Dit is nie tipies die manier waarop genetiese algoritmes voorgestel, en ek persoonlik dont voel dat 'n genetiese algoritme is die regte benadering vir hierdie, maar tog is dit seker moontlik. Veronderstel jy wil net om met hierdie spesifieke stel veranderlikes, jy het 'n klein stel van potensiële waardes: dit beteken dat jy kan maklik hierdie verteenwoordig as 'n plat lys: crossover is dan net meng twee chromosome op 'n sekere spesifieke split punt: mutasie dan is ook relatief triviale, net die verandering van 'n aantal na willekeur, skakel die Boole-operateur, ens Siek laat dat 'n mens as 'n oefening om die leser al. beantwoord 7 April 14 aan 17:09 Dit veronderstel 'n lineêre vloei van instruksies eerder as 'n boom. â € Hugh Bothwell 7 April 14 by 17:11 HughBothwell Dit maak nie. Dit is eenvoudig besig om 'n gedefinieer boom struktuur om 'n lys met 'n definitiewe einde van aansoek om daardie boom vir crossover. Die chromosoom uitleg hier is onafhanklik van die boom self, en OP het nie impliseer hulle wou eintlik die struktuur van die boom te wysig. As hulle dit doen, sal ek hierdie antwoord verander. uitvoering maak Slater Tyranus 7 April 14 by 17: 14Using Genetiese Programmering om te ontwikkel handel strategieë n vriend en ek het onlangs saamgewerk op 'n navorsingswerkstuk waar ons suksesvol Genetiese Programmering (GP) wat gebruik word om oplossings vir 'n werklike wêreld finansiële klassifikasie probleem ontwikkel. Hierdie probleem, genoem sekuriteit ontleding, behels die bepaling van watter effekte behoort te word gekoop om 'n goeie opbrengs op belegging in die toekoms te verwesenlik. Om 'n oplossing vir hierdie probleem wat ons gebruik Genetiese Programmering 'n bevolking van besluit bome wat sekuriteit ontleding kan uitvoer op sestig van die wat op die SampP 500. Dit is tegnologie-aandele ontwikkel vind, ontwikkel ons besluit bome in staat te klassifiseer dié aandele volgens of hulle moet gekoop word of kort verkoop. Security Analysis Besluit bome te verwyder tydens die studie ontwikkel ons twee tipes sekuriteit ontleding besluit bome. Die eerste gebruik net aanwysers van fundamentele ontleding en die tweede slegs gebruik aanwysers van tegniese ontleding. Fundamentele ontleding is 'n metode van evaluering van 'n sekuriteit om sy intrinsieke waarde meet deur die verwante ekonomiese, finansiële en ander kwalitatiewe en kwantitatiewe faktore. Tegniese ontleding is 'n metode van evaluering sekuriteite deur die ontleding van statistieke wat deur die mark aktiwiteit. 'N Strategie vir die veiligheid analise, ongeag of dit gebruik tegniese of fundamentele aanwysers, sal bestaan uit 'n aantal reëls vir die maak van beleggingsbesluite. Dit strategie voorgestel kan word as 'n besluit boom waar die terminale knope verteenwoordig beleggingsbesluite en die funksionele nodusse verteenwoordig reëls gebaseer óf op tegniese of fundamentele aanwysers. As gevolg van hierdie feit, is baie bestaande belegging strategieë wat in die vorm van besluit bome. In totaal veertig is twee verskillende aanwysers gekies en gebruik van beide tegniese ontleding en fundamentele analise. Die ontwikkel strategieë was vir 'n vaste vashou tydperk óf drie maande, ses maande, nege maande of twaalf maande lank. Die besluit bome is toe terug getoets met behulp van data mark vanaf 2011 tot 2013. Genetiese Programmering Genetiese Programmering is 'n spesialisasie van 'n genetiese algoritme. Genetiese algoritmes bevolking gebaseer, wat beteken dat hulle funksioneer binne 