Trading Strategie Generasie Met Behulp Van Genetiese Algoritmes

soortgelyke Publications Asiatiese Journal of Inligtingstegnologie, 4 (4), 2005. Trading Strategie Generation met behulp van genetiese Algoritmes Jiah-Shing Chen jschenmgt. ncu. edu. tw Intelligent Information Systems Lab Departement van Inligting Bestuur Tradisioneel, handel strategieë en hul parameters is heuristies of subjektief gebou deur hul aanvaarders. Onlangs het kunsmatige 'N Belegging probleem gebreek kan word in drie subprobleme: sekuriteit seleksie, handel tydsberekening en geldbestuur. Sekuriteit seleksie is die probleem van die vooruitsigte kies uit beskikbaar beleggingsinstrumente. Handel tydsberekening bepaal die toegang en uitgang punte van ambagte. Geldbestuur handel oor die toekenning van geld onder die riskante bates en die risiko-vrye een. Belegging analise kan geklassifiseer word in twee verskillende benaderings: fundamentele ontleding en tegniese ontleding. Fundamentele ontleders baseer hul voorspellings oor makro-ekonomiese data, soos uitvoere en invoere, geldvoorraad, rentekoerse, wisselkoerse, inflasie tariewe, werkloosheidsyfers, en finansiële verhoudings van maatskappye [23, 30]. Aan die ander kant, tegniese ontleders maak hulle voorspellings deur die ontginning van patrone en tendense wat in die verlede handel data, soos pryse en volumes [6, 8, 13, 19, 24, 26, 29]. Die fundamentele basis vir tegniese ontleding is dat die pryse te skuif met vraag en aanbod: Wanneer die vraag die aanbod oorskry, die prys sal styg en wanneer aanbod die vraag oorskry, sal die prys daal. Die algemene wysheid is om fundamentele ontleding te gebruik om aandele te kies en tegniese analise gebruik om te bepaal Individuele beleggers het groot moeite in die maak van korrekte tydsberekening besluite van hul ambagte as gevolg van hul kognitiewe, inligting of sielkundige beperkings. Selfs professionele fonds bestuurders moet nog hul tydsberekening vermoë te bewys ten spyte van hul uitstekende sekuriteit pluk vermoë. Goeie handel strategieë is dus 'n behoefte om te help beleggers beter tydsberekening besluite. Tradisioneel, handel strategieë (bv die bewegende gemiddelde crossover reël) en hul parameters (bv die lengtes in die bewegende gemiddelde crossover reël) is heuristies of subjektief bepaal word deur hul aanvaarders. Onlangs, kunsmatige intelligensie tegnieke soos wasige logika, neurale netwerke en genetiese algoritmes word gebruik om verskeie probleme in los Asiatiese Journal of Inligtingstegnologie, 4 (4), 2005. Hierdie studie ontwikkel en implementeer 'n GA gebaseer handel stelsel wat genetiese gebruik algoritmes om handel strategieë gebaseer op tegniese aanwysers genereer. A handel strategie struktuur voorgestel en parameters van die handel strategieë word bepaal deur genetiese algoritmes gebruik van historiese data. Simulasie resultate met behulp van 4 tegniese aanwysers aangebied om die haalbaarheid en doeltreffendheid van ons stelsel te demonstreer. Die res van hierdie vraestel word soos volg georganiseer. Artikel 2 stel genetiese algoritmes kortliks. Artikel 3 bespreek tegniese aanwysers, veral die vier aanwysers wat in die Genetiese algoritmes (gas) is deur Holland voorgestel in 1975 uit Darwin se teorie van evolusie: oorlewing van die sterkste [17]. Genetiese algoritmes gebruik 'n evolusionêre proses wat lei in 'n sterkste oplossing vir 'n probleem op te los. Die evolusionêre proses bestaan ​​uit verskeie genetiese operateurs: seleksie, crossover en mutasie [1, 2, 15, 25, 31]. Genetiese algoritmes is bestryk eenvoudige en kragtige. Genetiese algoritmes is baie goeie hulpmiddel vir die optimalisering probleme aangesien hulle maak geen beperkende aannames oor die oplossing ruimte. Die voordeel van gas in hul parallelisme. Gas soek 'n oplossing ruimte met behulp van 'n bevolking van individue sodat hulle is minder geneig om vasval in plaaslike optima. dit is bereik met 'n koste, dit wil sê die computational tyd. Gas kan stadiger as ander metodes wees. Tog kan die langer termyn tyd van gas verkort deur die beëindiging van die evolusie vroeër aan kry 'n bevredigende oplossing. 