Dans "A Random Walk Down Wall Street" (1973), Burton Malkiel a suggéré: "Un singe aux yeux bandés lançant des fléchettes sur les pages financières d'un journal pourrait sélectionner un portefeuille qui ferait aussi bien qu'un portefeuille soigneusement sélectionné par des experts." Alors que l'évolution n'a peut-être pas rendu l'homme plus intelligent dans la sélection des actions, la théorie de Charles Darwin s'est avérée assez efficace lorsqu'elle est appliquée plus directement.
TUTORIAL: Stratégies de sélection de titres
Que sont les algorithmes génétiques?
Les algorithmes génétiques (AG) sont des méthodes de résolution de problèmes (ou heuristiques) qui imitent le processus d'évolution naturelle. Contrairement aux réseaux de neurones artificiels (RNA), conçus pour fonctionner comme des neurones dans le cerveau, ces algorithmes utilisent les concepts de sélection naturelle pour déterminer la meilleure solution à un problème. En conséquence, les AG sont couramment utilisés comme optimiseurs qui ajustent les paramètres pour minimiser ou maximiser certaines mesures de rétroaction, qui peuvent ensuite être utilisées indépendamment ou dans la construction d'un ANN. (Pour en savoir plus sur les RNA, voir: Réseaux de neurones: prévisions des bénéfices .)
Sur les marchés financiers, les algorithmes génétiques sont le plus souvent utilisés pour trouver les meilleures valeurs de combinaison de paramètres dans une règle de négociation, et ils peuvent être intégrés dans des modèles ANN conçus pour sélectionner des actions et identifier des transactions. Plusieurs études ont démontré l'efficacité de ces méthodes, dont "Genetic Algorithms: Genesis of Stock Evaluation" (2004) et "The Applications of Genetic Algorithms in Stock Market Data Mining Optimization" (2004). (Pour plus d'informations, voir: Comment sont créés les algorithmes de trading .)
Que sont les algorithmes génétiques?
Fonctionnement des algorithmes génétiques
Les algorithmes génétiques sont créés mathématiquement à l'aide de vecteurs, qui sont des quantités qui ont une direction et une ampleur. Les paramètres de chaque règle commerciale sont représentés par un vecteur unidimensionnel qui peut être considéré comme un chromosome en termes génétiques. Pendant ce temps, les valeurs utilisées dans chaque paramètre peuvent être considérées comme des gènes, qui sont ensuite modifiés en utilisant la sélection naturelle.
Par exemple, une règle de négociation peut impliquer l'utilisation de paramètres tels que la divergence de convergence moyenne mobile (MACD), une moyenne mobile exponentielle (EMA) et la stochastique. Un algorithme génétique entrerait alors des valeurs dans ces paramètres dans le but de maximiser le bénéfice net. Au fil du temps, de petits changements sont introduits et ceux qui ont un impact souhaitable sont conservés pour la prochaine génération.
Il existe trois types d'opérations génétiques qui peuvent ensuite être effectuées:
- Les croisements représentent la reproduction et le croisement vus en biologie, par lesquels un enfant prend certaines caractéristiques de ses parents.Les mutations représentent une mutation biologique et sont utilisées pour maintenir la diversité génétique d'une génération d'une population à l'autre en introduisant de petits changements aléatoires. stade auquel les génomes individuels sont choisis dans une population pour une reproduction ultérieure (recombinaison ou croisement).
Ces trois opérations sont ensuite utilisées dans un processus en cinq étapes:
- Initialisez une population aléatoire, où chaque chromosome est de longueur n , n étant le nombre de paramètres. Autrement dit, un nombre aléatoire de paramètres est établi avec n éléments chacun. Sélectionnez les chromosomes, ou paramètres, qui augmentent les résultats souhaitables (bénéfice net vraisemblablement). Appliquez des opérateurs de mutation ou de croisement aux parents sélectionnés et générez une progéniture. la population actuelle pour former une nouvelle population avec l'opérateur de sélection. Répétez les étapes deux à quatre.
Au fil du temps, ce processus se traduira par des chromosomes (ou paramètres) de plus en plus favorables à utiliser dans une règle commerciale. Le processus est ensuite interrompu lorsque les critères d'arrêt sont remplis, ce qui peut inclure la durée de fonctionnement, la forme physique, le nombre de générations ou d'autres critères.
Utilisation d'algorithmes génétiques dans le trading
Alors que les algorithmes génétiques sont principalement utilisés par les commerçants quantitatifs institutionnels, les commerçants individuels peuvent exploiter la puissance des algorithmes génétiques - sans diplôme en mathématiques avancées - en utilisant plusieurs progiciels sur le marché. Ces solutions vont des progiciels autonomes destinés aux marchés financiers aux modules complémentaires Microsoft Excel qui peuvent faciliter une analyse plus pratique.
Lors de l'utilisation de ces applications, les commerçants peuvent définir un ensemble de paramètres qui sont ensuite optimisés à l'aide d'un algorithme génétique et d'un ensemble de données historiques. Certaines applications peuvent optimiser les paramètres utilisés et leurs valeurs, tandis que d'autres se concentrent principalement sur l'optimisation simple des valeurs pour un ensemble de paramètres donné. (Pour en savoir plus sur ces stratégies dérivées de programmes, voir: Le pouvoir des métiers de programme .)
L'ajustement de courbe (sur-ajustement), ou la conception d'un système d'échange autour de données historiques plutôt que l'identification d'un comportement reproductible, représente un risque potentiel pour les commerçants utilisant des algorithmes génétiques. Tout système de négociation utilisant des AG doit être soumis à un test préalable sur papier avant utilisation en direct.
Le choix des paramètres est une partie importante du processus, et les traders doivent rechercher des paramètres qui correspondent aux variations du prix d'un titre donné. Par exemple, essayez différents indicateurs pour voir si certains semblent être en corrélation avec les principaux virages du marché. (Pour plus d'informations, voir: Choisir le bon logiciel de trading algorithmique .)
The Bottom Line
Les algorithmes génétiques sont des moyens uniques de résoudre des problèmes complexes en exploitant la puissance de la nature. En appliquant ces méthodes à la prévision des prix des titres, les traders peuvent optimiser les règles de trading en identifiant les meilleures valeurs à utiliser pour chaque paramètre pour un titre donné. Cependant, ces algorithmes ne sont pas le Saint Graal, et les traders doivent faire attention à choisir les bons paramètres et à ne pas ajuster la courbe. (Pour plus d'informations, consultez: Comment coder votre propre robot de trading Algo .)
