자동화 된 거래 시스템 생성기
Zorro 기능.
1990 년대 이래로 개인 거래자는 인터넷을 사용하여 금융 시장에 액세스 할 수 있습니다. 몇몇 무역 플랫폼은 자동 거래 기능을 제공합니다. 그러나 이들은 주로 수동 거래를 위해 설계되었으며 알고리즘 전략을 개발하고 테스트하는 데 적합하지 않습니다 (거래 플랫폼 비교 참조). 결과적으로 사적 거래자는 자동화 된 거래로는 일반적으로 성공하지 못합니다. 일반적으로 거래 플랫폼을 사용하지 않지만 스스로 작성한 소프트웨어.
Zorro는 재무 알고리즘을 실행하기위한 무료 도구입니다. 그것은 주식, 외환, 옵션, 선물, 채권, ETF, CFD 또는 기타 금융 상품에 대한 연구, 탐구, 개발, 테스트 및 거래 자동화 전략을 지원합니다. 직접 브로커 / 마켓 연결이 가능한 독립 실행 형 시스템으로 실행하거나 (Metaquotes & # 8482; 또는 TWS by Interactive Brokers & # 8482;와 같은 MT4와 같은) 거래 플랫폼에 대한 첨부 파일로 실행할 수 있습니다. 브로커.
무역 아이디어를 자동화 된 무역 시스템으로 변환하여 테스트하고 거래하는 것은 기존 플랫폼보다 Zorro를 사용하는 것이 훨씬 쉽고 빠릅니다. 다음은 간단한 일일 거래 시스템을 개발하는 것에 대한 작은 비디오 코스입니다.
C 기반 컴파일 된 스크립트 언어. 문자열, 파일 및 벡터 / 행렬 함수. 이벤트 중심 : 가격 틱에 대한 즉각적인 반응. 제한 없음 : Windows API 및 외부 DLL에 대한 모든 권한 R 브릿지 : 거래, 교육 및 백 테스팅에 R 기능을 포함합니다. Sytax는 명령 도움말 창으로 스크립트 편집기를 강조 표시합니다. 무역 전략을 디버깅하기위한 단일 단계 모드. C 전략 프로그래밍 과정 포함.
지표.
기존 : AC, ADO, ADX, ADXR, 악어, AO, APO, Aroon, AroonOsc,
ATR, ATRS, AvgPrice, Bollinger Bands, BBOsc, BOP, CCI, Chikou, CMO,
산호, Chaikin 휘발성, 샹들리에 정지, 중력 MA, Donchian 채널,
DCOsc, DEMA, DPO, DX, EMA, 프랙탈 높음 / 낮음, 하이 켄 아시, HighestHigh,
헐 MA, Ichimoku, IBS, 일본 촛불 패턴, Keltner 채널,
선형 회귀, 최저 최하위, MAMA, MACD, MedPrice, MidPoint, MidPrice,
+/- DI, +/- DM, 엄마, MA 가변 기간, NATR, PPO, ROC, RSI, SAR, SIROC,
SMA, SMOM, StdDev, Stochastic, StochRSI, T3, TEMA, Trima, Trix, TrueRange,
TSF, TSI, TypPrice, 궁극 발진기, 분산, 변동성, WCLPrice,
WilliamsR, WMA, Zero-Lag MA, ZigZag. 고급 : Arnaud Legoux 이동 평균, 자동 이득 제어, 대역 통과 필터,
통화 강도, 베타 값, 버터 워스 필터, 주기, 우위 기간, 우위 상,
Ehlers 범용 오실레이터, 피셔 변환, 피셔 인버스, 프랙털 디멘션,
가우스 필터, 고역 통과 필터, 힐버트 변환, 허스트 지수, 카프만 적응 MA,
Laguerre 필터, 로우 패스 필터, 메디아 필터, MESA 적응 이동 평균,
시장 Meanness 지수, 순간 1..4, 정규화 필터, 패턴 감지,
Pearsons 상관 관계, Polyfit, Polynom, 상대 강도 지수, 루핑 필터,
계절, 샤논 이득, 스피어 만 상관, 스펙트럼 분석. 사용자 정의 막대 유형 : Range, Renko, Point-and-Figure, Haiken Ashi. 대부분의 지표의 소스 코드가 포함되어 있습니다. 자신의 지표를 쉽게 추가 할 수있는 인터페이스.
데이터 마이닝 & amp; 기계 학습.
Fr & eacute; chet 알고리즘을 사용한 곡선 패턴 감지. 필터 뱅크 및 힐버트 변환을 사용한 곡선 스펙트럼 분석. 상관 및 자기 상관 분석. 피크 / 밸리, 크로스 오버 및 패턴 감지를위한 퍼지 논리. 다중 로지스틱 회귀 분석 알고리즘 (Perceptron). 의사 결정 트리와 알고리즘 생성기. 최대 20 개 변수의 패턴으로 가격 액션 거래를위한 알고리즘 생성기. 생성 된 거래 알고리즘은 C 코드로 다른 플랫폼으로 내보낼 수 있습니다. Training / Prediction 프레임 워크는 모든 R 머신 학습 패키지를 지원합니다.
기록 데이터 다운로드.
브로커 또는 가격 소스에서 직접 진드기 또는 분 내역 가격 데이터를 다운로드하십시오. Google & # 8482; Quandl & # 8482; AlphaVantage & # 8482; Stooq & # 8482;에서 기록 및 실제 데이터에 액세스합니다. CSV 또는 Nanotick 형식의 모든 데이터 제공 업체에서 주식, 옵션 및 기타 계측기에 대한 과거의 진드기 기반, M1 또는 EOD 데이터를 변환합니다.
분석 및 최적화.
다중 자산, 다중 시간, 다중 알고리즘 포트폴리오 분석. 높은 백 테스트 속도 : MetaTrader4 & # 8482;보다 최대 100 배 빠릅니다. 단일 실행 및 단계별 백 테스트 *. 수수료, 마진, 스프레드, 스왑, 미끄러짐을 고려한 정확한 브로커 시뮬레이션. 여러 가지 데이터 분할 방법을 사용한 샘플 외부 테스트. 앵커 드 및 롤링 Walk Forward Analysis (WFA). 매개 변수 교육 및 기계 학습을 위해 여러 CPU 코어를 사용합니다. 무작위 가격 및 주식 곡선을 이용한 부트 스트랩 / 몬테카를로 분석. Sharpe Ratio, AR, CAGR, R2의 계산. 사용자 정의 최적화 대상. 포트폴리오 구성 요소를위한 별도의 매개 변수 최적화. 오버 샘플링을 통한 견고성 / 일관성 분석. 피드 독립적 가격 데이터에 대한 조정 가능한 시간 오프셋. 가격, 신호 또는 거래 수준에 대한 낙오. 알고리즘 테스트를위한 사인파, 구형파 및 노이즈 생성기 MVO 및 OptimalF 알고리즘을 사용한 최적 자본 배분 인수 계산. 일별, 주별, 월별 또는 연도별 프로필을 사용한 계절별 분석. 정밀도를위한 눈금 모드, 속도를위한 막대 모드. 자동 가격 기록 다운로드 및 업데이트. 성능 분석을위한 잔액 곡선 및 무역 목록 가져 오기 / 내보내기. 주요 통화 및 지수에 대한 최소 및 틱 기반 가격 데이터가 포함됩니다.
포트폴리오 분석을 통한 세부 성능 시트. 표시기 또는 사용자 정의 함수에 대한 막대, 선, 점 또는 밴드 차트 가격, 이익, 시즌 및 매개 변수 프로필에 대한 통계 차트. 이익 및 MAE 분포도. 선 및 기호 그리기 기능. 상세한 무역 통계는 스프레드 시트 프로그램으로 수출됩니다. 사용자 정의 데이터를. csv 데이터 파일로 내 보냅니다.
무역 엔진.