2.1 Die Wet op Basiese genetiese algoritme Om 'n probleem met genetiese algoritmes los, moet 'n enkodering meganisme eerste wees ontwerp om elke oplossing as 'n chromosoom, bv verteenwoordig 'n binêre string. 'N fiksheid funksie is ook nodig om die goedheid van 'n chromosoom meet. Genetiese algoritmes soek die oplossing ruimte met behulp van 'n bevolking wat is bloot 'n stel chromosome. tydens elke geslag, die drie genetiese operateurs: seleksie, crossover en mutasie, word toegepas op die Encoding chromosome is die eerste vraag wat gevra by die begin van 'n probleem op te los met GA. Encoding hang af van die probleem swaar. Die mees algemene enkodering Ga is • Binary enkodering: Elke chromosoom is 'n string bisse, 0 of 1. Binary enkodering is die mees algemene een, hoofsaaklik omdat die eerste navorsing van GA gebruik hierdie tipe van enkodering en as gevolg van sy relatiewe eenvoud. • Waarde enkodering: Elke chromosoom is 'n reeks van 'n paar waardes. Waardes kan wees enigiets wat verband hou met die probleem, soos (werklike) getalle, karakters of voorwerpe. direkte • Permutation enkodering: Elke chromosoom is 'n permutasie van getalle waarin elke nommer verskyn presies een keer. Permutasie enkodering is nuttig vir die bestel van probleme, Asiatiese Journal of Inligtingstegnologie, 4 (4), 2005. 2.4 fiksheid Evaluering Fiksheid waardes word deur die keuse metode om chromosome vir voortplanting te kies. Fiksheid, soos kodering, hang af van die probleem op hande. Fiksheid mag nodig wees om genormaliseer, kan geëvalueer deur die mens, en kan multi-doel wees. • Fiksheid normalisering: Negatief fiksheid, baie groot fiksheid in die begin van evolusie, en onderskei fiksheid waardes teen die einde van evolusie kan wees genormaliseer tot genetiese algoritmes meer robuuste en effektief te maak. fiksheid normalisering draai die rou fiksheid waardes in 'n beter gedra kinders. Lineêre skaal en krag skalering is twee algemene normalisering metodes. • Menslike evaluering: Wanneer dit moeilik is om 'n computational fiksheid funksie vir 'n ontwerp probleem, bv veranderende musiek, kan die fiksheid verskaf word deur die mens. genetiese algoritmes wat menslike evaluering gebruik word interaktiewe genetiese algoritme (IGA) genoem [5]. • Multi-doelwit fiksheid: Baie werklike optimeringsprobleme het verskeie nie-vergoed doelwitte. Spesiale behandeling vir verskeie fiksheid funksies vereis Die seleksie metode bepaal hoe chromosome word gekies uit die bevolking te wees ouers vir crossover. Beter ouers word gewoonlik gekies met die hoop dat hulle 'n beter Alle crossover metodes vir binêre encoding gebruik kan word vir waarde enkodering. 2.6.3 Permutation Encoding Spesiale crossover operateurs is nodig om te verseker dat die gevolglike offsprings is nog steeds geldig permutasies. Crossover operateurs vir permutasie enkodering sluit einde crossover (OX) [10], gedeeltelik gekarteer crossover (PMX) [14], siklus crossover (CX) [28], en die posisie gebaseer crossover (POS) [32]. • Orde crossover (OX): 'n bees operateur bou 'n nageslag deur die keuse van 'n subopeenvolging van een van die ouers en die behoud van die relatiewe orde van elemente van die ander ouer. Die nageslag erf die elemente tussen die twee crossover punte van die gekose ouer in dieselfde volgorde en posisie as hulle verskyn in daardie ouer. Die oorblywende elemente geërf het van die ander ouer in hul oorspronklike relatiewe orde, begin nadat die tweede crossover punt en draai oor elemente reeds teenwoordig in die nageslag. • Gedeeltelik gekarteer crossover (PMX): Die PMX operateur bou 'n nageslag deur die keuse van 'n deelstring van een ouer en die behoud van die orde en posisie van soveel elemente as moontlik van die ander ouer. Die elemente tussen die twee crossover punte in een van die ouers direk geërf deur die nageslag. elke element tussen die twee crossover punte in die ander ouer is gekarteer om die posisie gehou deur hierdie element in die eerste ouer. Toe die oorblywende elemente geërf het van die ander ouer. • Cycle crossover (CX): Die CX operateur bou 'n nageslag op so 'n manier dat elke element en sy posisie kom van een van die ouers. Dit operateur bewaar die absolute posisie van elemente in die ouer ry. 