programming a nonlinea r system identi cation application Late Breaking Papers at the 1997 Genetic Programming Conference 1997 207C212 15 Schierholt, K Dagli, C H Stock market prediction using different neural network classi cation architectures Proceedings of the IEEE IAFE 1996 Conference on Computatational Intelligence for Financial Engineering 1996 72C78.Automated Forex Trading Systems, Rule-based Strategies and Free Tools. PowerFlow is a MetaTrader 4 Expert Advisor fully automated currency trading system which is packed with state of the art trading technology It is easy to use and has been designed to return stable monthly profits while keeping the risk at the lowest possible level. An advanced but easy to use rule based forex trading strategy, specifically designed for intraday and swing trading It s fully adjustable by the user and comes with built in alerts which decreases monitoring time ProFx 4 0 can be used on all instruments supported by MT4 and does not depend on market conditions such as trend or range. Forex Insider is a truly unique Trading Tool which allows you to see the positions of other currency traders With Forex Insider, you will know what other traders are doing which makes it easy to beat them on the forex battlefield Data provided by MyFxbook. FX Pulse 3 0 is a unique and light weighted news indicator for Metatrader 4 Once installed and attached to the chart you will receive all actual news in the same second they become available It means that you re always at the forefront of the latest economic figures and breaking news.