Burton suggérait dans son livre, "A Random Walk Down Wall Street" (1973), "qu'un singe aux yeux bandés lance des fléchettes sur les pages financières d'un journal pourrait choisir un portefeuille qui ferait aussi bien comme un soigneusement sélectionné par des experts. " Si l'évolution n'a peut-être pas rendu l'homme plus intelligent dans la sélection des actions, la théorie de Charles Darwin est assez efficace lorsqu'elle est appliquée plus directement. (Pour vous aider à choisir les actions, consultez Comment choisir un titre .)

TUTORIEL: Stratégies de cueillette des stocks

Que sont les algorithmes génétiques?
Les algorithmes génétiques (AG) sont des méthodes de résolution de problèmes (ou heuristiques) qui imitent le processus d'évolution naturelle. Contrairement aux réseaux neuronaux artificiels (RNA), conçus pour fonctionner comme des neurones dans le cerveau, ces algorithmes utilisent les concepts de la sélection naturelle pour déterminer la meilleure solution à un problème. En conséquence, les GA sont couramment utilisés comme optimiseurs qui ajustent les paramètres afin de minimiser ou de maximiser certaines mesures de rétroaction, qui peuvent ensuite être utilisées indépendamment ou dans la construction d'un ANN.

Sur les marchés financiers, les algorithmes génétiques sont le plus souvent utilisés pour trouver les meilleures valeurs de combinaison de paramètres dans une règle de négociation, et ils peuvent être intégrés dans des modèles ANN conçus pour sélectionner des actions et identifier des transactions. Plusieurs études ont démontré que ces méthodes peuvent s'avérer efficaces, y compris "Genetic Algorithms: Genesis of Stock Evaluation" (2004) par Rama, et "Les applications des algorithmes génétiques dans l'optimisation des données boursières" (2004) par Lin, Cao, Wang , Zhang. (Pour en savoir plus sur ANN, voir Neural Networks: Forecasting Profits .)

Comment fonctionnent les algorithmes génétiques
Les algorithmes génétiques sont créés mathématiquement en utilisant des vecteurs, qui sont des quantités qui ont une direction et une amplitude. Les paramètres de chaque règle commerciale sont représentés par un vecteur unidimensionnel qui peut être considéré comme un chromosome en termes génétiques. Pendant ce temps, les valeurs utilisées dans chaque paramètre peuvent être considérées comme des gènes, qui sont ensuite modifiés en utilisant la sélection naturelle.

Par exemple, une règle de négociation peut impliquer l'utilisation de paramètres tels que la moyenne mobile de convergence-divergence (MACD), la moyenne mobile exponentielle (EMA) et la stochastique. Un algorithme génétique entrerait alors des valeurs dans ces paramètres dans le but de maximiser le bénéfice net. Au fil du temps, de petits changements sont introduits et ceux qui ont un impact souhaitable sont conservés pour la prochaine génération.

Trois types d'opérations génétiques peuvent alors être effectuées:

• Les croisements représentent la reproduction et le croisement biologique observés en biologie, où un enfant prend certaines caractéristiques de ses parents.
• Les mutations représentent des mutations biologiques et sont utilisées pour maintenir la diversité génétique d'une génération à l'autre en introduisant de petits changements aléatoires.
• Les sélections sont le stade auquel les génomes individuels sont choisis parmi une population pour une reproduction ultérieure (recombinaison ou croisement).

Ces trois opérateurs sont ensuite utilisés dans un processus en cinq étapes:

1. Initialiser une population aléatoire, où chaque chromosome est n -length, avec n étant le nombre de paramètres. C'est-à-dire qu'un nombre aléatoire de paramètres est établi avec des éléments n chacun.
2. Sélectionnez les chromosomes, ou paramètres, qui augmentent les résultats souhaitables (vraisemblablement le bénéfice net).
3. Appliquez des opérateurs de mutation ou de croisement aux parents sélectionnés et générez une progéniture.
4. Recombinez la progéniture et la population actuelle pour former une nouvelle population avec l'opérateur de sélection.
5. Répétez les étapes deux à quatre.

Au fil du temps, ce processus se traduira par des chromosomes (ou paramètres) de plus en plus favorables à l'utilisation dans une règle de négociation. Le processus est alors terminé lorsqu'un critère d'arrêt est rempli, ce qui peut inclure le temps de fonctionnement, la forme physique, le nombre de générations ou d'autres critères. (Pour plus d'informations sur MACD, lisez Trading The MACD Divergence .)

Utilisation d'algorithmes génétiques dans le trading
Alors que les algorithmes génétiques sont principalement utilisés par les traders quantitatifs institutionnels, les traders individuels peuvent exploiter la puissance des algorithmes génétiques - sans diplôme en mathématiques avancées - en utilisant plusieurs progiciels sur le marché. Ces solutions vont des logiciels autonomes orientés vers les marchés financiers aux extensions Microsoft Excel qui peuvent faciliter une analyse plus pratique.

En utilisant ces applications, les traders peuvent définir un ensemble de paramètres qui sont ensuite optimisés en utilisant un algorithme génétique et un ensemble de données historiques. Certaines applications peuvent optimiser quels paramètres sont utilisés et leurs valeurs, tandis que d'autres visent principalement à optimiser simplement les valeurs d'un ensemble de paramètres donné. (Pour en savoir plus sur ces stratégies dérivées de programmes, voir La puissance des métiers du programme .)

Trucs et astuces d'optimisation importants
Ajustement de courbe (ajustement), conception d'un système de trading autour de données historiques plutôt que d'identifier un comportement reproductible, représente un risque potentiel pour les commerçants utilisant des algorithmes génétiques. Tout système de négociation utilisant des GA devrait être testé sur papier avant son utilisation en direct.

Le choix des paramètres est une partie importante du processus, et les traders devraient rechercher des paramètres corrélés aux variations du prix d'un titre donné. Par exemple, essayez différents indicateurs et voyez s'il y en a qui semblent corrélés avec les principaux virages du marché.

The Bottom Line
Les algorithmes génétiques sont des moyens uniques de résoudre des problèmes complexes en exploitant la puissance de la nature. En appliquant ces méthodes à la prédiction des prix des titres, les traders peuvent optimiser les règles de négociation en identifiant les meilleures valeurs à utiliser pour chaque paramètre pour un titre donné. Cependant, ces algorithmes ne sont pas le Saint-Graal, et les commerçants doivent faire attention à choisir les bons paramètres et non pas l'ajustement de la courbe. (Pour en savoir plus sur le marché, consultez Écoutez le marché, pas ses experts .