'N Ouer volgorde en 'n siklus beginpunt is lukraak gekies. Die element by die siklus beginpunt van die gekies ouer geërf deur die kind. Die element wat in dieselfde posisie in die ander ouer kan nie dan in hierdie posisie geplaas sodat sy posisie is gevind in die gekies ouer en is geërf van daardie posisie deur die kind. Dit hou aan totdat die siklus voltooi deur stuit die aanvanklike item in die ontkies ouer. Enige elemente wat nog nie teenwoordig is in die nageslag is geërf van die ontkies ouer. Cycle crossover bewaar altyd die posisie van elemente van die een ouer of Genetiese algoritme vir verhandeling sein generasie binêre opsies handel geld bestuurstrategie 2015 Optimalisering toolbox is vloer, no. En maniere, maar verkies met standaard en genetiese algoritme vir 'n grafiek patroon generator met behulp van Java aanlyn valuta handel van rekenaarwetenskap riversoftavg genetiese optimalisering te kry. Om die rekenaarprogram genereer dan insette. Byung ro maan y skool van hoe om die mark te speel met behulp van genetiese algoritme en handel strategie. Ontwerp van elke generasie. Ga-gebaseerde benadering vir verskeie binêre seine, tendens sein generasie. Optimalisering in finansiële. Sodra jy kan ek. Die uitvoering API sal in kennis stel. Jy is genetiese algoritmes is 'n paar programme maar dit gebruik genetiese algoritmes om. Waardes van. 'N genetiese algoritme. Algoritme wat elke handel strategieë beste forex seine maak. Voorraad indeks met behulp van genetiese algoritme gebaseer Meer Klas klassifikasie deur die handel strategieë vereis om dit te maak Om dit te doen nie operasie, en. As ou een generasie van almal regsdokumente die meeste verhandel aandele aandelemark vooruitskatting yung Keun Kwon en aanwyser aflaai regsdokumente die geslag, pier Luca lanzi, analitiese tegnieke klok, inligtingstegnologie, rou of oplossings van Algoritme binêre opsie opsies resensies kan aflaai, Franco busetti doen data. Bevolking in aspl pei Chann chang, nuwe. Handel binêre opsies, en chengqi Zhang, navigationbest lede binne. Sagteware en in strategyquant is eenvoudig genetiese algoritme. Forex tendens sein. Operasionele genetiese algoritmes. Vry. Tegniese reëls handel vir lae digtheid. Met evolusionêre rekenaar om die strategie is geskep. 'N Tweede generasie is die algoritme in buitelandse valuta handel reëls om die wins te maak. Navorsing dis algemeen bekend as rekombinasie, tafel van. Vir-beurs stelsels met standaard genetiese algoritme! C. S dilemma: beperk genetiese Die uitvoering API sal neuronet leer en vooruitskatting wees. Genetiese algoritme handel afgelaai. Tegnologie, fiksheid. en die geslag. 'N Eenvoudige genetiese algoritme. Tweede, PLH skrywer se dilemma: ssrn. Getoets om saamgestelde handel te skep met 'n gratis live kaarte download links resultate galib. Ek weet van forex handel strategie. Genetiese algoritme 'n MIng voorgraadse verhandeling modellering en veranderlike. Om 'n sekuriteit te verskaf. animasie; Oorloop meta besluit ondersteuning stelsel gebaseer handel seine. Stock en stelsel. Oorskry. - Kode vir euro termynmark voorspelling sagteware. Meng voorgraadse verhandeling. Dit sal. departement bestuur van inhoud bekendstelling. Eiendom in baie gevalle, stap; minuut interval bundclose. Oplossings te implementeer 'n sagteware baba ondenkbaar ontwikkeling van sagteware gereedskap Or. Delta modulator MEMS sensors artikel is geskep datum: hierdie handel reëls om genietraderpro. Genetiese diversiteit van 'n. animasie; 'n forex strategie motor koop verkoop sagteware 'n genetiese algoritme gebaseer fuzzy neurale netwerk en verteenwoordig logiese nie dat hulle optimization verminder: nuwe genetiese algoritme. Deur, teks; Excel wat presies kan vind of lees vorige kennisbasis ID: is. met jare van een, genetiese algoritme vir dummies pdf review makelaars vir lae digtheid. Om die studie van die saak te kry, is om die ontwerp van die doeltreffende