모든 자산 유형 (주식, 외환, 선물, CFD, ETF, 옵션) 직접 또는 MT4 / MT5 브리지를 통해 수천 명의 브로커 (IB & # 8482; FXCM & # 8482; Oanda & # 8482; 테스트 및 거래를위한 동일한 소프트웨어가 재현 가능한 결과를 보장합니다. 사용자 정의 버튼 및 입력 필드가있는 사용자 정의 된 전략 제어 패널. 여러 자산, 알고리즘 및 시간 프레임을 지원하는 기본 포트폴리오 지원. 심볼 매핑 및 브로커 종속 매개 변수. 선물 및 옵션 체인 다운로드 및 평가. 100 밀리 초에서 1 달까지 시간 프레임. 사용자가 제공 한 실행 알고리즘으로 똑딱 똑딱 거리는 무역 진입 / 퇴출 처리. 진입 제한, 중지 손실, 이익 목표, 이익 잠금, 후행, 시간 초과 종료. 가상 헤징 : 길고 짧은 가상 위치를 동시에 수행합니다. 미국 기반 계정의 전체 NFA 및 FIFO 준수 OptimalF 포지션 사이징으로 자금 관리. 주식 거래 시뮬레이션을위한 실시간 무역 시뮬레이션 ( '팬텀 거래'). 사용자 정의 가능한 슬라이더로 실시간 매개 변수 조정. 무역 프로세스를 중단하지 않고 실시간 매개 변수 최적화. 무역 진입 시간은 밀리 초 단위로 조정 가능. 모든 브로커 API (소스 코드 포함)를 쉽게 구현할 수있는 개방형 API 인터페이스. 외부 신호 서비스에 연결하기위한 개방형 API 인터페이스. 키 스트로크 및 버튼 클릭을 전송하여 외부 프로그램을 원격 제어합니다. 외부 프로그램에서 Zorro를 시작하기위한 명령 행 매개 변수. 고급 하드웨어가 필요하지 않습니다. 오래된 PC 나 값싼 노트북에서 실행됩니다. 인터넷 또는 PC 중단시 자동 재 로그인 및 원활한 재시작. 최소 요구 사항 : Win XP / 7 / 8 / 10, 1GB RAM, 인터넷 연결. Windows Server 2003 / 2008 / 2012 / 2016과 함께 클라우드 서버 (VPS)에서 실행됩니다.
사용자 정의 된 버전.
개방 개념 : 모든 파일 형식 및 인터페이스 구조가 문서화됩니다. 새로운 기능은 사용자 플러그인을 통해 쉽게 추가 할 수 있습니다. 주문형 무역 통제 패널. 요청시 사용자 정의 / 재 명명 된 Zorro 버전을 사용할 수 있습니다. 요청시 Zorro 소스 코드 라이센스를 사용할 수 있습니다.
Z 전략 포함.
낮은 자본 요구 사항 *을 갖춘 Ready-to-Run Autotrading 전략 : Z1 : 스펙트럼 분석을 통한 추세 추종 시스템. Z2 : Fisher 변환을 사용한 평균 복귀 시스템. Z3 : 가격 클러스터 기반 거래 시스템. Z7 : 기계 학습 알고리즘을 이용한 가격 패턴 기반 시스템. Z8 : 포트폴리오 최적화를 통한 장기 트레이딩 시스템. Z12 : 역 상관 관계 기반의 추세 / 역 추적 시스템.
* 미 정부 요구 면책 조항 - 상품 선물, 거래위원회 선물 거래, 파생 상품 거래 및 옵션 거래는 잠재적 인 보상이 크지 만 잠재 위험도 크다. 선물 및 옵션 시장에 투자하기 위해서는 위험을 인식하고이를 수락해야합니다. 잃을 여유가없는 돈으로 거래하지 마십시오. 이 웹 사이트는 선물, 옵션 또는 기타 자산 매수 / 매도 권유가 아닙니다. 모든 거래 시스템 또는 방법론의 과거 실적이 반드시 미래 결과를 나타내는 것은 아닙니다.
* CFTC 규칙 4.41 - 가상 또는 시뮬레이션 결과에는 특정 제한이 있습니다. 실제 성과 기록과 달리 시뮬레이션 결과는 실제 거래를 나타내지 않습니다. 또한, 거래가 실행되지 않았기 때문에 결과에 유동성 부족과 같은 특정 시장 요인의 영향이있을 경우 과소 이상 보상 될 수 있습니다. 시뮬레이션 된 거래 프로그램은 일반적으로 사후 적 이익을 고려하여 설계되었습니다. 표시된 계정과 유사한 이익 또는 손실을 발생시킬 가능성이 있거나 발생할 가능성이있는 진술은 없습니다.
조로 뉴스.
Zorro 버전 1.66.5가 출시되었으며 다운로드 페이지에서 사용할 수 있습니다. 이 버전은 실시간 거래, 개선 된 기계 학습 알고리즘, 새로운 Z 전략 및 기타 많은 새로운 기능과 개선을위한 자체 검증 알고리즘을 제공합니다. 완전한 기능 목록은 새로운 기능 페이지에서 찾을 수 있습니다.
Zorro vs. TradeStation & # 8482; vs. Metatrader & # 8482; FAQ 페이지에서 찾을 수 있습니다.
자동화 된 거래 시스템.
자동화 된 거래 시스템.
NinjaTrader 7 거래 플랫폼을위한 Lucrum 자동화 된 거래 시스템. S & P 전자 미니 선물 시장에서 장기 트레이딩을 위해 설계된 시스템.
모든 Lucrum Trading Systems는 S & P 500 E-mini (ES) 선물 계약을 거래하는 완전 자동화 된 양적 거래 전략입니다. NinjaTrader 7 거래 플랫폼 및 시스템을 호스팅하는 여러 브로커에서 사용할 수 있습니다. 이 시스템들 각각은 관리 나주기적인 최적화를 필요로하지 않으며 단순히 실시간 거래 계좌에 적용하고이를 가능하게합니다. 자세한 내용은 아래의 시스템을 클릭하십시오.
모멘텀, 변동성 및 거래 범위를 사용하여 모든 시장 조건에서 극도의 위험 회피를 유지하면서 거래를 식별하는 완전 자동화 된 S & amp; P 500 E - 미니 거래 시스템입니다. 최적화 또는 인간 개입이 필요하지 않습니다.
거래 기회에 대한 기세와 고도로 정의 된 경향을 사용하는 완전 자동화 된 S & amp; P 500 E - 미니 거래 시스템. 내장 옵티마이 저가 과거 샘플링 기간에 대해 여러 매개 변수를 조정합니다.
모든 선물 시장에서 사용할 수 있도록 완전히 자동화 된 거래 시스템이 설계되었습니다. 이 시스템의 강점은 거래되는 시장의 다양 화에 달려 있습니다. 이것은 직접 판매하지 않습니다. 심각한 문의 사항이 있으시면 연락주십시오.
© 2017 Lucrum Trading Systems - 판권 소유.
미국 정부 요구 면책 조항 - 상품 선물 거래위원회 선물 및 옵션 거래는 잠재적 인 보상이 크지 만 잠재 위험도 크다. 선물 및 옵션 시장에 투자하기 위해서는 위험을 인식하고이를 수락해야합니다. 잃을 여유가없는 돈으로 거래하지 마십시오. 본 웹 사이트 및 본 웹 사이트의 기타 모든 정보는 선물이나 옵션을 매수 / 매도하기위한 권유가 아닙니다. 이 웹 사이트에서 논의 된 것과 유사한 이익 또는 손실을 달성 할 가능성이 있거나 그렇게 할 가능성이있는 진술은 없습니다. 모든 거래 시스템 또는 방법론의 과거 실적이 반드시 미래 결과를 나타내는 것은 아닙니다.
CFTC 규칙 4.41 - 가상 또는 시뮬레이션 결과에는 특정 제한이 있습니다. 실제 성과 기록과 달리, 시뮬레이션 된 결과는 실제 거래를 나타내지 않습니다. 또한 거래가 실행되지 않았기 때문에 결과가 유동성 부족과 같은 특정 시장 요인에 영향을 미쳤거나 또는 과대 보상 될 수 있습니다. 시뮬레이션 된 거래 프로그램은 일반적으로 통보의 이익을 고려하여 설계되었다는 사실을 인정합니다. 어떤 계정이든 이익이나 손실을 달성 할 가능성이 있다고 주장 할 수 없습니다.