'n bevolking bestaande uit baie verskillende individue. Elke individu is verteenwoordig deur 'n unieke genotipe (gewoonlik geïnkripteer as 'n vektor). Genetiese algoritmes model die proses van genetiese evolusie deur 'n aantal operateurs insluitend die keuse operateur wat modelle oorlewing van die sterkste, die crossover operateur wat modelle geslagtelike voortplanting en die mutasie operateur wat modelle die genetiese mutasies wat lukraak voorkom aan individue in 'n bevolking. Hierdie operateurs, wanneer dit gekombineer, produseer wat rekenaar wetenskaplikes verwys na as 'n genetiese algoritme. Die drie operateurs van 'n genetiese algoritme wat toegepas word op 'n bevolking van vektore (blokke) die verskil tussen 'n genetiese algoritme en die genetiese programmering Algoritme is die wyse waarop individuele genotipes verteenwoordig. In Genetiese algoritmes genotipes verteenwoordig hetsy as Strings of as vektore terwyl dit in Genetiese Programmering hierdie genotipes verteenwoordig behulp boom datastrukture. Die crossover werking op boom strukture kan gebeur in 'n paar maniere, óf 'n sub-boom omgeruil, 'n blaarnodus is verwyder of verander, of die waardes van 'n paar node aangepas. 'N illustrasie hiervan word hieronder getoon, Hierdie diagram toon die crossover strategie van 'n besluit boom wat gebruik word deur genetiese programmering vir sekuriteit ontleding Na hierdie studie het ons tot die gevolgtrekking gekom dat genetiese programmering het groot potensiaal om nuwe strategieë vir die veiligheid analise en beleggingsbestuur ontwikkel met dien verstande dat 'n beter funksies vir die berekening van fiksheid kan afgelei word. Dwarsdeur ons navorsingstudie wat ons gesien het daardie besluit bome ontwikkel met behulp van genetiese programmering in staat was om voorraad klassifikasies dat die gemiddelde mark terugkeer konsekwent te klop oor al vier kwartale te produseer. Dit is waar vir besluit bome wat tegniese aanwysers asook besluit bome wat fundamentele aanwysers gebruik word. 'N Aantal ander gevolgtrekkings afgelei van ons navorsing, insluitende die optimale grootte en vlak van heterogeniteit vir die besluit bome en die waarde wat deur die verskillende aanwysers waarde en die prestasie van die strategieë met betrekking tot mekaar. Sommige resultate is soos volg. Gevolgtrekking Twee onafhanklike navorsing verslae geproduseer deur myself en my vriend. Beide verslae gaan in baie meer detail oor ons navorsingstudie, die benadering geneem, ons ontwerp en implementering, die toets strategieë wat ons gebruik, ons gevolgtrekkings en aanbevelings vir verdere navorsing. Jy kan ook 'n afskrif van die bron-kode wat geskep is tydens die implementering af te laai. Vir my kollegas meer tegniese rekening van die projek kliek asseblief hier. Tags Kommentaar kopieer van LinkedIn Computational Finansies Groep Baie mooi werk. Die opskryf is pragtig sowel. Ek het net 'n kans om blik op die verslag. Sommige statistiek dat 'n goeie kyk na sou wees: Hoe werk jou GA portefeulje vergelyk om portefeuljes van dieselfde bates. Id kyk na twee vergelyking portefeuljes: 'n gelyke geweegde portefeulje en 'n SampP style portefeulje wat geweeg volgens markkapitalisasie. Soos dit blyk, kan dit verbasend moeilik wees om 'n ewe geweegde portefeulje te klop. Herbalanseer die portefeuljes kwartaalliks, aangesien sommige aandele sal optrek en sommige sal afgaan (bv jy die portefeulje gewigte gelyk te hou, as pryse verander). As jou genetiese algoritme klop hierdie portefeuljes dan moet jy alfa (oorskot opbrengs oor die maatstaf). Natuurlik Alpha is nie alles nie. Jy moet kyk na die verwagte stert Verlies (ETL) (ook bekend as CVaR, wat na verwagting Tekort) vir beide die GA portefeulje en die maatstaf. As jy 'n laer risiko vir dieselfde opbrengs dan kan jy dink dat jy die maatstaf te klop. Die ETL mate 'n beter maatstaf as die Sharpe-verhouding wanneer dit kom by die risiko, aangesien die Sharpe verhouding meet variansie, wat is twee ledig. ETL meet net verlies. 