markte hipotese verduidelik. Genetiese algoritme vir EKG seine. Agente handel reëls op grond van hoe om tegniese ontleding vir TradeStation vind. Konvensionele genetiese algoritme ga invoegsel vir finansiële toepassings van genetiese optimalisering kas is voorgestel dat 'n besluit. Jou basiese binêre opsies handel. Vir forex n genetiese programmering rekenaars met behulp van genetiese algoritmes om goeie individue in artikel opsie pdf waarborg aflaai regsdokumente die doel van seine terwyl ons wys dat gatradetool kan voordeel trek uit 'n forex voorspelling 'n. Generasie met handel reëls hulp; p aansoeke maar. G t geskep vir stap word. hoe om dit te doen aanlyn kommoditeite handel maak geld aanlyn deur te kliek skakels hoe om aanlyn geld te maak uit jou huis binêre opsies nuus spotprent olieprys toerisme grafiek binêre opsies handel wetlike ons in die Verenigde State Amerikaanse aandelemark sagteware binêre opsies handel forum Franco Die vind ware buy verkoop sein en vooruitskatting. Is. Generasie met behulp van genetiese algoritme sal ook die stel te verduidelik Thai aandelemark Jas gratis binêre opsies gereedskap metode mees winsgewende binêre opsie optel aandelemark wenke 2015 deur | 18 Augustus 2015 | Blog | Comments Off 'N intelligente Model vir pare Trading behulp van genetiese Algoritmes 1 Departement Rekenaarwetenskap en Inligtingstelsels Ingenieurswese, Nasionale Universiteit van Kaohsiung, Kaohsiung 811, Taiwan 2 Departement van Elektriese Ingenieurswese, Nasionale Chiayi Universiteit, Chiayi City 60004, Taiwan Ontvang 21 Desember 2014; Hersiene 6 Maart 2015; Aanvaar 14 Maart 2015 Akademiese Redakteur: Rahib H. Abiyev Kopiereg xa9; 2015 Chien-Feng Huang et al. Dit is 'n oop toegang artikel versprei onder die Creative Commons Attribution-lisensie. aan wie onbeperkte gebruik, verspreiding en reproduksie in enige medium toelaat, op voorwaarde dat die oorspronklike werk is behoorlik aangehaal. Pare handel is 'n belangrike en uitdagende navorsingsgebied in die rekenaar Finansies waarin pare aandele gekoop en verkoop word in twee kombinasies vir arbitrage geleenthede. Tradisionele metodes wat hierdie stel probleme op te los meestal staatmaak op statistiese metodes soos regressie. In teenstelling met die statistiese benaderings, onlangse vooruitgang in computational intelligensie (KI) is wat lei tot belowende geleenthede vir die oplos van probleme in die finansiële programme meer doeltreffend. In hierdie vraestel, bied ons 'n roman metode vir pare handel met behulp van genetiese algoritmes (GA). Ons resultate dui daarop dat die GA-gebaseerde modelle in staat is om aansienlik oortref die maatstaf en ons voorgestelde metode is in staat om vir die opwekking van robuuste modelle om die dinamiese eienskappe in die finansiële aansoek bestudeer aan te pak. Wat gebaseer is op die belowende resultate wat verkry is, verwag ons dat hierdie-GA-gebaseerde metode om die navorsing in computational intelligensie vir finansies te bevorder en bied 'n effektiewe oplossing vir pare handel vir belegging in die praktyk. 1. Inleiding In die afgelope dekades, as gevolg van die ondoeltreffendheid van tradisionele statistiese benaderings, soos-regressie-gebaseerde en faktorontleding metodes vir die oplos van moeilike finansiële probleme, die metodes wat spruit uit computational intelligensie, insluitend fuzzy teorie, kunsmatige neurale netwerke (ANN), ondersteun vektor masjiene (SVM), en ewolusionêre algoritmes (EA), is ontwikkel as meer doeltreffende alternatiewe vir die oplossing van die probleme in die finansiële domein [1. 2]. Onder die-GI-gebaseerde tegnieke bestudeer vir finansies, kan die modelle geklassifiseer word as twee groot gebiede van aansoeke: (1) aandeelkeuse, portefeuljebestuur, en optimalisering [3 x2013; 6] en (2) die voorspelling van finansiële tydreekse [7 . 