ЗАКЛЮЧЕНИЕ
Как и в нашем раннем исследовании, использование ГА для поиска торговых правил помогло найти весьма убедительные модели входа. Результаты впечатляют, несмотря на такие проблемы, как малое число сделок во многих решениях. Этот подход, несомненно, может служить в качестве основания для дальнейших усилий в разработке системы. В данном исследовании была использована лишь маленькая база шаблонов правил, включающая простейшие элементы (ценовые сравнения, скользящие средние и осцилляторы). Несомненно, намного лучшие результаты могли быть получены при использовании более сложного и полного набора шаблонов в качестве зерна для генетической мельницы.
ЧТО МЫ УЗНАЛИ?
Длинные позиции, как правило, работают лучше, чем короткие, на рынках, составляющих наш стандартный портфель, с большинством исследованных моделей. Следовательно, заслуживают большего внимания усилия, направленные на развитие системы, в которой делается акцент на длинные позиции.
Генетические алгоритмы представляются эффективным средством обнаружения нестандартных торговых систем, которые практически невозможно разработать общепринятыми методами.
При правильном использовании ГА избыточная оптимизация (подгонка под исторические данные) не является серьезной проблемой, несмотря на оптимизационную мощь генетических алгоритмов.
Ограничения количества и сложности правил в любом решении представляются ключевым элементом в контроле над демоном подгонки под исторические данные.
Генетическая эволюция правил имеет большое преимущество, связанное с тем, что полученные правила могут быть переведены на простой язык и понятны. В отличие от нейросетевых систем торговые правила, созданные с помощью ГА, не скрыты в непостижимом черном ящике.
Использование генетики описанным выше способом помогает создать большое количество отдельных прибыльных решений, которые затем можно объединить в портфеле, торгующем несколькими моделями.
Назад