Evolução de estratégias de trading com programação genética vetorial

Resumo

O documento explora a programação genética vetorial (VGP) como forma de desenvolver estratégias financeiras de negociação. Apresenta duas variantes: uma aceita operações com números complexos, enquanto a outra usa tipagem forte. O desempenho delas é comparado ao de outra variante de VGP e ao da programação genética padrão em três instrumentos financeiros, usando conjuntos de dados que abrangem mais de sete anos.

Os autores relatam que foi possível evoluir estratégias lucrativas e que a programação genética padrão ficou entre as abordagens mais fracas em todas as comparações, enquanto a VGP com tipagem forte ficou entre as mais fortes. Esses resultados sugerem que a representação e as restrições de tipos podem afetar a qualidade das estratégias evoluídas. A descrição não identifica os instrumentos, não explica a configuração da avaliação nem informa custos, metodologia fora da amostra ou medidas de risco; portanto, oferece bases limitadas para avaliar a robustez ou a viabilidade das estratégias no trading ao vivo.

Ideias principais

• A programação genética vetorial é aplicada à evolução de estratégias de trading.
• Uma variante proposta aceita operações com números complexos, e outra impõe tipagem forte.
• Os métodos são comparados à programação genética padrão em três instrumentos.
• Os conjuntos de dados abrangem mais de sete anos, e relata-se que é possível obter estratégias lucrativas.
• A GP padrão tem desempenho relativamente fraco nas comparações relatadas, enquanto a VGP com tipagem forte tem desempenho relativamente bom.

Tags

# 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.

Exibido na íntegra, com atribuição conforme a licença da fonte. Licença: abstract CC0

Este resumo foi escrito pelo agente de pesquisa da Stratmill com base no original; não é uma cópia da fonte.