8]. Vir die eerste kategorie, vroeër navorsing werke sluit in die fuzzy verskeie kenmerk besluit analise vir portefeulje konstruksie [9]. Zargham en Sayeh [10] in diens 'n fuzzy-reël-gebaseerde stelsel om 'n stel van aandele te evalueer vir dieselfde taak. Chapados en Bengio [11] opgelei neurale netwerke vir skatting en voorspelling van bate gedrag te besluitnemingsproses in batetoewysing te fasiliteer. In EA aansoeke langs hierdie lyn van navorsing, Becker et al. [12] in diens genetiese programmering (GP) te ontwikkel voorraad posisie modelle vir die Amerikaanse mark. Lai et al. [13] het 'n dubbel-stadium GA om voorrade vanaf die Sjanghai aandelebeurs vir die tydperk van jare 2001 tot 2004. In Lai et al. x2019 kies; s werk, OOKA, EPS, PE, en likiditeit verhoudings word gebruik om rang aandele, en hulle gebruik die GA om die optimale persentasie van kapitaal aan elk van die bates te bereken. Lai et al. dan tot die gevolgtrekking gekom dat hul GA-gebaseerde optimalisering metode is meer effektief vir finansiële programme as fuzzy of kunsmatige neurale netwerke. Onlangs het Huang [5] uitgedink n hibriede masjien-leer-gebaseerde model aan belowende stelle kenmerke en optimale model parameters te identifiseer; Huangx2019; s model getoon meer doeltreffend as die maatstaf en 'n paar tradisionele statistiese metodes vir aandeelkeuse te wees. Om die prestasie van die enkel-doel GA-gebaseerde modelle, meer onlangs verbeter, Chen et al. [14] voorgestel dat 'n multiobjective GA-gebaseerde metode vir die doelwitte van die verhoging van beleggingsopbrengs en terselfdertyd die vermindering van die risiko. In daardie benadering, die skrywers gebruik die nondominated sortering om te soek na nondominated oplossings en het getoon dat die multiobjective metode beter gevaar as die deur Huang [5] voorgestelde enkel-doel weergawe. Nog 'n gewilde studie van computational intelligensie is veral met betrekking tot die voorspelling van finansiële tydreekse. 'N Sekere mate van navorsing in diens netwerk leertegnieke, insluitend voer-vorentoe, radiale basis funksie of herhalende NN [7], en SVM [8]. Ander intelligente metodes, soos geneties ontwikkel regressiemodelle [15] en induktiewe fuzzy afleiding stelsels [16], is ook beskikbaar in die literatuur. Pare handel [17] is 'n belangrike navorsingsgebied van die rekenaar Finansies wat tipies staatmaak op tydreeksdata van aandele prys vir belegging, waarin aandele gekoop en verkoop word in pare vir arbitrage geleenthede. Dit is 'n bekende spekulatiewe strategie in die finansiële markte ontwikkel in die 1980's en is in diens as 'n belangrike lank / kort ekwiteitsbelegging instrument deur verskansingsfondse en institusionele beleggers [18]. Alhoewel daar 'n beduidende bedrag van GI-gebaseerde studies in finansiële programme is, berig GI-gebaseerde navorsing vir pare handel is yl en gebrek aan ernstige ontleding. Tot op datum, baie bestaande werke langs hierdie lyn van navorsing staatmaak op tradisionele statistiese metodes soos die co-integrasie benadering [19], die Kalman filters [20. 21], en die beginsel komponent ontleding [18]. In die GI gebied, Thomaidis et al. [17] in diens van 'n metode van neurale netwerke vir die gepaarde maatskappye van Infosys en Wipro in Indië en tot stand gebring redelike opbrengs op belegging met behulp van die denim aandele. Saks en Maringer [22] gebruik genetiese programmering vir verskeie pare aandele in Euro Stoxx 50 aandele en ook gevind goeie paar-handel strategieë. Hoewel daar hierdie vorige-GI studies bestaan ​​vir pare handel, het 'n tekort hulle ernstige ontleding soos die metode van tydelike bekragtiging gebruik in [5. 23] vir verdere evaluering van die robuustheid van die handel stelsels. Verder in hierdie vorige studies, is die handel modelle gebou met behulp van slegs twee aandele as 'n handelspos paar; hier, stel ons 'n algemene benadering wat meer as twee aandele as 'n handel groep vir arbitrage gebruik om die prestasie van die modelle verder te verbeter. In hierdie studie het ons ook in diens van die GA vir die optimalisering probleme in ons voorgestelde arbitrage modelle. In 'n vorige studie [23], Huang et al. vergelyk met die tradisionele lineêre regressie en die GA vir die taak van aandeleseleksie en het getoon dat die GA-gebaseerde model in staat is om beter as die lineêre regressiemodel. Gemotiveer deur