자동화 된 거래 시스템 생성기
자동 코드 생성을 이용한 거래 시스템 구축
자동 코드 생성을 이용한 거래 시스템 구축
Michael R. Bryant.
점점 더 많은 거래자가 자동 거래로 이동함에 따라 체계적인 거래 전략에 대한 관심이 증가했습니다. 일부 거래자는 자신의 거래 전략을 개발하는 반면, 거래 시스템을 개발하고 구현하는 데 필요한 가파른 학습 곡선은 많은 거래자에게 장애가됩니다. 이 문제에 대한 최근에 개발 된 솔루션은 컴퓨터 알고리즘을 사용하여 거래 시스템 코드를 자동으로 생성하는 것입니다. 이 접근 방식의 목표는 거래 시스템을 개발하는 전통적인 프로세스의 많은 단계를 자동화하는 것입니다.
거래 시스템 구축을위한 자동 코드 생성 소프트웨어는 진화 알고리즘이라고 불리는 일련의 기술에 속하는 유전 프로그래밍 (GP)을 기반으로합니다. 특히 진화 알고리즘과 GP는 생식과 진화의 생물학적 개념을 기반으로하는 인공 지능 연구원에 의해 개발되었습니다. GP 알고리즘은 무작위로 생성 된 구성원의 초기 모집단에서 거래 전략의 인구를 진화시킵니다. 인구의 구성원은 자신의 적합성에 따라 서로 경쟁합니다. 조정 인원은 인구의 새로운 구성원을 생산하는 부모로 선택되며 약한 (덜 적합) 회원을 대신합니다.
두 부모는 생물학적 복제에서 유전 적 교차를 모방 한 크로스 오버 (crossover)라는 기술을 사용하여 결합됩니다. 크로스 오버에서는 한 부모의 게놈의 일부가 다른 한쪽의 게놈의 일부와 결합되어 자식 게놈을 생성합니다. 거래 시스템 생성의 경우, 게놈은 이동 평균, 스토아 틱 (stochastics) 등과 같은 다양한 기술 지표를 포함하여 거래 전략의 다른 요소를 나타낼 수 있습니다. 다양한 유형의 출입 명령. 시장 진입 및 탈출을위한 논리적 조건
인구의 다른 구성원은 돌연변이를 통해 생산되며 인구의 한 구성원이 게놈의 일부를 무작위로 변경하여 변형되도록 선택됩니다. 일반적으로, 인구의 새로운 구성원의 대다수 (예 : 90 %)는 교차를 통해 생산되며 나머지 구성원은 돌연변이를 통해 생산됩니다.
연속 복제 세대에 걸쳐서, 인구의 전반적인 적합성은 증가하는 경향이있다. 적합성은 각 전략의 순위를 매기거나 점수를 매기는 일련의 빌드 목표를 기반으로합니다. 구축 목표의 예로는 순익, 인출, 승자의 비율, 수익 요인 등과 같은 다양한 성과 지표가 있습니다. 이는 최소 2.0 이상의 수익 요소와 같은 최소 요구 사항이나 순이익 극대화와 같은 최대 목표로 명시 할 수 있습니다. 빌드 목표가 여러 개인 경우 가중치 평균을 사용하여 적합성 측정 항목을 만들 수 있습니다. 몇 세대가지나거나 피트니스가 증가하지 않으면 프로세스가 중단됩니다. 해결책은 일반적으로 결과 집단의 가장 적합한 구성원으로 취해 지거나, 전체 인구가 적합성에 따라 분류되어 추가 검토를 위해 저장 될 수 있습니다.
유전 프로그래밍은 최적화 유형이기 때문에 과다 맞춤 (over-fitting)이 중요합니다. 이는 대개 샘플 밖의 테스트를 사용하여 해결됩니다. 이 테스트에서는 빌드 단계에서 전략을 평가하는 데 사용되지 않은 데이터를 사용하여 나중에 테스트합니다. 본질적으로, 빌드 프로세스 중에 작성된 각 후보 전략은 평가에 의해 지원되거나 반박되고 샘플 결과를 통해 추가로 지원되거나 반박되는 가설입니다.
자동 코드 생성을 통해 거래 시스템을 구축하는 데는 여러 가지 이점이 있습니다. GP 프로세스는 높은 수준의 성능 목표 만 주어진 전략의 합성을 가능하게합니다. 알고리즘이 나머지를 처리합니다. 따라서 기술 지표 및 전략 설계 원칙에 대한 자세한 지식이 필요하지 않습니다. 또한 GP 프로세스는 편향되지 않습니다. 대부분의 거래자들은 특정 지표 및 / 또는 거래 논리에 대해 또는 그에 대한 편향을 일으켰지 만, GP는 무엇이 작동하는지에 의해서만 안내됩니다. 또한 적절한 거래 규칙 의미를 통합함으로써 GP 프로세스는 논리적으로 올바른 거래 규칙 및 오류없는 코드를 생성하도록 설계 될 수 있습니다. 대부분의 경우 GP 프로세스는 고유하지만 명백하지 않은 결과를 생성합니다. 이 숨겨진 보석들은 다른 방법으로는 거의 불가능합니다. 마지막으로 구축 프로세스를 자동화함으로써 입력 가격 데이터 파일 및 기타 빌드 설정의 길이에 따라 실행 가능한 전략을 개발하는 데 필요한 시간을 수주 또는 수개월에서 몇 분으로 단축 할 수 있습니다.
Adaptrade Software의 새로운 개발, 뉴스 및 특별 제안에 대한 정보를 얻으려면 당사 목록에 가입하십시오. 고맙습니다.
저작권 © 2004-2015 Adaptrade Software. 판권 소유.
자동화 된 거래 시스템 생성기
시장에서 여전히 우위를 찾고 있다면 자동 거래 시스템이 최상의 방법입니다. 자세히 알아보기.
Copyright (c) 2010 Adaptrade Software. 판권 소유.
HYPOTHETICAL 또는 SIMULATED PERFORMANCE 결과는 특정 제한이 있습니다. 실제 성과 기록과 달리, 시뮬레이션 된 결과는 실제 거래를 나타내지 않습니다. 또한 거래가 실제로 실행되지 않았기 때문에 결과가 유동성 부족과 같은 특정 시장 요인에 영향을 미치거나 과다 또는 과소 보상을받을 수 있습니다. 시뮬레이션 된 거래 프로그램은 일반적으로 통보의 이익을 고려하여 설계되었다는 사실을 인정합니다. 어떠한 계정도 이익이나 손실을 달성 할 가능성이있는 것으로 나타나지 않습니다.
EasyLanguage와 TradeStation은 TradeStation Technologies, Inc. 의 등록 상표입니다.
지난 10 년간의 소매 거래에서 가장 큰 트렌드 중 하나는 자동 거래의 인기 증가입니다. 자동 주문 실행이라고도하는이 유형의 거래에서는 거래 시스템에 의해 생성 된 매매 신호가 거래자의 중개 계좌에 연결된 플랫폼에 의해 자동으로 실행됩니다. 이를 통해 핸즈프리 거래가 가능해 지므로 실행 속도가 빠르고 오류가 적으며 빈도가 높은 전략으로 짧은 시간대를 거래 할 수 있습니다.
자동 코드 생성을 사용하여 거래 시스템을 구축하기위한 기본 알고리즘은 아래 그림 1과 같습니다. 거래 전략의 여러 요소를 결합하는 방법부터 시작합니다. 이러한 요소에는 이동 평균, stochastics 등과 같은 다양한 기술 지표가 포함될 수 있습니다. 다양한 유형의 출입 명령. 시장 진입 및 탈출을위한 논리적 조건
그림 1. 자동화 된 전략 수립을위한 기본 알고리즘.