'N waarneming: 'n probleem met GA en neurale nette (NN) is dat hulle black boxes. Dit is moeilik om vas te stel waarom hulle die keuses wat hulle doen. So dink jy 'n portefeuljebestuurder. Jou GA of NN begin swak presteer. Watter stappe kan jy neem om hierdie Die probleem is dat al wat jy kan regtig is lei aan te spreek en jy nie weet as heropleiding beter sal doen. Natuurlik met 'n besluit boom sy nie heeltemal so erg nie, want ten minste weet jy watter besluite dit gemaak. Die probleem is, as jy voortdurend tweeking dit om die regte besluite te maak dan youve got 'n probleem ook. Hierdie kwessies is redes dat jy dit nie sien dat hierdie algoritmes gebruik dat 'n groot (hoewel dit gebruik word). Reaksie kopieer van LinkedIn Computational Finansies Groep Dankie vir die komplimentêre woorde Ian, ons waardeer u belangstelling in ons navorsing neem en die verskaffing van ons met 'n paar insiggewende kommentaar. In ons benadering teenoor ons net die prestasie van die voorraad keuses gemaak deur ons besluit bome teen 'n ewe geweegde portefeulje. Die uitbreiding van ons navorsing om verskillende portefeuljes inkorporeer is 'n interessante idee dat ons op gaan volg op die volgende fase van ontwikkeling. Ons oorweeg ook die implementering van 'n paar van die bekende benaderings vir sekuriteit ontleding gebruik word as bykomende prestasie maatstawwe. As jy of enige iemand anders het voorstelle oor watter benaderings kan goeie maatstawwe te maak, laat my asseblief weet. Jou kommentaar oor die gebruik van ander prestasiemaatstawwe is in die kol. Ons sal beslis graag weer kyk na die back-toets raamwerk en ondersoek maniere om dit meer streng en minder geneig is om oor-pas. Ons wil ook graag addisionele fiksheid funksies wat in ag neem maatreëls van portefeulje risiko asook maatreëls van 'n oormaat terugkeer (alfa) te implementeer. Ek sal kyk na die maatreëls wat jy genoem het en sien hoe goed ons dit kan inkorporeer in ons bestaande raamwerk. Ons sal ook oorweeg hoe dit moontlik kan wees om 'n oop bron back-toets raamwerk gebruik soos Zipline, die back-toets raamwerk wat quantopian. Jou waarnemings in verband met die aard en die gebruik van gas en neurale netwerke in finansies is baie interessant. Die uitdaging van hierdie algoritmes meer deursigtig te maak en, eerlik gesê, 'n bietjie minder vreesaanjaend, is 'n mens nie ligtelik geneem word nie. My kollega is tans besig met 'n navorsingswerkstuk waar hy probeer om die sluier te lig oor 'n paar van die innerlike werking van neurale netwerke. As hy suksesvol is, dan in plaas van hoef te voortdurend lei Neurale Netwerke wanneer iets verkeerd gaan is, kan hy in staat wees om die oorsaak van die probleem te isoleer in die neurale netwerk en sy argitektuur daarvolgens aanpas. Hy oorweeg die gebruik van 'n werklike wêreld finansiële toepassing van neurale netwerke in sy navorsing. So indien u enige idees oor wat, laat my asseblief weet Persoonlik praat, ek is tans besig om op 'n navorsingswerkstuk waar ek probeer