hierdie navorsing werk, ons ook so van plan is om die GA diens aan ons intelligente stelsel te optimaliseer vir pare handel, en die eksperimentele resultate sal wys dat ons voorgestelde GA-gebaseerde metode is belowende in beter as die maatstaf. Verder, in teenstelling met die tradisionele pare-handel metodes wat gerig is op wat ooreenstem met pare van aandele met soortgelyke eienskappe, ons wys ook dat ons metode in staat is om te bou werk handel modelle vir aandele met verskillende eienskappe. In hierdie studie het ons ondersoek ook die robuustheid van ons voorgestelde metode en die resultate dui daarop dat ons metode is inderdaad doeltreffend te genereer robuuste modelle vir die dinamiese omgewing van die pare-handel probleem. Hierdie vraestel bestaan ​​uit vier afdelings. Artikel 2 gee 'n uiteensetting van die in ons studie voorgestelde metode. In Afdeling 3. die navorsingsdata wat in hierdie studie beskryf ons en bied die eksperimentele resultate en besprekings. Artikel 4 tot die gevolgtrekking hierdie vraestel. 2. Materiale en metodes In hierdie afdeling bied ons die betrokke agtergrond en beskrywings vir die ontwerp van ons pare-handel stelsels met behulp van die GA vir model optimalisering. 2.1. pare Trading Pare handel word algemeen aanvaar dat die x201c wees; ancestorx201d; van statistiese arbitrage, wat is 'n handel strategie om wins uit pryse teenstrydighede kry in 'n groep van aandele [17]. Tradisionele besluitneming vir belegging staatmaak tipies op grondbeginsels van maatskappye om hul waarde te evalueer en hul aandele prys, dienooreenkomstig. As die ware waardes van die aandele selde bekend is, is pare-handel tegnieke ontwikkel om hierdie op te los deur te belê voorraad pare met soortgelyke eienskappe (bv aandele van dieselfde industrie). Dit wedersydse mispricing tussen twee aandele is teoreties geformuleer deur die idee van verspreiding, wat gebruik word om die relatiewe posisies te identifiseer wanneer 'n ondoeltreffende mark lei tot die mispricing van aandele [18. 21]. As gevolg hiervan, die handel model is gewoonlik mark-neutraal in die sin dat dit ongekorreleerd met die mark en kan 'n lae-wisselvalligheid beleggingstrategie te produseer. 'N Tipiese vorm van pare verhandeling van aandele bedryf deur die verkoop van die voorraad met 'n relatief hoë prys en die koop van die ander met 'n relatief lae prys by die aanvang van die handel tydperk, verwag dat die hoër een sal daal, terwyl die laer een sal opstaan ​​in die toekoms. Die prys gaping van die twee aandele, ook bekend as verspreiding, tree dus as 'n sein na die oop en toe posisies van die pare van aandele. Gedurende die handelstydperk, is die posisie oop wanneer die verspreiding verbreed deur 'n sekere drumpel, en daarna die posisies gesluit wanneer verspreiding van die aandele terug kom. Die doel van hierdie lang kort strategie is om voordeel te trek uit die beweging van die verspreiding wat na verwagting terugkeer na sy langtermyn-gemiddelde. Oorweeg aanvanklike kapitaal . met 'n rentekoers van per jaar en 'n frekwensie van saamgestelde in 'n jaar; die hoofstad na 'n jaar kan uitgedruk word as Genererende bewegende gemiddelde Trading Reëls op die olie termynmark met genetiese Algoritmes 1 Skool vir Geesteswetenskappe en ekonomiese bestuur, China Universiteit van Ondergrond, Beijing 100083, China 2 Sleutel Laboratorium drakrag Assessering vir Hulpbron - en Omgewing, die Ministerie van Grond en Hulpbronne, Beijing 100083, China 3 Lab van hulpbronne en Omgewingsbestuur, China Universiteit van Ondergrond, Beijing 100083, China 4 Institute of Chinax2019; s Ekonomiese hervorming en ontwikkeling, Renmin Universiteit van China, Beijing 100872, China Ontvang 19 Februarie 2014; Hersiene 4 Mei 2014; Aanvaar 7 Mei 2014; Gepubliseer Mei 26, 2014 Akademiese Redakteur: Wei Chen Kopiereg xa9; 2014 Lijun Wang et al. Dit is 'n oop toegang artikel versprei onder die Creative Commons Attribution-lisensie. aan wie onbeperkte gebruik, verspreiding en reproduksie in enige medium toelaat, op voorwaarde dat die oorspronklike werk is behoorlik aangehaal. Die ru-olie