서로 다른 요소들이 일관된 전략으로 결합 된 후에는 시장 또는 관심 대상 시장에서 평가할 수 있습니다. 이를 위해서는 각 시장에 대한 시장 데이터 (가격, 수량, 미결제 등)가 필요합니다. 일반적으로 각 전략의 순위를 매기거나 점수를 매기는 데 도움이되는 일련의 빌드 목표를 가지고 있습니다. 구축 목표의 예로는 순익, 인출, 승자의 비율, 수익 요인 등과 같은 다양한 성과 지표가 있습니다. 최소 2.0 이상의 수익 요소와 같은 최소 요구 사항 또는 순이익 극대화와 같은 최대 목표로 명시 할 수 있습니다.
자동 코드 생성의 이론적 근거.
위에서 설명한 것처럼 자동 코드 생성을 사용하여 거래 시스템을 구축하는 것이 본질적으로 최적화 문제입니다. 빌드 목표를 최대화하는 전략 요소의 조합이 최종 전략으로 간주됩니다. 일부 거래자는 시장 행동이나 행동에 대한 가설에 기초하여 거래 시스템을 구축해야한다는 것을 반대합니다. 시장이 어떻게 작동하는지에 대한 좋은 가설이 있다면 그 가설을 바탕으로 전략을 세우고 테스트 할 수 있습니다. 그것이 작동하면 가설을지지하고 전략 거래를 정당화합니다.
TradeStation 용 패턴 시스템 코드 생성기.
이 섹션에서는 TradeStation 용 트레이딩 시스템이 TradeStation 용 다른 패턴 기반 트레이딩 시스템을 자동으로 생성하는 자동 코드 생성에 대한 임시 접근 방식에 대해 설명합니다. AutoSystemGen 시스템은 지정된 성능 요구 사항 집합을 충족시키는 관련 매개 변수 값과 함께 일련의 거래 규칙을 검색합니다.
거의 모든 유형의 표시기 또는 거래 논리가 여기에 설명 된 거래 시스템 생성기에 포함될 수 있지만 상당히 단순하게 유지하기 위해 생성 된 시스템의 규칙은 가격 패턴으로 제한됩니다. 생성 된 거래 시스템의 각 입력 규칙은 다음 형식을 갖습니다.
이 과정의 핵심은 후보 거래 시스템을 찾는 것입니다. 시스템은 위에 표시된 양식의 규칙 1 개에서 10 개 사이로 구성 될 수 있습니다. 모든 규칙이 사실이라면 거래가 시장에 시작되고 거래는 나중에 일정 수의 바에서 종료됩니다. 이것이 최대 10 개의 규칙이있는 전통적인 TradeStation 시스템으로 코딩 된 경우 52 개의 입력이 있습니다. 이것은 성가신 전략을 만들 것입니다.
AutoSystemGen 시스템 및 관련 기능 코드는 무료 다운로드 페이지의 Breakout Futures (breakoutfutures /)에서 사용할 수 있습니다.
예를 들어, 30 년 만기 국채 선물 시장 (TradeStation 8의 기호 US. P)을 고려하십시오. AutoSystemGen은 OptStep 입력이 1에서 10000까지 증가한 T-bond 가격의 지난 20 년 동안 최적화되었습니다. 이것은 시스템이 10,000 개의 서로 다른 거래 시스템을 평가했음을 의미합니다. 최적화는 긴 거래의 경우 한 번, 짧은 거래의 경우 한 번 두 번 실행되었습니다. 다음 성능 요구 사항이 사용되었습니다. 최소 30,000 달러의 순 이익, 7500 달러 이하의 최악의 경우 감소, 최소 200 회 이상의 거래, 최소 50 %의 수익률 및 최소 1.2의 수익률이 사용되었습니다. Vista를 실행하는 듀얼 코어 컴퓨터에서 각 최적화를 실행하는 데 약 10 분이 걸렸습니다 (최적화 당 10,000 시스템).
System 2332, US. P, 9/17/2007 12:23:00, Long Trades.
순이익 = 53562.50, 최대 DD = -7381.25, 거래 횟수 = 250, 승리 비율 = 56.80, Prof factor = 1.631.
변수 : EntNext (거짓);
EntNext = Open [2] & gt; = Low [16].
닫기 [14] ≤ 낮음 [6] 및.
EntNext이면.
시장에서 다음 술집을 사세요.
BarsSinceEntry = 2이면.
시장에서 다음 바 판매;
System 5771, US. P, 9/17/2007 12:27:00, Long Trades.
순이익 = 42145.00, 최대 DD = -5733.75, 거래 횟수 = 207, 승리 비율 = 57.00, Prof factor = 1.631.
변수 : EntNext (거짓);
EntNext = 하이 [7] ≥ 로우 [19] 및.
닫기 [20] ≥ 닫기 [5] 및.
High [18]> Low [2] 및.
EntNext이면.
시장에서 다음 술집을 사세요.
BarsSinceEntry = 2이면.
시장에서 다음 바 판매;
시스템 7622, US. P, 9/17/2007 12:29:00, Long Trades.
순이익 = 59348.75, 최대 DD = -7222.50, 거래 횟수 = 208, WINS = 60.58, Prof factor = 1.924.
변수 : EntNext (거짓);
EntNext = Low [2] ≤ High [9] 및.
열기 [11] & gt; = 열기 [18] 그리고.
EntNext이면.
시장에서 다음 술집을 사세요.
BarsSinceEntry = 3이면.
시장에서 다음 바 판매;
System 7718, US. P, 9/17/2007 12:29:00, Long Trades.
순이익 = 35526.25, 최대 DD = -6936.25, 거래 횟수 = 292, 승리 비율 = 56.85, Prof factor = 1.418.
변수 : EntNext (거짓);
EntNext = Close [3] & gt; = High [19]와.
High [6] ≤ Open [10] 및.
EntNext이면.
시장에서 다음 술집을 사세요.
BarsSinceEntry = 1이면.
시장에서 다음 바 판매;
System 6160, US. P, 9/17/2007 12:42:00, 짧은 거래.
순이익 = 31277.50, 최대 DD = -6846.25, 거래 횟수 = 369, 승리 비율 = 51.76, Prof factor = 1.297.
변수 : EntNext (거짓);
EntNext = 하이 [9] ≥ 로우 [6] 및.
닫기 [15] ≥ 하이 [8] 및.
High [7] ≤ Low [20] 및.
EntNext이면.
시장에서 짧은 다음 바를 판매하십시오.
BarsSinceEntry = 1이면.
시장에서 다음 바를 충당하기 위해 구입하십시오.
각 시스템의 목록에는 시스템 번호 (OptStep 입력에 해당), 마켓 심볼, 현재 날짜 및 시스템이 long-only인지 또는 short-only인지가 포함됩니다. 다음 줄에는 각 시스템을 평가하는 데 도움이되는 몇 가지 요약 성능 통계가 포함되어 있습니다. 마지막으로 시스템 코드가 표시됩니다. TradeStation의 시스템을 평가하기 위해 두 개의 주석 행 () 사이의 코드를 복사하여 TradeStation의 전략에 붙여 넣은 다음 차트 창에서 실행할 수 있습니다.
출력 파일의 마지막 시스템은 짧은 시스템 (# 6160)입니다. TradeStation에서 전략으로 저장하고 동일한 T - 채권 차트에 적용하면 다음과 같은 형평 곡선이 생성됩니다.
그림 3. 시스템 AutoSystemGen에서 생성 한 거래 당 15 달러의 T - 채권에 대한 Short-only 시스템. 지난 20 년.
자동 코드 생성을위한 유전 프로그래밍.
이전 단원에서 설명한 임시 방편은 간단하지만 두 가지 제한이 있습니다. (1) 무작위로 생성 된 전략이 빌드 목표를 향해 수렴되지 않으며, (2) 패턴 시스템의 템플릿이 더 복잡한 전략으로 일반화하기 어렵습니다 . 이것은보다 정교한 접근법이 필요하다는 것을 의미합니다.
