Utilisation d'algorithmes génétiques pour prévoir les marchés financiers

Burton Malkiel suggéra dans "A Random Walk Down Wall Street" (1973): "Un singe aux yeux bandés lançant des fléchettes sur les pages financières d'un journal pourrait sélectionner un portefeuille qui conviendrait tout autant qu'un portefeuille soigneusement sélectionné par des experts". Bien que l'évolution ait pu rendre l'homme plus intelligent dans le choix des actions, la théorie de Charles Darwin s'est révélée assez efficace lorsqu'elle est appliquée plus directement.

TUTORIAL: Stratégies de sélection de titres

Que sont les algorithmes génétiques?

Les algorithmes génétiques (GA) sont des méthodes de résolution de problèmes (ou heuristiques) qui imitent le processus d'évolution naturelle. Contrairement aux réseaux de neurones artificiels (RNA), conçus pour fonctionner comme des neurones dans le cerveau, ces algorithmes utilisent les concepts de sélection naturelle pour déterminer la meilleure solution à un problème. En conséquence, les GA sont couramment utilisés en tant qu'optimiseurs qui ajustent les paramètres pour minimiser ou maximiser certaines mesures de rétroaction, qui peuvent ensuite être utilisés indépendamment ou dans la construction d'un ANN. (Pour en savoir plus sur les ANN, voir: Réseaux de neurones: prévisions de bénéfices .)

Sur les marchés financiers, les algorithmes génétiques sont le plus souvent utilisés pour trouver les meilleures valeurs de combinaison de paramètres dans une règle de négociation. Ils peuvent être intégrés à des modèles de RNA conçus pour sélectionner les actions et identifier les transactions. Plusieurs études ont démontré l'efficacité de ces méthodes, notamment "Algorithmes génétiques: la genèse de l'évaluation des stocks" (2004) et "Les applications des algorithmes génétiques dans l'optimisation de l'exploration de données boursières" (2004). (Pour plus d'informations, voir: Création d'algorithmes de trading .)

Que sont les algorithmes génétiques?

Comment fonctionnent les algorithmes génétiques

Les algorithmes génétiques sont créés mathématiquement à l'aide de vecteurs, qui sont des quantités ayant une direction et une magnitude. Les paramètres de chaque règle de négociation sont représentés par un vecteur unidimensionnel pouvant être considéré comme un chromosome en termes génétiques. En attendant, les valeurs utilisées dans chaque paramètre peuvent être considérées comme des gènes, qui sont ensuite modifiés à l'aide de la sélection naturelle.

Par exemple, une règle d'échange peut impliquer l'utilisation de paramètres tels que la divergence de convergence moyenne mobile (MACD), une moyenne mobile exponentielle (EMA) et la stochastique. Un algorithme génétique entrerait alors des valeurs dans ces paramètres dans le but de maximiser le profit net. Au fil du temps, de petits changements sont introduits et ceux qui ont un impact souhaitable sont conservés pour la génération suivante. (Voir aussi: Bases du trading algorithmique .)

Il existe trois types d'opérations génétiques qui peuvent ensuite être effectuées:

• Les croisements représentent la reproduction et les croisements observés en biologie, par lesquels un enfant assume certaines caractéristiques de ses parents.
• Les mutations représentent des mutations biologiques et sont utilisées pour maintenir la diversité génétique d’une génération à l’autre en introduisant de petits changements aléatoires.
• Les sélections sont le stade auquel les génomes individuels sont choisis dans une population pour une reproduction ultérieure (recombinaison ou croisement).

Ces trois opérations sont ensuite utilisées dans un processus en cinq étapes:

1. Initialisez une population aléatoire, où chaque chromosome a une longueur n, n étant le nombre de paramètres. C'est-à-dire qu'un nombre aléatoire de paramètres est établi avec n éléments chacun.
2. Sélectionnez les chromosomes, ou les paramètres, qui augmentent les résultats souhaités (sans doute un bénéfice net).
3. Appliquez des opérateurs de mutation ou de croisement aux parents sélectionnés et générez une progéniture.
4. Recombinez la progéniture et la population actuelle pour former une nouvelle population avec l'opérateur de sélection.
5. Répétez les étapes deux à quatre.

Avec le temps, ce processus produira des chromosomes (ou paramètres) de plus en plus favorables pour une règle de négociation. Le processus est ensuite terminé lorsque les critères d'arrêt sont remplis, ce qui peut inclure la durée, la forme physique, le nombre de générations ou d'autres critères.

Utilisation d'algorithmes génétiques dans le trading

Alors que les algorithmes génétiques sont principalement utilisés par les traders quantitatifs institutionnels, les traders individuels peuvent exploiter la puissance des algorithmes génétiques - sans diplôme en mathématiques avancées - en utilisant plusieurs logiciels sur le marché. Ces solutions vont des progiciels autonomes destinés aux marchés financiers aux add-ons de Microsoft Excel qui peuvent faciliter une analyse plus pratique.

Lors de l'utilisation de ces applications, les traders peuvent définir un ensemble de paramètres qui sont ensuite optimisés à l'aide d'un algorithme génétique et d'un ensemble de données historiques. Certaines applications peuvent optimiser les paramètres utilisés et leurs valeurs, tandis que d'autres sont principalement axées sur l'optimisation des valeurs pour un ensemble de paramètres donné. (Pour en savoir plus sur ces stratégies dérivées de programmes, voir: Le pouvoir des échanges de programmes .)

L'ajustement des courbes (surajustement), ou la conception d'un système commercial basé sur des données historiques plutôt que l'identification d'un comportement répétable, représente un risque potentiel pour les traders utilisant des algorithmes génétiques. Tout système de trading utilisant des GA doit être testé sur papier avant son utilisation.

Le choix des paramètres est une partie importante du processus et les traders doivent rechercher des paramètres en corrélation avec les variations du prix d'un titre donné. Par exemple, essayez différents indicateurs pour voir s’il semble y avoir une corrélation avec les grands tournants du marché. (Pour en savoir plus, voir: Choisir le bon logiciel de trading algorithmique .)

Le résultat final

Les algorithmes génétiques constituent un moyen unique de résoudre des problèmes complexes en exploitant le pouvoir de la nature. En appliquant ces méthodes à la prévision des prix des titres, les traders peuvent optimiser les règles de négociation en identifiant les meilleures valeurs à utiliser pour chaque paramètre d'une sécurité donnée. Cependant, ces algorithmes ne sont pas le Saint-Graal, et les traders doivent faire attention à choisir les bons paramètres et non à ajuster la courbe. (Pour en savoir plus, consultez: Comment coder votre propre robot de trading Algo .)