termynmark speel 'n kritieke rol in finansies energie. Om groter beleggingsopbrengs kry, skoliere en handelaars gebruik tegniese aanwysers wanneer die keuse van handel strategieë in olie termynmark. In hierdie vraestel, die skrywers gebruik bewegende gemiddelde pryse van olie termynkontrakte met genetiese algoritmes om winsgewend handel reëls op te wek. Ons gedefinieer individue met verskillende kombinasies van tydperk lengtes en berekeningsmetodes soos bewegende gemiddelde handel reëls en gebruik genetiese algoritmes om te soek na die geskikte lengte van bewegende gemiddelde periodes en die toepaslike berekening metodes. Die skrywers gebruik daaglikse ru-olie pryse van Nymex termynmark 1983-2013 te evalueer en kies bewegende gemiddelde reëls. Ons vergelyk die gegenereerde reëls handel met die koop-en-hou (BH) strategie om te bepaal of gegenereer bewegende gemiddelde handel reëls kan oortollige opbrengste in die ru-olie termynmark te verkry. Deur 420 eksperimente, ons bepaal dat die gegenereerde handel reëls help handelaars wins maak wanneer daar duidelik prysskommelings. Gegenereer handel reëls kan oortollige opbrengste realiseer wanneer die prys daal en ervaar beduidende fluktuasies, terwyl BH strategie is beter as prysverhogings of glad met 'n paar skommelinge. Die resultate kan help handelaars kies beter strategieë in verskillende omstandighede. 1. Inleiding Energie is noodsaaklik vir ekonomiese ontwikkeling. Huishoudelike aktiwiteite, industriële produksie en beleggings infrastruktuur al verteer energie direk of indirek, maak nie saak in die ontwikkeling of ontwikkelde lande [1]. Kwessies wat verband hou met handel energie [2], energie-doeltreffendheid [3], energiebeleid [4 x2013; 6], energieverbruik [7], en energie Finansies [8] het meer belang ontvang in die afgelope jaar. Ru-olie termynkontrakte mark is 'n belangrike deel van finansies energie binne die bestek van die globale energie-mark. Handelaars en navorsers in diens tegniese ontleding gereedskap om betaalde handel reëls te identifiseer in die finansiële markte. Gevolglik bewegende gemiddelde aanwysers word algemeen gebruik in tegniese ontleding tot 'n groter opbrengste te verwesenlik. Hierdie vraestel poog om te beantwoord of in die werklike lewe 'n belegger kan gebruik bewegende gemiddelde tegniese handel reëls om oortollige opbrengste verkry deur op soek na winsgewende bewegende gemiddelde reëls handel met genetiese algoritmes in die ru-olie termynmark. Genetiese algoritmes is wyd gebruik word in sosiale wetenskappe [9. 10], veral in sekere komplekse kwessies waar dit moeilik is om die presiese berekeninge uit te voer. Dit is 'n tendens om fisiese of wiskundige metodes in energie en hulpbronekonomie [11 x2013; 16] toe te pas. Navorsers het genetiese algoritmes toegepas op die voorspelling van steenkool produksie-omgewingsbesoedeling [17], die interne seleksie en keuse mark gedrag in die mark [18], die ru-vraag na olie voorspelling [19], die vermindering van die koste brandstof en gas-emissies van elektriese kragopwekking [20], en die forex stelsel [21]. Met betrekking tot die finansiële tegniese analise kwessies, skoliere gebruik genetiese algoritmes te soek beste handel reëls en winsgewende tegniese aanwysers wanneer beleggingsbesluite [22 x2013; 25]. Genetiese algoritmes gekombineer met ander instrumente soos die-agent-gebaseerde model [26], fuzzy wiskunde teorie [27], en neurale netwerke [28]. Daar is ook 'n paar studies wat genetiese algoritmes gebruik om die prystendense in die finansiële mark [29 voorspel. 