이 두 가지 문제를 모두 해결하는 자동 코드 생성 방법을 진화 알고리즘이라고하는 일련의 기술에 속하는 유전 프로그래밍 (GP)이라고합니다. 특히 진화 알고리즘과 GP는 생식과 진화의 생물학적 개념을 기반으로하는 인공 지능 연구원에 의해 개발되었습니다. GP 알고리즘은 무작위로 생성 된 구성원의 초기 모집단에서 거래 전략의 인구를 "발전"시킵니다. 인구의 구성원은 자신의 "적합성"에 따라 서로 경쟁합니다. 구성원은 신입 회원을 창출하기 위해 "부모"로 선택되며 약한 (덜 적합) 회원을 대신합니다.
기술 지표 및 전략 설계 지식에 대한 필요성을 줄입니다. GP 알고리즘은 개별 거래 규칙, 지표 및 기타 전략 요소를 선택합니다.
규칙 구축 프로세스는 비선형 거래 규칙을 포함하여 상당한 복잡성을 허용합니다.
GP 프로세스는 전통적인 전략 개발 프로세스에서 가장 노동 집약적이고 지루한 요소를 제거합니다. 즉, 새로운 거래 아이디어를 얻고, 프로그래밍하고, 코드를 검증하고, 전략을 테스트하고, 코드를 수정하고, 반복하는 것입니다. 이것은 모두 GP에서 자동으로 수행됩니다.
GP 프로세스는 편견이 없습니다. 대부분의 거래자들은 특정 지표 및 / 또는 거래 논리에 대해 또는 그에 대한 편향을 일으켰지 만, GP는 무엇이 작동하는지에 의해서만 안내됩니다.
적절한 거래 규칙 의미론을 통합함으로써 GP 프로세스는 논리적으로 정확한 거래 규칙과 오류없는 코드를 생성하도록 설계 될 수 있습니다.
GP 프로세스는 종종 고유하지만 명백하지 않은 결과를 생성합니다. 대부분의 경우 이러한 숨겨진 보석은 다른 방법으로 찾기가 거의 불가능합니다.
빌드 프로세스를 자동화함으로써 실행 가능한 전략을 개발하는 데 필요한 시간을 입력 가격 데이터 파일 및 기타 빌드 설정의 길이에 따라 수 주 또는 수개월에서 몇 분으로 단축 할 수 있습니다.
유전자 프로그래밍은 신호 및 이미지 처리, 프로세스 제어, 생물 정보학, 데이터 모델링, 프로그래밍 코드 생성, 컴퓨터 게임 및 경제 모델링 등 다양한 분야에서 성공적으로 사용되었습니다. 예를 들어 Poli et al. 2 재무에서 GP 사용에 대한 개요는 Chen이 제공합니다. 3 Colin 4는 거래 전략에 대한 규칙의 조합을 최적화하기 위해 GP를 사용하는 방법을 처음으로 설명했습니다.
코자. 유전 프로그래밍. MIT Press, Cambridge, MA. 1992.
R. Poli, W. B. Langdon 및 N. F. McPhee. 유전자 프로그래밍 분야 가이드. lulu를 통해 배포되고 gp-field-guide. org. uk, 2008에서 무료로 사용할 수 있습니다 (J. R. Koza의 기고).
Shu-Heng Chen (편집자). 전산 금융에서 유전 알고리즘과 유전 프로그래밍. Kluwer Academic Publishers, Norwell, MA. 2002.
A. 콜린. 금융 모델링을위한 유전 알고리즘, Edge on Trading. 1994, pages 165-168. John Wiley & amp; Sons, Inc. 뉴욕.
Risto Karjalainen. S & P 500 선물에 대한 진화하는 기술적 거래 규칙, Advanced Trading Rules, 2002, Pages 345-366. Elsevier Science, Oxford, 영국.
진 이브 스 Potvin, Patrick Soriano, Maxime Vallee. 유전 프로그래밍으로 주식 시장에서 거래 규칙 생성. 컴퓨터 & amp; Operations Research, Volume 31, Issue 7, 2004 년 6 월, 페이지 1033-1047.
Massimiliano Kaucic. 진화 학습 방법과 기술 규칙을 이용한 투자. European Journal of Operational Research, 207 권, 3 호, 2010 년 12 월 16 일, 1717-1727 페이지.
유전자 프로그래밍을 이용한 빌드 알고리즘.
이전에 제시된 빌드 알고리즘 (그림 1 참조)을 확장하면 유전 알고리즘에 기반한보다 자세한 알고리즘이 그림 4에 나와 있습니다. 회색 음영 상자는 관심있는 시장에 대한 가격 데이터, 이른바 빌드 세트의 지표 및 주문 유형, 그리고 해당 시장의 가격 옵션 데이터에 의해 선택된 옵션 및 성능 기준 (빌드 목표)을 포함하는 입력 데이터를 나타냅니다. 사용자.
그림 4. 유전자 프로그래밍으로 자동 코드 생성을위한 빌드 알고리즘.
GP 프로세스는 진입 조건 및 진입 및 퇴장 명령과 같은 두 가지 필수 전략 요소를 동시에 진화시키는 데 사용할 수 있습니다. 엔트리 조건은 일반적으로 아래 그림 5와 같이 트리 구조로 표시됩니다.
유전 프로그래밍을 사용하여 진화하는 진입 및 퇴출 명령의 핵심은 일반화 된 방식으로 다양한 유형의 주문을 나타내는 것입니다. 예를 들어, stop 및 limit entry 가격은 다음과 같이 나타낼 수 있습니다.
유전 프로그래밍은 상당한 다양성을 가진 거래 전략을 생성 할 수 있지만, 따라야 할 전략에 대한 일반화 된 구조로 시작하는 것이 필요합니다. 아래에서 의사 코드로 표시된 전략 구조는 위에서 언급 한 것과 같은 진입 조건 및 주문 유형을 기반으로 전략을 수립하기위한 프레임 워크를 제공합니다.
입력 : N1, N2, N3, ...
position이 일정하고 LongEntryCondition이 true 인 경우
긴 입력 주문 ...
필요한 경우 긴 종료 주문 초기화 ...
position가 편평하고 ShortEntryCondition이 true 인 경우
짧은 주문 주문 ...
필요한 경우 짧은 이탈 명령 초기화 ...
위치가 길다면
긴 종료 주문 1 ...
긴 종료 주문 2 ...
자세가 짧은 경우.
짧은 출구 주문 1 ...
짧은 이탈 명령 2 ...
[선택 종료일 종료]
전략은 입력 목록으로 시작합니다. 표시기 매개 변수, 가격 패턴 룩백 길이 및 ATR의 룩 백 길이와 같은 입력 및 종료 명령에 필요한 매개 변수에 대한 입력이 제공됩니다.
전략적 건물에서 자동 코드 생성을 위해 유전 프로그래밍을 사용하는 방법을 설명하기 위해, 프로그램 Adaptrade Builder는 소규모 인구와 한정된 수의 세대를 대상으로 주식 인덱스 선물 시장의 일일 막대에서 운영되었습니다. 프로세스를 안내하기 위해 선택한 성과 메트릭스는 순익, 거래 수, 상관 계수, 통계적 유의성 및 수익률 / 수익률입니다. 거래 수 및 수익률 / 수익률에 대한 구체적인 목표가 설정되었습니다. 다른 선택된 측정 항목이 최대화되었습니다. 적합성 기능은 각 측정 항목에 대한 용어의 가중치 평균이었습니다.
그림 6. 표본 순이익이 1,000 달러 이상인 인구 집단의 비율.
유사하게, 인구의 OOS 순이익의 평균은 5 세대와 10 세대 후에 그림 7과 같이 증가했다. 이 결과는 OOS 순이익에 대한 것이다. 정의에 따르면, 샘플 밖의 데이터는 빌드에서 사용되지 않으므로 OOS 결과는 편향되지 않습니다. 그들은 뒤늦은 지혜에서 이익을 얻지 못한다. 이것은 GP 프로세스가 GP 알고리즘의 직접적인 효과 인 연속 세대에 걸친 샘플 내 결과를 향상시키는 경향이있을뿐만 아니라 OOS 결과도 전략이 발전함에 따라 향상되는 경향이 있음을 의미합니다. 이것은 고품질 빌드를 나타냅니다.
