ఆర్థిక మార్కెట్లను అంచనా వేయడానికి జన్యు అల్గోరిథంలను ఉపయోగించడం

"ఎ రాండమ్ వాక్ డౌన్ వాల్ స్ట్రీట్" (1973) లో, బర్టన్ మల్కీల్, "ఒక వార్తాపత్రిక యొక్క ఆర్ధిక పేజీలలో బాణాలు విసిరే కళ్ళకు కట్టిన కోతి ఒక పోర్ట్‌ఫోలియోను ఎంచుకోగలదు, అదే విధంగా నిపుణులచే జాగ్రత్తగా ఎంపిక చేయబడినది." పరిణామం మనిషిని స్టాక్‌లను ఎంచుకోవడంలో మరింత తెలివిగా ఉండకపోవచ్చు, చార్లెస్ డార్విన్ సిద్ధాంతం మరింత ప్రత్యక్షంగా వర్తించినప్పుడు చాలా ప్రభావవంతంగా ఉంటుందని నిరూపించబడింది.

ట్యుటోరియల్: స్టాక్-పికింగ్ స్ట్రాటజీస్

జన్యు అల్గోరిథంలు అంటే ఏమిటి?

జన్యు అల్గోరిథంలు (GA లు) సహజ పరిణామ ప్రక్రియను అనుకరించే సమస్య పరిష్కార పద్ధతులు (లేదా హ్యూరిస్టిక్స్). మెదడులోని న్యూరాన్‌ల మాదిరిగా పనిచేసేలా రూపొందించబడిన కృత్రిమ న్యూరల్ నెట్‌వర్క్‌ల (ANN లు) కాకుండా, ఈ అల్గోరిథంలు సహజ ఎంపిక యొక్క భావనలను ఉపయోగించుకుంటాయి. పర్యవసానంగా, GA లు సాధారణంగా ఆప్టిమైజర్‌లుగా ఉపయోగించబడతాయి, ఇవి కొన్ని ఫీడ్‌బ్యాక్ కొలతలను తగ్గించడానికి లేదా పెంచడానికి పారామితులను సర్దుబాటు చేస్తాయి, తరువాత వాటిని స్వతంత్రంగా లేదా ANN నిర్మాణంలో ఉపయోగించవచ్చు. (ANN ల గురించి మరింత తెలుసుకోవడానికి, చూడండి: న్యూరల్ నెట్‌వర్క్‌లు: ఫోర్కాస్టింగ్ లాభాలు .)

ఆర్థిక మార్కెట్లలో, వాణిజ్య నియమంలో పారామితుల యొక్క ఉత్తమ కలయిక విలువలను కనుగొనడానికి జన్యు అల్గోరిథంలు సాధారణంగా ఉపయోగించబడతాయి మరియు వాటిని స్టాక్‌లను ఎంచుకునేందుకు మరియు ట్రేడ్‌లను గుర్తించడానికి రూపొందించిన ANN మోడళ్లలో నిర్మించవచ్చు. ఈ పద్ధతుల యొక్క ప్రభావాన్ని "జెనెటిక్ అల్గోరిథమ్స్: జెనెసిస్ ఆఫ్ స్టాక్ ఎవాల్యుయేషన్" (2004) మరియు "ది అప్లికేషన్స్ ఆఫ్ జెనెటిక్ అల్గోరిథమ్స్ ఇన్ స్టాక్ మార్కెట్ డేటా మైనింగ్ ఆప్టిమైజేషన్" (2004) తో సహా అనేక అధ్యయనాలు ప్రదర్శించాయి. (మరిన్ని కోసం, చూడండి: ట్రేడింగ్ అల్గోరిథంలు ఎలా సృష్టించబడతాయి .)

జన్యు అల్గోరిథంలు అంటే ఏమిటి?

జన్యు అల్గోరిథంలు ఎలా పనిచేస్తాయి

జన్యు అల్గోరిథంలు గణితశాస్త్రంలో వెక్టర్లను ఉపయోగించి సృష్టించబడతాయి, అవి దిశ మరియు పరిమాణం కలిగిన పరిమాణాలు. ప్రతి వాణిజ్య నియమానికి పారామితులు ఒక డైమెన్షనల్ వెక్టర్‌తో సూచించబడతాయి, వీటిని జన్యు పరంగా క్రోమోజోమ్‌గా భావించవచ్చు. ఇంతలో, ప్రతి పరామితిలో ఉపయోగించిన విలువలు జన్యువులుగా భావించబడతాయి, తరువాత అవి సహజ ఎంపికను ఉపయోగించి సవరించబడతాయి.