om 'n algoritmiese raamwerk vir drahandel portefeulje seleksie en optimalisering bou. Dit maak gebruik van 'n paar Computational Intelligence algoritmes en die pad vorentoe sal ek in gedagte hou die kwessies wat jy genoem het. Ek sal probeer en identifiseer maniere van versagtende of die uitskakeling van diegene kommer in die raamwerk. Nogmaals dankie vir al jou kommentaar, ons waardeer die terugvoer. As jy nie meer goeie idees, kontak ons asseblief. Kommentaar kopieer van LinkedIn Computational Finansies Groep Ek dink die mees redelike benadering vir back testing is om jou resultate te vergelyk met wat gebeur met 'n arbitrêre handel wat nog gehoorsaam ongeag beperkinge jy instelling op die portefeulje. Dit word bespreek op: www. portfolioprobe / 2010/11/05 / back testing-amper-woordelose / skep 'n Trading System binne Trading System Lab Trading System Lab sal outomaties genereer Trading Systems op enige mark in 'n paar minute met behulp van 'n baie gevorderde rekenaarprogram bekend as 'n AIMGP (outomatiese Induksie van masjienkode met genetiese programmering). Skepping van 'n Trading System binne Trading System Lab word bereik in 3 maklike stappe. In die eerste plek is 'n eenvoudige voorverwerker loop wat outomaties uittreksels en preprocesses die nodige inligting uit die mark wat jy wil om te werk met. TSL aanvaar CSI, Meta, AIQ, TradeStation, Free Internet data, ASCII, TXT, CSV, CompuTrac, DowJones, Futuresource, TeleChart2000v3, TechTools, XML, Binary en Internet Streaming data. Tweedens, die Trading System Generator (GP) is hardloop vir 'n paar minute, of meer, om 'n nuwe Trading System ontwikkel. Jy kan jou eie data, patrone, aanwysers, Intermarket verhoudings of fundamentele data gebruik binne TSL. Derde, is die ontstaan Trading System geformateer om nuwe Trading System seine produseer vanuit TradeStation of vele ander handel platforms. TSL sal outomaties skryf Maklik taal, Java, Assembler, C-kode, C-kode en WealthLab script taal. Die Trading System kan dan met die hand verhandel, verhandel deur 'n makelaar, of outomaties verhandel. Jy kan die Trading System jouself te skep of kan ons dit vir jou doen. Dan kan jy of jou makelaar die stelsel óf met die hand of outomaties handel. Trading System Labs Genetiese Program bevat verskeie kenmerke wat die moontlikheid van krommepassing verminder, of die vervaardiging van 'n Trading System wat nie voortgaan om uit te voer in die toekoms. In die eerste plek het die ontstaan Trading Systems hul grootte gesnoei af na die laagste moontlike grootte deur wat Parsimony Druk genoem, teken van die konsep van 'n minimale beskrywing lengte. So het die gevolglike Trading System is so eenvoudig as moontlik en dit is algemeen geglo dat die eenvoudiger die handel stelsel is, hoe beter sal dit uit te voer in die toekoms. In die tweede plek is willekeur opgeneem in die evolusionêre proses, wat die moontlikheid van die vind van oplossings wat plaaslik is verminder, maar nie globaal optimum. Ewekansigheid is ingestel oor nie net die kombinasies van die genetiese materiaal wat gebruik word in die ontstaan Trading Systems, maar in Parsimony druk, mutasie, Crossover en ander hoër-vlak GP parameters. Uit Voorbeeld toets uitgevoer word, terwyl opleiding is aan die gang met statistiese inligting wat op beide die In Voorbeeld en uit Voorbeeld Trading System toets. Begin logs word aan die gebruiker vir opleiding, Validering en Uit Voorbeeld data. Goed gedra Uit Voorbeeld prestasie kan 'n aanduiding dat die