TradeStation의 EasyLanguage 전략 코드.
인구 회원 : 46.
만든 사람 : Adaptrade Builder 버전 1.1.0.0.
작성일 : 10/19/2010 2:19:52 PM.
TS 6 이상의 TradeStation 코드.
가격 파일 : C : \ TestData. txt.
변수 : EntCondL (거짓),
EntCondL = (가장 높은 (볼륨, NL1) & gt; 최저 (볼륨, NL2)) 또는 (볼륨 & lt; 평균 (볼륨, NL3));
MarketPosition = 0이고 EntCondL이 시작되면.
XAverage (L, NBarEnL1) + EntFrL * ATREnL 정류장에서 다음 바 구매.
MarketPosition = 0이고 EntCondS가 시작되면.
Highest (H, NBarEnS1) - EntFrS * AbsValue (최저 (L, NBarEnS2) - 최저 (H, NBarEnS3))에서 다음 바로 가기 바 중지;
SStop = 전력 (10, 10);
MarketPosition & gt; 0으로 시작합니다.
BarsSinceEntry & gt; = NBarExL이면.
시장에서 다음 바 판매;
EntryPrice + TargFrL * ATRTargL 한도에서 다음 바 판매.
MarketPosition & lt; 0으로 시작합니다.
EntryPrice-C & gt; 그런 다음 ATRFrTrailS * ATRTrailS.
그러면 STrailOn이 시작됩니다.
NewSStop = EntryPrice - TrailPctS * (EntryPrice-C) / 100 .;
SStop = MinList (SStop, NewSStop);
BarsSinceEntry & gt; = NBarExS이면
시장에서 다음 바를 충당하기 위해 구입하십시오.
그렇다면 STrailOn.
SStop 정류장에서 다음 바를 덮기 위해 구입하십시오.
자동 코드 생성을 통한 거래 시스템 구축은 일종의 최적화입니다. 대부분의 체계적인 거래자는 전략에 대한 입력을 최적화하는 매개 변수 최적화에 익숙합니다. 매개 변수 최적화와 달리 자동 코드 생성은 전략의 거래 논리를 최적화합니다. 그럼에도 불구하고 매개 변수 최적화와 마찬가지로 자동 최적화 코드에 대한 과도한 최적화 또는 "과다 맞춤"의 위험이 자동 코드 생성에 중요합니다.
유전 프로그래밍을 이용한 거래 전략 수립 소프트웨어에 대한 정보는 여기를 클릭하십시오.
Adaptrade Software의 새로운 개발, 뉴스 및 특별 제안에 대한 정보를 얻으려면 당사 목록에 가입하십시오. 고맙습니다.
저작권 © 2004-2015 Adaptrade Software. 판권 소유.
시장에서 여전히 우위를 찾고 있다면 자동 거래 시스템이 최상의 방법입니다. 자세히 알아보기.
Copyright (c) 2010 Adaptrade Software. 판권 소유.
HYPOTHETICAL 또는 SIMULATED PERFORMANCE 결과는 특정 제한이 있습니다. 실제 성과 기록과 달리, 시뮬레이션 된 결과는 실제 거래를 나타내지 않습니다. 또한 거래가 실제로 실행되지 않았기 때문에 결과가 유동성 부족과 같은 특정 시장 요인에 영향을 미치거나 과다 또는 과소 보상을받을 수 있습니다. 시뮬레이션 된 거래 프로그램은 일반적으로 통보의 이익을 고려하여 설계되었다는 사실을 인정합니다. 어떠한 계정도 이익이나 손실을 달성 할 가능성이있는 것으로 나타나지 않습니다.
EasyLanguage와 TradeStation은 TradeStation Technologies, Inc. 의 등록 상표입니다.
지난 10 년간의 소매 거래에서 가장 큰 트렌드 중 하나는 자동 거래의 인기 증가입니다. 자동 주문 실행이라고도하는이 유형의 거래에서는 거래 시스템에 의해 생성 된 매매 신호가 거래자의 중개 계좌에 연결된 플랫폼에 의해 자동으로 실행됩니다. 이를 통해 핸즈프리 거래가 가능해 지므로 실행 속도가 빠르고 오류가 적으며 빈도가 높은 전략으로 짧은 시간대를 거래 할 수 있습니다.
자동 코드 생성을 사용하여 거래 시스템을 구축하기위한 기본 알고리즘은 아래 그림 1과 같습니다. 거래 전략의 여러 요소를 결합하는 방법부터 시작합니다. 이러한 요소에는 이동 평균, stochastics 등과 같은 다양한 기술 지표가 포함될 수 있습니다. 다양한 유형의 출입 명령. 시장 진입 및 탈출을위한 논리적 조건
그림 1. 자동화 된 전략 수립을위한 기본 알고리즘.
서로 다른 요소들이 일관된 전략으로 결합 된 후에는 시장 또는 관심 대상 시장에서 평가할 수 있습니다. 이를 위해서는 각 시장에 대한 시장 데이터 (가격, 수량, 미결제 등)가 필요합니다. 일반적으로 각 전략의 순위를 매기거나 점수를 매기는 데 도움이되는 일련의 빌드 목표를 가지고 있습니다. 구축 목표의 예로는 순익, 인출, 승자의 비율, 수익 요인 등과 같은 다양한 성과 지표가 있습니다. 최소 2.0 이상의 수익 요소와 같은 최소 요구 사항 또는 순이익 극대화와 같은 최대 목표로 명시 할 수 있습니다.
자동 코드 생성의 이론적 근거.
위에서 설명한 것처럼 자동 코드 생성을 사용하여 거래 시스템을 구축하는 것이 본질적으로 최적화 문제입니다. 빌드 목표를 최대화하는 전략 요소의 조합이 최종 전략으로 간주됩니다. 일부 거래자는 시장 행동이나 행동에 대한 가설에 기초하여 거래 시스템을 구축해야한다는 것을 반대합니다. 시장이 어떻게 작동하는지에 대한 좋은 가설이 있다면 그 가설을 바탕으로 전략을 세우고 테스트 할 수 있습니다. 그것이 작동하면 가설을지지하고 전략 거래를 정당화합니다.
TradeStation 용 패턴 시스템 코드 생성기.
이 섹션에서는 TradeStation 용 트레이딩 시스템이 TradeStation 용 다른 패턴 기반 트레이딩 시스템을 자동으로 생성하는 자동 코드 생성에 대한 임시 접근 방식에 대해 설명합니다. AutoSystemGen 시스템은 지정된 성능 요구 사항 집합을 충족시키는 관련 매개 변수 값과 함께 일련의 거래 규칙을 검색합니다.
거의 모든 유형의 표시기 또는 거래 논리가 여기에 설명 된 거래 시스템 생성기에 포함될 수 있지만 상당히 단순하게 유지하기 위해 생성 된 시스템의 규칙은 가격 패턴으로 제한됩니다. 생성 된 거래 시스템의 각 입력 규칙은 다음 형식을 갖습니다.
이 과정의 핵심은 후보 거래 시스템을 찾는 것입니다. 시스템은 위에 표시된 양식의 규칙 1 개에서 10 개 사이로 구성 될 수 있습니다. 모든 규칙이 사실이라면 거래가 시장에 시작되고 거래는 나중에 일정 수의 바에서 종료됩니다. 이것이 최대 10 개의 규칙이있는 전통적인 TradeStation 시스템으로 코딩 된 경우 52 개의 입력이 있습니다. 이것은 성가신 전략을 만들 것입니다.
AutoSystemGen 시스템 및 관련 기능 코드는 무료 다운로드 페이지의 Breakout Futures (breakoutfutures /)에서 사용할 수 있습니다.