ఉదాహరణకు, ట్రేడింగ్ నియమం కదిలే సగటు కన్వర్జెన్స్ డైవర్జెన్స్ (MACD), ఎక్స్‌పోనెన్షియల్ కదిలే సగటు (EMA) మరియు యాదృచ్ఛిక వంటి పారామితుల వాడకాన్ని కలిగి ఉంటుంది. ఒక జన్యు అల్గోరిథం నికర లాభాలను పెంచే లక్ష్యంతో ఈ పారామితులలో విలువలను ఇన్పుట్ చేస్తుంది. కాలక్రమేణా, చిన్న మార్పులు ప్రవేశపెట్టబడతాయి మరియు కావాల్సిన ప్రభావాన్ని చూపేవి తరువాతి తరానికి అలాగే ఉంటాయి.

మూడు రకాల జన్యు కార్యకలాపాలు ఉన్నాయి, అప్పుడు వాటిని నిర్వహించవచ్చు:

• క్రాస్ఓవర్లు జీవశాస్త్రంలో కనిపించే పునరుత్పత్తి మరియు క్రాస్ఓవర్ను సూచిస్తాయి, తద్వారా పిల్లవాడు దాని తల్లిదండ్రుల యొక్క కొన్ని లక్షణాలను తీసుకుంటాడు. ఉత్పరివర్తనలు జీవసంబంధమైన మ్యుటేషన్ను సూచిస్తాయి మరియు యాదృచ్ఛిక చిన్న మార్పులను ప్రవేశపెట్టడం ద్వారా జనాభాలోని ఒక తరం నుండి మరొక తరానికి జన్యు వైవిధ్యాన్ని నిర్వహించడానికి ఉపయోగిస్తారు. ఎంపికలు తరువాతి సంతానోత్పత్తి (పున omb సంయోగం లేదా క్రాస్ఓవర్) కోసం జనాభా నుండి వ్యక్తిగత జన్యువులను ఎన్నుకునే దశ.

ఈ మూడు ఆపరేషన్లు ఐదు-దశల ప్రక్రియలో ఉపయోగించబడతాయి:

1. యాదృచ్ఛిక జనాభాను ప్రారంభించండి, ఇక్కడ ప్రతి క్రోమోజోమ్ n- పొడవు, n తో పారామితుల సంఖ్య. అనగా, ప్రతి n మూలకాలతో యాదృచ్ఛిక సంఖ్యలో పారామితులు స్థాపించబడతాయి. కావాల్సిన ఫలితాలను పెంచే క్రోమోజోమ్‌లను లేదా పారామితులను ఎంచుకోండి (బహుశా నికర లాభం).ఒక ఎంచుకున్న తల్లిదండ్రులకు మ్యుటేషన్ లేదా క్రాస్ఓవర్ ఆపరేటర్లను వర్తింపజేయండి మరియు సంతానం ఉత్పత్తి చేయండి. సంతానం తిరిగి కలపండి మరియు ప్రస్తుత జనాభా ఎంపిక ఆపరేటర్‌తో కొత్త జనాభాను ఏర్పరుస్తుంది. రెండు నుండి నాలుగు దశలను పునరావృతం చేయండి.

కాలక్రమేణా, ఈ ప్రక్రియ వాణిజ్య నియమంలో ఉపయోగం కోసం అనుకూలమైన క్రోమోజోమ్‌లను (లేదా పారామితులను) పెంచుతుంది. ఆపే ప్రమాణాలు నెరవేర్చినప్పుడు ఈ ప్రక్రియ ముగుస్తుంది, ఇందులో నడుస్తున్న సమయం, ఫిట్‌నెస్, తరాల సంఖ్య లేదా ఇతర ప్రమాణాలు ఉంటాయి.

