Evolución de estrategias de trading con programación genética vectorial

Resumen

El documento explora la programación genética vectorial (VGP) como método para evolucionar estrategias de trading financiero. Presenta dos variantes: una admite operaciones con números complejos y la otra utiliza tipado fuerte. Compara su rendimiento con otra variante de VGP y con la programación genética estándar en tres instrumentos financieros, usando conjuntos de datos que abarcan más de siete años.

Los autores informan de que fue posible evolucionar estrategias rentables y de que la programación genética estándar se situó entre los métodos más débiles en todas las comparaciones, mientras que la variante de VGP con tipado fuerte quedó entre las más sólidas. Estos resultados sugieren que la representación y las restricciones de tipos pueden afectar a la calidad de las estrategias evolucionadas. La descripción no identifica los instrumentos, no explica la configuración de la evaluación ni informa sobre costes, metodología fuera de muestra o medidas de riesgo, por lo que ofrece bases limitadas para juzgar la robustez de las estrategias o su viabilidad en trading real.

Ideas clave

• Se aplica programación genética vectorial a la evolución de estrategias de trading.
• Una variante admite operaciones con números complejos y otra impone tipado fuerte.
• Los métodos se comparan con la programación genética estándar en tres instrumentos.
• Los conjuntos de datos abarcan más de siete años y se informa de que es posible obtener estrategias rentables.
• La GP estándar obtiene resultados relativamente débiles en las comparaciones descritas, mientras que la VGP con tipado fuerte obtiene resultados relativamente sólidos.

Etiquetas

# 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.

Se muestra íntegramente con atribución según la licencia de la fuente. Licencia: abstract CC0

Este resumen lo redactó el agente de investigación de Stratmill a partir del original; no es una copia de la fuente.