예를 들어, 30 년 만기 국채 선물 시장 (TradeStation 8의 기호 US. P)을 고려하십시오. AutoSystemGen은 OptStep 입력이 1에서 10000까지 증가한 T-bond 가격의 지난 20 년 동안 최적화되었습니다. 이것은 시스템이 10,000 개의 서로 다른 거래 시스템을 평가했음을 의미합니다. 최적화는 긴 거래의 경우 한 번, 짧은 거래의 경우 한 번 두 번 실행되었습니다. 다음 성능 요구 사항이 사용되었습니다. 최소 30,000 달러의 순 이익, 7500 달러 이하의 최악의 경우 감소, 최소 200 회 이상의 거래, 최소 50 %의 수익률 및 최소 1.2의 수익률이 사용되었습니다. Vista를 실행하는 듀얼 코어 컴퓨터에서 각 최적화를 실행하는 데 약 10 분이 걸렸습니다 (최적화 당 10,000 시스템).
System 2332, US. P, 9/17/2007 12:23:00, Long Trades.
순이익 = 53562.50, 최대 DD = -7381.25, 거래 횟수 = 250, 승리 비율 = 56.80, Prof factor = 1.631.
변수 : EntNext (거짓);
EntNext = Open [2] & gt; = Low [16].
닫기 [14] ≤ 낮음 [6] 및.
EntNext이면.
시장에서 다음 술집을 사세요.
BarsSinceEntry = 2이면.
시장에서 다음 바 판매;
System 5771, US. P, 9/17/2007 12:27:00, Long Trades.
순이익 = 42145.00, 최대 DD = -5733.75, 거래 횟수 = 207, 승리 비율 = 57.00, Prof factor = 1.631.
변수 : EntNext (거짓);
EntNext = 하이 [7] ≥ 로우 [19] 및.
닫기 [20] ≥ 닫기 [5] 및.
High [18]> Low [2] 및.
EntNext이면.
시장에서 다음 술집을 사세요.
BarsSinceEntry = 2이면.
시장에서 다음 바 판매;
시스템 7622, US. P, 9/17/2007 12:29:00, Long Trades.
순이익 = 59348.75, 최대 DD = -7222.50, 거래 횟수 = 208, WINS = 60.58, Prof factor = 1.924.
변수 : EntNext (거짓);
EntNext = Low [2] ≤ High [9] 및.
열기 [11] & gt; = 열기 [18] 그리고.
EntNext이면.
시장에서 다음 술집을 사세요.
BarsSinceEntry = 3이면.
시장에서 다음 바 판매;
System 7718, US. P, 9/17/2007 12:29:00, Long Trades.
순이익 = 35526.25, 최대 DD = -6936.25, 거래 횟수 = 292, 승리 비율 = 56.85, Prof factor = 1.418.
변수 : EntNext (거짓);
EntNext = Close [3] & gt; = High [19]와.
High [6] ≤ Open [10] 및.
EntNext이면.
시장에서 다음 술집을 사세요.
BarsSinceEntry = 1이면.
시장에서 다음 바 판매;
System 6160, US. P, 9/17/2007 12:42:00, 짧은 거래.
순이익 = 31277.50, 최대 DD = -6846.25, 거래 횟수 = 369, 승리 비율 = 51.76, Prof factor = 1.297.
변수 : EntNext (거짓);
EntNext = 하이 [9] ≥ 로우 [6] 및.
닫기 [15] ≥ 하이 [8] 및.
High [7] ≤ Low [20] 및.
EntNext이면.
시장에서 짧은 다음 바를 판매하십시오.
BarsSinceEntry = 1이면.
시장에서 다음 바를 충당하기 위해 구입하십시오.
각 시스템의 목록에는 시스템 번호 (OptStep 입력에 해당), 마켓 심볼, 현재 날짜 및 시스템이 long-only인지 또는 short-only인지가 포함됩니다. 다음 줄에는 각 시스템을 평가하는 데 도움이되는 몇 가지 요약 성능 통계가 포함되어 있습니다. 마지막으로 시스템 코드가 표시됩니다. TradeStation의 시스템을 평가하기 위해 두 개의 주석 행 () 사이의 코드를 복사하여 TradeStation의 전략에 붙여 넣은 다음 차트 창에서 실행할 수 있습니다.
출력 파일의 마지막 시스템은 짧은 시스템 (# 6160)입니다. TradeStation에서 전략으로 저장하고 동일한 T - 채권 차트에 적용하면 다음과 같은 형평 곡선이 생성됩니다.
그림 3. 시스템 AutoSystemGen에서 생성 한 거래 당 15 달러의 T - 채권에 대한 Short-only 시스템. 지난 20 년.
자동 코드 생성을위한 유전 프로그래밍.
이전 단원에서 설명한 임시 방편은 간단하지만 두 가지 제한이 있습니다. (1) 무작위로 생성 된 전략이 빌드 목표를 향해 수렴되지 않으며, (2) 패턴 시스템의 템플릿이 더 복잡한 전략으로 일반화하기 어렵습니다 . 이것은보다 정교한 접근법이 필요하다는 것을 의미합니다.
이 두 가지 문제를 모두 해결하는 자동 코드 생성 방법을 진화 알고리즘이라고하는 일련의 기술에 속하는 유전 프로그래밍 (GP)이라고합니다. 특히 진화 알고리즘과 GP는 생식과 진화의 생물학적 개념을 기반으로하는 인공 지능 연구원에 의해 개발되었습니다. GP 알고리즘은 무작위로 생성 된 구성원의 초기 모집단에서 거래 전략의 인구를 "발전"시킵니다. 인구의 구성원은 자신의 "적합성"에 따라 서로 경쟁합니다. 구성원은 신입 회원을 창출하기 위해 "부모"로 선택되며 약한 (덜 적합) 회원을 대신합니다.
기술 지표 및 전략 설계 지식에 대한 필요성을 줄입니다. GP 알고리즘은 개별 거래 규칙, 지표 및 기타 전략 요소를 선택합니다.
규칙 구축 프로세스는 비선형 거래 규칙을 포함하여 상당한 복잡성을 허용합니다.
GP 프로세스는 전통적인 전략 개발 프로세스에서 가장 노동 집약적이고 지루한 요소를 제거합니다. 즉, 새로운 거래 아이디어를 얻고, 프로그래밍하고, 코드를 검증하고, 전략을 테스트하고, 코드를 수정하고, 반복하는 것입니다. 이것은 모두 GP에서 자동으로 수행됩니다.
GP 프로세스는 편견이 없습니다. 대부분의 거래자들은 특정 지표 및 / 또는 거래 논리에 대해 또는 그에 대한 편향을 일으켰지 만, GP는 무엇이 작동하는지에 의해서만 안내됩니다.
적절한 거래 규칙 의미론을 통합함으로써 GP 프로세스는 논리적으로 정확한 거래 규칙과 오류없는 코드를 생성하도록 설계 될 수 있습니다.
GP 프로세스는 종종 고유하지만 명백하지 않은 결과를 생성합니다. 대부분의 경우 이러한 숨겨진 보석은 다른 방법으로 찾기가 거의 불가능합니다.
빌드 프로세스를 자동화함으로써 실행 가능한 전략을 개발하는 데 필요한 시간을 입력 가격 데이터 파일 및 기타 빌드 설정의 길이에 따라 수 주 또는 수개월에서 몇 분으로 단축 할 수 있습니다.
유전자 프로그래밍은 신호 및 이미지 처리, 프로세스 제어, 생물 정보학, 데이터 모델링, 프로그래밍 코드 생성, 컴퓨터 게임 및 경제 모델링 등 다양한 분야에서 성공적으로 사용되었습니다. 예를 들어 Poli et al. 2 재무에서 GP 사용에 대한 개요는 Chen이 제공합니다. 3 Colin 4는 거래 전략에 대한 규칙의 조합을 최적화하기 위해 GP를 사용하는 방법을 처음으로 설명했습니다.
코자. 유전 프로그래밍. MIT Press, Cambridge, MA. 1992.