ట్రేడింగ్‌లో జన్యు అల్గోరిథంలను ఉపయోగించడం

జన్యు అల్గోరిథంలు ప్రధానంగా సంస్థాగత పరిమాణాత్మక వ్యాపారులు ఉపయోగిస్తుండగా, వ్యక్తిగత వ్యాపారులు జన్యు అల్గోరిథంల శక్తిని - ఆధునిక గణితంలో డిగ్రీ లేకుండా - మార్కెట్లో అనేక సాఫ్ట్‌వేర్ ప్యాకేజీలను ఉపయోగించుకోవచ్చు. ఈ పరిష్కారాలు ఆర్థిక మార్కెట్ల వైపు దృష్టి సారించిన స్వతంత్ర సాఫ్ట్‌వేర్ ప్యాకేజీల నుండి మైక్రోసాఫ్ట్ ఎక్సెల్ యాడ్-ఆన్‌ల వరకు ఉంటాయి, ఇవి మరింత విశ్లేషణలను సులభతరం చేస్తాయి.

ఈ అనువర్తనాలను ఉపయోగిస్తున్నప్పుడు, వ్యాపారులు జన్యు అల్గోరిథం మరియు చారిత్రక డేటా సమితిని ఉపయోగించి ఆప్టిమైజ్ చేయబడిన పారామితుల సమితిని నిర్వచించవచ్చు. కొన్ని అనువర్తనాలు ఏ పారామితులను ఉపయోగించాలో మరియు వాటి విలువలను ఆప్టిమైజ్ చేయగలవు, మరికొన్ని ప్రధానంగా ఇచ్చిన పారామితుల కోసం విలువలను ఆప్టిమైజ్ చేయడంపై ప్రధానంగా దృష్టి సారించాయి. (ఈ ప్రోగ్రామ్-ఉత్పన్న వ్యూహాల గురించి మరింత తెలుసుకోవడానికి, చూడండి: ప్రోగ్రామ్ ట్రేడ్స్ యొక్క శక్తి .)

కర్వ్ ఫిట్టింగ్ (ఓవర్ ఫిట్టింగ్) లేదా పునరావృత ప్రవర్తనను గుర్తించడం కంటే చారిత్రక డేటా చుట్టూ ఒక వాణిజ్య వ్యవస్థను రూపొందించడం, జన్యు అల్గోరిథంలను ఉపయోగించే వ్యాపారులకు సంభావ్య ప్రమాదాన్ని సూచిస్తుంది. GA లను ఉపయోగించే ఏదైనా వాణిజ్య వ్యవస్థను ప్రత్యక్ష వినియోగానికి ముందు కాగితంపై పరీక్షించాలి.

పారామితులను ఎన్నుకోవడం ప్రక్రియలో ఒక ముఖ్యమైన భాగం, మరియు వ్యాపారులు ఇచ్చిన భద్రత ధరలో మార్పులతో సంబంధం ఉన్న పారామితులను వెతకాలి. ఉదాహరణకు, ప్రధాన మార్కెట్ మలుపులతో ఏదైనా సంబంధం ఉందా అని చూడటానికి వేర్వేరు సూచికలను ప్రయత్నించండి. (మరిన్ని కోసం, చూడండి: సరైన అల్గోరిథమిక్ ట్రేడింగ్ సాఫ్ట్‌వేర్‌ను ఎంచుకోవడం .)

బాటమ్ లైన్

జన్యు అల్గోరిథంలు ప్రకృతి శక్తిని ఉపయోగించడం ద్వారా సంక్లిష్ట సమస్యలను పరిష్కరించడానికి ప్రత్యేకమైన మార్గాలు. భద్రతా ధరలను అంచనా వేయడానికి ఈ పద్ధతులను వర్తింపజేయడం ద్వారా, వ్యాపారులు ఇచ్చిన భద్రత కోసం ప్రతి పరామితికి ఉపయోగించాల్సిన ఉత్తమ విలువలను గుర్తించడం ద్వారా వాణిజ్య నియమాలను ఆప్టిమైజ్ చేయవచ్చు. ఏదేమైనా, ఈ అల్గోరిథంలు హోలీ గ్రెయిల్ కాదు, మరియు వ్యాపారులు సరైన పారామితులను ఎన్నుకోవటానికి జాగ్రత్తగా ఉండాలి మరియు కర్వ్ ఫిట్ కాదు. (అదనపు పఠనం కోసం, చూడండి: మీ స్వంత ఆల్గో ట్రేడింగ్ రోబోట్‌ను ఎలా కోడ్ చేయాలి .)