ใน "A Random Walk Down Wall Street" (1973), Burton Malkiel แนะนำ "ลิงปิดตาขว้างปาลูกดอกที่หน้าการเงินของหนังสือพิมพ์สามารถเลือกแฟ้มสะสมผลงานที่จะทำเช่นเดียวกับที่ผู้เชี่ยวชาญคัดสรรมาอย่างดี" ในขณะที่วิวัฒนาการอาจทำให้มนุษย์ไม่ฉลาดในการเลือกหุ้นทฤษฎีของชาร์ลส์ดาร์วินได้พิสูจน์แล้วว่ามีประสิทธิภาพมากเมื่อใช้โดยตรง
การสอน: กลยุทธ์การเลือกหุ้น
อัลกอริทึมทางพันธุกรรมคืออะไร?
อัลกอริธึมทางพันธุกรรม (GAs) เป็นวิธีการแก้ปัญหา (หรือฮิวริสติก) ที่เลียนแบบกระบวนการวิวัฒนาการตามธรรมชาติ ซึ่งแตกต่างจากเครือข่ายประสาทเทียม (ANNs) ที่ออกแบบมาเพื่อทำงานเหมือนเซลล์ประสาทในสมองอัลกอริทึมเหล่านี้ใช้แนวคิดของการคัดเลือกโดยธรรมชาติเพื่อกำหนดทางออกที่ดีที่สุดสำหรับปัญหา ดังนั้น GAs มักใช้เป็นเครื่องมือเพิ่มประสิทธิภาพที่ปรับพารามิเตอร์เพื่อลดหรือเพิ่มขนาดการวัดความคิดเห็นซึ่งสามารถนำมาใช้อย่างอิสระหรือในการสร้าง ANN (หากต้องการเรียนรู้เพิ่มเติมเกี่ยวกับ ANN โปรดดูที่: เครือข่ายประสาท: การพยากรณ์กำไร )
ในตลาดการเงินมักใช้อัลกอริธึมทางพันธุกรรมเพื่อหาค่าการรวมกันที่ดีที่สุดของพารามิเตอร์ในกฎการซื้อขายและสามารถสร้างขึ้นในแบบจำลอง ANN ที่ออกแบบมาเพื่อเลือกหุ้นและระบุการซื้อขาย การศึกษาจำนวนมากได้แสดงให้เห็นถึงประสิทธิภาพของวิธีการเหล่านี้รวมถึง "อัลกอริทึมทางพันธุกรรม: การกำเนิดของการประเมินผลสต็อก" (2004) และ "การใช้งานของอัลกอริทึมทางพันธุกรรมในการเพิ่มประสิทธิภาพการทำเหมืองข้อมูลตลาดหลักทรัพย์" (2004) (สำหรับข้อมูลเพิ่มเติมดูที่: วิธีสร้างอัลกอริทึมการซื้อขาย )
อัลกอริทึมทางพันธุกรรมคืออะไร
วิธีการทำงานของอัลกอริทึมทางพันธุกรรม
อัลกอริทึมทางพันธุกรรมถูกสร้างขึ้นทางคณิตศาสตร์โดยใช้เวกเตอร์ซึ่งเป็นปริมาณที่มีทิศทางและขนาด พารามิเตอร์สำหรับกฎการซื้อขายแต่ละรายการจะแสดงด้วยเวกเตอร์หนึ่งมิติที่สามารถคิดได้ว่าเป็นโครโมโซมในแง่ทางพันธุกรรม ในขณะเดียวกันค่าที่ใช้ในแต่ละพารามิเตอร์สามารถถูกคิดว่าเป็นยีนซึ่งจะถูกแก้ไขโดยใช้การคัดเลือกโดยธรรมชาติ
ตัวอย่างเช่นกฎการซื้อขายอาจเกี่ยวข้องกับการใช้พารามิเตอร์เช่นค่าเฉลี่ยเคลื่อนที่แบบลู่เข้า (MACD), ค่าเฉลี่ยเคลื่อนที่ชี้แจง (EMA) และ Stochastics ขั้นตอนวิธีเชิงพันธุกรรมจะป้อนค่าลงในพารามิเตอร์เหล่านี้โดยมีเป้าหมายเพื่อเพิ่มกำไรสุทธิให้สูงสุด เมื่อเวลาผ่านไปการเปลี่ยนแปลงเล็กน้อยจะถูกนำเสนอและสิ่งที่สร้างผลกระทบที่น่าพอใจจะยังคงอยู่สำหรับคนรุ่นต่อไป
การดำเนินการทางพันธุกรรมมีสามประเภทที่สามารถทำได้:
- ไขว้เป็นตัวแทนของการสืบพันธุ์และครอสโอเวอร์ที่เห็นในชีววิทยาโดยเด็กใช้เวลาในลักษณะบางอย่างของผู้ปกครองการกลายพันธุ์เป็นตัวแทนของการกลายพันธุ์ทางชีวภาพและถูกนำมาใช้เพื่อรักษาความหลากหลายทางพันธุกรรมจากรุ่นหนึ่งของประชากรต่อไป ระยะที่จีโนมแต่ละตัวถูกเลือกจากประชากรเพื่อการผสมพันธุ์ในภายหลัง (การรวมตัวใหม่หรือครอสโอเวอร์)