R. Poli, W. B. Langdon 및 N. F. McPhee. 유전자 프로그래밍 분야 가이드. lulu를 통해 배포되고 gp-field-guide. org. uk, 2008에서 무료로 사용할 수 있습니다 (J. R. Koza의 기고).
Shu-Heng Chen (편집자). 전산 금융에서 유전 알고리즘과 유전 프로그래밍. Kluwer Academic Publishers, Norwell, MA. 2002.
A. 콜린. 금융 모델링을위한 유전 알고리즘, Edge on Trading. 1994, pages 165-168. John Wiley & amp; Sons, Inc. 뉴욕.
Risto Karjalainen. S & P 500 선물에 대한 진화하는 기술적 거래 규칙, Advanced Trading Rules, 2002, Pages 345-366. Elsevier Science, Oxford, 영국.
진 이브 스 Potvin, Patrick Soriano, Maxime Vallee. 유전 프로그래밍으로 주식 시장에서 거래 규칙 생성. 컴퓨터 & amp; Operations Research, Volume 31, Issue 7, 2004 년 6 월, 페이지 1033-1047.
Massimiliano Kaucic. 진화 학습 방법과 기술 규칙을 이용한 투자. European Journal of Operational Research, 207 권, 3 호, 2010 년 12 월 16 일, 1717-1727 페이지.
유전자 프로그래밍을 이용한 빌드 알고리즘.
이전에 제시된 빌드 알고리즘 (그림 1 참조)을 확장하면 유전 알고리즘에 기반한보다 자세한 알고리즘이 그림 4에 나와 있습니다. 회색 음영 상자는 관심있는 시장에 대한 가격 데이터, 이른바 빌드 세트의 지표 및 주문 유형, 그리고 해당 시장의 가격 옵션 데이터에 의해 선택된 옵션 및 성능 기준 (빌드 목표)을 포함하는 입력 데이터를 나타냅니다. 사용자.
그림 4. 유전자 프로그래밍으로 자동 코드 생성을위한 빌드 알고리즘.
GP 프로세스는 진입 조건 및 진입 및 퇴장 명령과 같은 두 가지 필수 전략 요소를 동시에 진화시키는 데 사용할 수 있습니다. 엔트리 조건은 일반적으로 아래 그림 5와 같이 트리 구조로 표시됩니다.
유전 프로그래밍을 사용하여 진화하는 진입 및 퇴출 명령의 핵심은 일반화 된 방식으로 다양한 유형의 주문을 나타내는 것입니다. 예를 들어, stop 및 limit entry 가격은 다음과 같이 나타낼 수 있습니다.
유전 프로그래밍은 상당한 다양성을 가진 거래 전략을 생성 할 수 있지만, 따라야 할 전략에 대한 일반화 된 구조로 시작하는 것이 필요합니다. 아래에서 의사 코드로 표시된 전략 구조는 위에서 언급 한 것과 같은 진입 조건 및 주문 유형을 기반으로 전략을 수립하기위한 프레임 워크를 제공합니다.
입력 : N1, N2, N3, ...
position이 일정하고 LongEntryCondition이 true 인 경우
긴 입력 주문 ...
필요한 경우 긴 종료 주문 초기화 ...
position가 편평하고 ShortEntryCondition이 true 인 경우
짧은 주문 주문 ...
필요한 경우 짧은 이탈 명령 초기화 ...
위치가 길다면
긴 종료 주문 1 ...
긴 종료 주문 2 ...
자세가 짧은 경우.
짧은 출구 주문 1 ...
짧은 이탈 명령 2 ...
[선택 종료일 종료]
전략은 입력 목록으로 시작합니다. 표시기 매개 변수, 가격 패턴 룩백 길이 및 ATR의 룩 백 길이와 같은 입력 및 종료 명령에 필요한 매개 변수에 대한 입력이 제공됩니다.
전략적 건물에서 자동 코드 생성을 위해 유전 프로그래밍을 사용하는 방법을 설명하기 위해, 프로그램 Adaptrade Builder는 소규모 인구와 한정된 수의 세대를 대상으로 주식 인덱스 선물 시장의 일일 막대에서 운영되었습니다. 프로세스를 안내하기 위해 선택한 성과 메트릭스는 순익, 거래 수, 상관 계수, 통계적 유의성 및 수익률 / 수익률입니다. 거래 수 및 수익률 / 수익률에 대한 구체적인 목표가 설정되었습니다. 다른 선택된 측정 항목이 최대화되었습니다. 적합성 기능은 각 측정 항목에 대한 용어의 가중치 평균이었습니다.
그림 6. 표본 순이익이 1,000 달러 이상인 인구 집단의 비율.
유사하게, 인구의 OOS 순이익의 평균은 5 세대와 10 세대 후에 그림 7과 같이 증가했다. 이 결과는 OOS 순이익에 대한 것이다. 정의에 따르면, 샘플 밖의 데이터는 빌드에서 사용되지 않으므로 OOS 결과는 편향되지 않습니다. 그들은 뒤늦은 지혜에서 이익을 얻지 못한다. 이것은 GP 프로세스가 GP 알고리즘의 직접적인 효과 인 연속 세대에 걸친 샘플 내 결과를 향상시키는 경향이있을뿐만 아니라 OOS 결과도 전략이 발전함에 따라 향상되는 경향이 있음을 의미합니다. 이것은 고품질 빌드를 나타냅니다.
TradeStation의 EasyLanguage 전략 코드.
인구 회원 : 46.
만든 사람 : Adaptrade Builder 버전 1.1.0.0.
작성일 : 10/19/2010 2:19:52 PM.
TS 6 이상의 TradeStation 코드.
가격 파일 : C : \ TestData. txt.
변수 : EntCondL (거짓),
EntCondL = (가장 높은 (볼륨, NL1) & gt; 최저 (볼륨, NL2)) 또는 (볼륨 & lt; 평균 (볼륨, NL3));
MarketPosition = 0이고 EntCondL이 시작되면.
XAverage (L, NBarEnL1) + EntFrL * ATREnL 정류장에서 다음 바 구매.
MarketPosition = 0이고 EntCondS가 시작되면.
Highest (H, NBarEnS1) - EntFrS * AbsValue (최저 (L, NBarEnS2) - 최저 (H, NBarEnS3))에서 다음 바로 가기 바 중지;
SStop = 전력 (10, 10);
MarketPosition & gt; 0으로 시작합니다.
BarsSinceEntry & gt; = NBarExL이면.
시장에서 다음 바 판매;
EntryPrice + TargFrL * ATRTargL 한도에서 다음 바 판매.
MarketPosition & lt; 0으로 시작합니다.
EntryPrice-C & gt; 그런 다음 ATRFrTrailS * ATRTrailS.
그러면 STrailOn이 시작됩니다.
NewSStop = EntryPrice - TrailPctS * (EntryPrice-C) / 100 .;
SStop = MinList (SStop, NewSStop);
BarsSinceEntry & gt; = NBarExS이면
시장에서 다음 바를 충당하기 위해 구입하십시오.
그렇다면 STrailOn.
SStop 정류장에서 다음 바를 덮기 위해 구입하십시오.
자동 코드 생성을 통한 거래 시스템 구축은 일종의 최적화입니다. 대부분의 체계적인 거래자는 전략에 대한 입력을 최적화하는 매개 변수 최적화에 익숙합니다. 매개 변수 최적화와 달리 자동 코드 생성은 전략의 거래 논리를 최적화합니다. 그럼에도 불구하고 매개 변수 최적화와 마찬가지로 자동 최적화 코드에 대한 과도한 최적화 또는 "과다 맞춤"의 위험이 자동 코드 생성에 중요합니다.
유전 프로그래밍을 이용한 거래 전략 수립 소프트웨어에 대한 정보는 여기를 클릭하십시오.
Adaptrade Software의 새로운 개발, 뉴스 및 특별 제안에 대한 정보를 얻으려면 당사 목록에 가입하십시오. 고맙습니다.
저작권 © 2004-2015 Adaptrade Software. 판권 소유.
Comments
Post a Comment