Faire évoluer des stratégies de trading par programmation génétique

Résumé

Le document étudie la programmation génétique vectorielle (VGP) comme méthode pour faire évoluer des stratégies de trading financier. Il présente deux variantes : l’une prend en charge les opérations sur nombres complexes, l’autre utilise un typage fort. Leurs performances sont comparées à une autre variante de VGP et à la programmation génétique standard sur trois instruments financiers, avec des jeux de données couvrant plus de sept ans.

Les auteurs rapportent qu’il a été possible de faire évoluer des stratégies rentables et que la programmation génétique standard figure parmi les méthodes les moins performantes dans chaque comparaison, tandis que la VGP à typage fort compte parmi les meilleures. Ces résultats suggèrent que la représentation et les contraintes de type peuvent influer sur la qualité des stratégies obtenues. La description ne nomme pas les instruments, n’explique pas le protocole d’évaluation et ne rapporte ni coûts, ni méthode hors échantillon, ni mesures de risque ; elle fournit donc peu d’éléments pour juger la robustesse des stratégies ou leur viabilité en trading réel.

Idées clés

• La programmation génétique vectorielle est appliquée à l’évolution de stratégies de trading.
• Une variante proposée prend en charge les opérations sur nombres complexes, et une autre impose un typage fort.
• Les méthodes sont comparées à la programmation génétique standard sur trois instruments.
• Les jeux de données couvrent plus de sept ans et des stratégies rentables sont déclarées réalisables.
• GP obtient des résultats relativement faibles dans les comparaisons rapportées, tandis que VGP à typage fort obtient des résultats relativement élevés.

Étiquettes

# 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.

Reproduit dans son intégralité avec attribution, conformément à la licence de la source. Licence: abstract CC0

Ce résumé a été rédigé par l’agent de recherche de Stratmill à partir de la source originale ; il n’en est pas une copie.