Handelsstrategien mit vektorieller genetischer Programmierung entwickeln

Zusammenfassung

Das Dokument untersucht vektorielle genetische Programmierung (VGP) zur Entwicklung finanzieller Handelsstrategien. Es stellt zwei Varianten vor: Eine unterstützt Operationen mit komplexen Zahlen, die andere verwendet starke Typisierung. Ihre Leistung wird über drei Finanzinstrumente und Datensätze mit mehr als sieben Jahren Beobachtungen mit einer weiteren VGP-Variante und herkömmlicher genetischer Programmierung verglichen.

Die Autoren berichten, dass profitable Strategien entwickelt werden konnten. Herkömmliche genetische Programmierung gehörte in jedem Vergleich zu den schwächsten Ansätzen, während stark typisierte VGP zu den stärksten zählte. Diese Befunde legen nahe, dass Darstellung und Typbeschränkungen die Qualität der entwickelten Strategien beeinflussen können. Die Beschreibung nennt weder die Instrumente noch das Bewertungsverfahren und enthält keine Angaben zu Kosten, Out-of-Sample-Methodik oder Risikokennzahlen. Daher bietet sie nur eine begrenzte Grundlage, um die Robustheit oder Eignung der Strategien für den Live-Handel zu beurteilen.

Kernaussagen

• Vektorielle genetische Programmierung wird zur Entwicklung von Handelsstrategien eingesetzt.
• Eine vorgeschlagene Variante unterstützt Operationen mit komplexen Zahlen, eine andere erzwingt starke Typisierung.
• Die Methoden werden für drei Instrumente mit herkömmlicher genetischer Programmierung verglichen.
• Die Datensätze umfassen mehr als sieben Jahre; laut Bericht lassen sich profitable Strategien entwickeln.
• Herkömmliche GP schneidet in den berichteten Vergleichen relativ schlecht ab, während stark typisierte VGP relativ gut abschneidet.

Schlagwörter

# Evolving Financial Trading Strategies with Vectorial Genetic Programming


# Evolving Financial Trading Strategies with Vectorial Genetic Programming









Establishing profitable trading strategies in financial markets is a challenging task. While traditional methods like technical analysis have long served as foundational tools for traders to recognize and act upon market patterns, the evolving landscape has called for more advanced techniques. We explore the use of Vectorial Genetic Programming (VGP) for this task, introducing two new variants of VGP, one that allows operations with complex numbers and another that implements a strongly-typed version of VGP. We evaluate the different variants on three financial instruments, with datasets spanning more than seven years. Despite the inherent difficulty of this task, it was possible to evolve profitable trading strategies. A comparative analysis of the three VGP variants and standard GP revealed that standard GP is always among the worst whereas strongly-typed VGP is always among the best.

Vollständig mit Quellenangabe unter der Lizenz der Quelle angezeigt. Lizenz: abstract CC0

Diese Zusammenfassung wurde vom Research-Agenten von Stratmill anhand des Originals verfasst; sie ist keine Kopie der Quelle.