การดำเนินการทั้งสามนี้จะใช้ในกระบวนการห้าขั้นตอน:
- เริ่มต้นประชากรสุ่มโดยที่แต่ละโครโมโซมคือ n -length โดยที่ n เป็นจำนวนพารามิเตอร์ นั่นคือตัวเลขสุ่มของพารามิเตอร์จะถูกสร้างขึ้นด้วยองค์ประกอบ n แต่ละเลือกโครโมโซมหรือพารามิเตอร์ที่เพิ่มผลลัพธ์ที่ต้องการ (ผลกำไรสุทธิสันนิษฐาน) นำไปใช้กับการกลายพันธุ์หรือผู้ประกอบการครอสโอเวอร์กับผู้ปกครองที่เลือกและสร้างลูกหลาน ประชากรปัจจุบันเพื่อจัดรูปแบบประชากรใหม่ด้วยตัวดำเนินการเลือกทำซ้ำขั้นตอนที่สองถึงสี่
เมื่อเวลาผ่านไปกระบวนการนี้จะส่งผลให้โครโมโซม (หรือพารามิเตอร์) ที่เป็นที่นิยมมากขึ้นสำหรับใช้ในกฎการซื้อขาย กระบวนการจะสิ้นสุดลงเมื่อตรงกับเกณฑ์การหยุดซึ่งอาจรวมถึงเวลาทำงานความเหมาะสมจำนวนรุ่นหรือเกณฑ์อื่น ๆ
การใช้อัลกอริทึมทางพันธุกรรมในการซื้อขาย
ในขณะที่อัลกอริธึมทางพันธุกรรมส่วนใหญ่จะใช้โดยผู้ค้าเชิงปริมาณสถาบันผู้ค้าแต่ละรายสามารถควบคุมพลังของอัลกอริทึมทางพันธุกรรม - โดยไม่ต้องเรียนจบสาขาคณิตศาสตร์ขั้นสูงโดยใช้ซอฟต์แวร์สำเร็จรูปจำนวนมากในตลาด โซลูชั่นเหล่านี้มีตั้งแต่แพ็คเกจซอฟต์แวร์แบบสแตนด์อโลนที่มุ่งสู่ตลาดการเงินไปยังโปรแกรมเสริมของ Microsoft Excel ที่สามารถช่วยในการวิเคราะห์เชิงปฏิบัติได้มากขึ้น
เมื่อใช้แอปพลิเคชันเหล่านี้ผู้ค้าสามารถกำหนดชุดของพารามิเตอร์ที่ปรับให้เหมาะสมโดยใช้อัลกอริทึมทางพันธุกรรมและชุดของข้อมูลประวัติ แอปพลิเคชั่นบางตัวสามารถปรับพารามิเตอร์ที่ใช้และค่าให้เหมาะสมในขณะที่บางแอปพลิเคชันจะเน้นที่การปรับค่าสำหรับชุดพารามิเตอร์ที่กำหนดให้เป็นหลัก (หากต้องการเรียนรู้เพิ่มเติมเกี่ยวกับกลยุทธ์ที่มาจากโปรแกรมเหล่านี้โปรดดู: พลังของการค้าขายโปรแกรม )
Curve fitting (overfitting) หรือการออกแบบระบบการค้ารอบข้อมูลในอดีตมากกว่าการระบุพฤติกรรมที่ทำซ้ำได้แสดงถึงความเสี่ยงที่อาจเกิดขึ้นสำหรับผู้ค้าที่ใช้อัลกอริทึมทางพันธุกรรม ระบบการซื้อขายใด ๆ ที่ใช้ GAs ควรทำการทดสอบล่วงหน้าบนกระดาษก่อนใช้งานจริง
การเลือกพารามิเตอร์เป็นส่วนสำคัญของกระบวนการและผู้ค้าควรค้นหาพารามิเตอร์ที่สัมพันธ์กับการเปลี่ยนแปลงของราคาหลักทรัพย์ที่กำหนด ตัวอย่างเช่นลองใช้ตัวชี้วัดที่แตกต่างกันเพื่อดูว่ามีความสัมพันธ์ใด ๆ กับการเปลี่ยนแปลงของตลาดหรือไม่ (โปรดดูเพิ่มเติมที่: การ เลือกซอฟต์แวร์การซื้อขายอัลกอริทึมที่เหมาะสม )
บรรทัดล่าง
อัลกอริทึมทางพันธุกรรมเป็นวิธีที่ไม่ซ้ำกันในการแก้ปัญหาที่ซับซ้อนโดยการควบคุมพลังของธรรมชาติ ด้วยการใช้วิธีการเหล่านี้ในการทำนายราคาหลักทรัพย์ผู้ค้าสามารถเพิ่มประสิทธิภาพกฎการซื้อขายโดยการระบุค่าที่ดีที่สุดที่จะใช้สำหรับแต่ละพารามิเตอร์เพื่อความปลอดภัยที่กำหนด อย่างไรก็ตามอัลกอริธึมเหล่านี้ไม่ใช่ Holy Grail และผู้ค้าควรระมัดระวังในการเลือกพารามิเตอร์ที่ถูกต้องและไม่โค้งพอดี (สำหรับการอ่านเพิ่มเติมให้ตรวจสอบ: วิธีการกำหนดรหัสหุ่นยนต์ซื้อขายของคุณเอง )
