在“隨機漫步的華爾街”（1973）中，BurtonMalkiel建議，“在報紙的財務頁面上的一個蒙著眼鏡的猴子投擲飛鏢可以選擇一個也可以做的投資組合，並由專家仔細選擇的投資組合。”雖然進化可能讓人在揀貨股上不再聰明，但查爾斯達爾文的理論已被證明在更直接應用時得到有效。

遺傳算法是通過利用自然的力量來解決複雜問題的獨特方式。通過將這些方法應用於預測安全性價格，交易者可以通過識別給定安全性的每個參數的最佳值來優化交易規則。

什麼是遺傳算法？

遺傳算法（氣體）是解決自然演進過程的問題解決方法（或啟發式）。與人工神經網絡（ANNS）不同，旨在像大腦中的神經元一樣，這些算法利用自然選擇的概念來確定問題的最佳解決方案。

結果，氣體通常用作優化器，其調整參數以最小化或最大化一些反饋措施，然後可以獨立地使用或者在ANN的構造中使用。（要了解有關Anns的更多信息，請參閱：神經網絡：預測利潤。）

在金融市場中，遺傳算法最常用於在交易規則中找到最佳參數的組合值，並且可以內置於旨在挑選股票並識別交易的ANN模型中。

幾項研究表明了這些方法的有效性，包括“遺傳算法：股票評估的創世紀”（2004）和“遺傳算法在股票市場數據挖掘優化中的應用”（2004）。（有關更多，請參閱：如何創建交易算法。）

如何遺傳算法工作

遺傳算法在數學上使用載體創建，這些向量是具有方向和幅度的數量。每個交易規則的參數用一維載體表示，可以被認為是遺傳術語中的染色體。同時，每個參數中使用的值可以被認為是基因，然後使用自然選擇來修改。

例如，交易規則可能涉及使用移動平均會聚發散（MACD），指數移動普通（EMA）和隨機等參數。然後，遺傳算法將使用最大化的目標將值輸入到這些參數中＆盈利。隨著時間的推移，介紹了小的變化，並保留了所需衝擊的那些。

（另見：算法交易的基礎知識。）

然後有三種類型的遺傳操作可以進行：

• 交叉代表生物學中看到的再現和交叉，其中一個孩子佔據了父母的某些特徵。
• 突變代表生物突變，用於通過引入隨機小變化來將遺傳多樣性與一代人口中的一種人口保持在下一步​​。

選擇選用是從群體中選擇單個基因組的階段，以供以後育種（重組或交叉）。

然後在五步過程中使用這三個操作：

1. 初始化隨機群，其中每個染色體是n-長度，其中n是參數的數量。也就是說，隨機數量的參數，每個參數都與每個元素的元素建立。
2. 選擇染色體或參數，增加所需的結果（大概是淨利潤）。
3. 將突變或交叉運算符應用於所選父母並生成後代。
4. 重組後代和當前人口，形成具有選擇運營商的新人。
5. 重複步驟兩到四個。

隨著時間的推移，該過程將導致越來越有利的染色體（或參數）用於交易規則。然後，當滿足停止標準時，該過程終止，這可以包括運行時間，適應性，幾代數量或其他標準。

在交易中的遺傳算法

雖然遺傳算法主要由機構量數交易商使用，但個人交易員可以利用遺傳算法的力量-沒有高級數學學位-使用市場上的多個軟件包。

這些解決方案範圍從朝著金融市場的獨立軟件包到MicrosoftExcel加載項，這可以促進更多動手分析。

使用這些應用程序時，交易者可以使用遺傳算法和一組歷史數據定義一組參數。某些應用程序可以優化使用哪些參數以及它們的值，而其他應用程序主要專注於簡單地優化給定的一組參數集的值。

曲線擬合（即，過度裝備），或在歷史數據周圍設計交易系統而不是識別可重複行為，代表了使用遺傳算法的交易者的潛在風險。使用天然氣的任何交易系統都應在實時使用前在紙上進行前瞻性測試。

選擇參數是過程的重要組成部分，交易者應該尋求與給定安全性價格的變化相關的參數。例如，嘗試不同的指標，看看是否有任何似乎與主要市場轉彎相關。

底線

這些算法不是聖杯，交易者應該小心選擇正確的參數而不是曲線擬合。

（另外讀取，退房：選擇正確的算法交易軟件，程序交易的權力，以及如何編寫自己的Algo交易機器人。）