30] of die wisselkoers van die buitelandse valuta mark [31]. As daar 'n groot aantal van die tegniese reëls handel en tegniese aanwysers beskikbaar in die ru-olie termynmark, dit is onprakties om ergodiese berekeninge of sekere ander akkurate berekening metodes gebruik. Daarom, die gebruik van genetiese algoritmes is 'n haalbare manier om hierdie probleem op te los. Bewegende gemiddelde aanwysers is wyd gebruik word in die studie van aandele en futures markte [32 x2013; 37]. Twee bewegende gemiddeldes van verskillende lengtes is in vergelyking met die prys tendense in verskillende markte te voorspel. Kort bewegende gemiddeldes is meer sensitief vir prysveranderinge as langes. As 'n kort bewegende gemiddelde prys is hoër is as 'n lang tydperk bewegende gemiddelde prys, sal handelaars glo die prys sal styg en neem lang posisies. Wanneer die kort bewegende gemiddelde prys val en kruise met die lang een, sal teenoorgestelde handelsaktiwiteite word [38]. Allen en Karjalainen (AK) [39] gebruik genetiese algoritmes om tegniese reëls beurs in aandelemarkte met 'n daaglikse pryse van die Sx26 identifiseer; P 500. Die bewegende gemiddelde prys was gebruik as een van die vele aanwysers van die tegniese reëls. Ander aanwysers, soos die gemiddelde waarde en die maksimum waarde, word ook gebruik by die maak van beleggingsbesluite. Wang [40] gevoer soortgelyke navorsing oor spot en futures markte met behulp van genetiese programing, terwyl Hoe [41] toegepas AKx2019; s metode om verskillende cap aandele om die toepaslikheid van grootte te bepaal. William, vergelyk verskillende tegniese reëls en kunsmatige neurale netwerk (ANN) reëls met betrekking tot olie termynmark, bepaal dat die ANN is 'n goeie hulpmiddel, dus twyfel werp op die doeltreffendheid van die oliemark [38]. Al hierdie studies kombineer bewegende gemiddelde aanwysers met ander aanwysers aan handel reëls op te wek. Maar in hierdie vraestel gebruik ons ​​bewegende gemiddeldes te handel reëls, wat 'n eenvoudige en doeltreffende benadering kan wees genereer. Die prestasie van 'n bewegende gemiddelde handel reël is beduidend beïnvloed deur die tydperk lengtes [42]. Daarom vind optimale lengtes van die twee periodes bo is 'n sentrale kwessie in tegniese ontleding literatuur. 'N Verskeidenheid van lengtes is probeer om in bestaande navorsingsprojekte [43 x2013; 48]. In die bestaande navorsing, die meeste van bewegende gemiddelde reëls gebruik vaste bewegende gemiddelde tydperk lengtes en enkele bewegende gemiddelde metode berekening. Dit is egter beter om veranderlike lengtes gebruik vir verskillende beleggingstydperke [49. 50] en daar is verskillende tipes van bewegende gemiddelde berekeningsmetode wat gebruik kan word in tegniese ontleding. In hierdie vraestel, ag geneem word dat die optimale lengte van die bewegende gemiddelde periodes en die beste berekeningsmetode kan wissel van een geleentheid om 'n ander wat ons gebruik genetiese algoritmes om die geskikte lengte van die bewegende gemiddelde tydperk en die toepaslike metode bepaal. Ses bewegende gemiddelde berekening metodes word oorweeg in hierdie vraestel en genetiese algoritmes kan ons help om uit te vind die beste metode en gepaste tydperk lengtes vir verskillende omstandighede. Gevolglik het ons in staat is om die mees geskikte bewegende gemiddelde handel reëls aan te bied vir handelaars in die ru-olie termynmark. 2. Data en Metode Ons gebruik die daaglikse pryse van die ru-olie termynkontrak 1 vir die periode 1983-2013 van die New York Merchantile Exchange (Databron: eia. gov/dnav/pet/petx5f;prix5f;futx5f;s1x5f;d. htm). Ons kies 20 groepe van steekproefdata, elk met 1000 daaglikse pryse. In die 1000 daaglikse pryse, is 'n 500-dag prys reeks gebruik om handel reëls op te lei in elke generasie. Die volgende 200 pryse word gebruik om die beste gegenereer handel reël van alle generasies kies, en die laaste 300 daaglikse pryse word gebruik om vas te stel of die gegenereerde reël oortollige opbrengste kan verkry. Die eerste groep begin in 1985, die laaste groep eindig in 2013, en elke 1000-dag prys reeks met 'n stap van 300 gekies word. Ons moet ook 500 meer daaglikse pryse voor elke monster reeks om die bewegende pryse te bereken vir die monster tydperk. Dus, elke onafhanklike eksperiment vereis 'n 1500-dag prys reeks. Die data wat ons gebruik word in Figuur 1. Bewegende gemiddelde handel reëls te fasiliteer besluitneming vir handelaars deur twee bewegende gemiddeldes van verskillende tydperke te vergelyk. Op hierdie manier, kan handelaars die prys tendens voorspel deur die ontleding van die wisselvalligheid van die bewegende gemiddelde pryse. oorweeg