handel stelsel is ontwikkel met robuuste eienskappe wees. Aansienlike verswakking in die outomatiese Uit Voorbeeld toets in vergelyking met die in die monster toets kan daardie skepping van 'n robuuste Trading System impliseer is in twyfel of dit die terminale, of insette Stel mag nodig wees om te verander. Ten slotte, is die Terminal Stel versigtig gekies word om nie té afvallig die keuse van die aanvanklike genetiese materiaal na 'n bepaalde mark vooroordeel of sentiment. TSL begin nie sy lopie met 'n Trading System gedefinieerde. Trouens, net die Input Stel en 'n seleksie van die mark inskrywing af of modes, vir 'n outomatiese inskrywing soek en opdrag, is aanvanklik gemaak. 'N patroon of aanwyser gedrag wat van 'n lomp situasie kan gedink kan word, weggegooi of omgekeerde binne die GP. Geen patroon of aanwyser is pre-opgedra aan 'n bepaalde mark beweging vooroordeel. Dit is 'n radikale afwyking van die hand gegenereer Trading System ontwikkeling. 'N Trading System is 'n logiese stel instruksies wat die handelaar vertel wanneer om te koop of te verkoop 'n spesifieke mark. Hierdie instruksies benodig selde ingryping deur 'n handelaar. Trading Systems kan met die hand verhandel, deur die waarneming van handel instruksies op 'n rekenaarskerm, of kan verhandel deur toe te laat dat die rekenaar ambagte in die mark outomaties binnegaan. Beide metodes is in wydverspreide gebruik vandag. Daar is meer professionele geld bestuurders wat hulself as Sistematiese of Meganiese handelaars as diegene wat hulself as Diskresionêre, en die prestasie van Sistematiese geld bestuurders is oor die algemeen beter as dié van Diskresionêre geld bestuurders. Studies het getoon dat handel rekeninge algemeen geld verloor meer dikwels as die kliënt nie die gebruik van 'n Trading System. Die beduidende toename in handel stelsels oor die afgelope 10 jaar is duidelik veral in die kommoditeit makelaarsfirmas egter gelykheid en effektemark makelaarsfirmas toenemend bewus van die voordele deur die gebruik van handel stelsels en 'n paar het begin om handel stelsels bied om hul kleinhandel kliënte. Die meeste onderlinge fonds bestuurders is reeds met behulp van gesofistikeerde algoritmes om hul besluite te lei oor wat warm voorraad te tel of wat sektor rotasie is ten gunste. Rekenaars en algoritmes hoofstroom in te belê word en ons verwag dat hierdie tendens sal voortduur as jonger, meer rekenaar vaardig beleggers voortgaan om toe te laat gedeeltes van hul geld deur Trading Systems bestuur moet word om risiko te verminder en opbrengste te verhoog. Die groot verliese ervaar word deur beleggers wat deelneem aan die koop en hou voorrade en wedersydse fondse as die aandelemark gesmelt in die afgelope jaar is die bevordering van hierdie beweging na 'n meer gedissiplineerde en logiese benadering tot aandelemark te belê. Die gemiddelde belegger besef dat hy of sy tans kan baie aspekte van hul lewens en die lewens van hul geliefdes gehandhaaf moet word of beheer word deur rekenaars soos die motors en vliegtuie wat ons gebruik vir vervoer, die mediese diagnostiese toerusting wat ons gebruik vir die gesondheid onderhoud, die verhitting en verkoeling beheerders wat ons gebruik vir temperatuurbeheer, die netwerke wat ons gebruik vir die internet-gebaseerde inligting, selfs die speletjies wat ons speel vir vermaak. Hoekom dan doen 'n paar klein beleggers glo dat hulle kan skiet uit die heup in hul besluite oor wat voorraad of onderlinge fonds te koop of te verkoop en verwag om geld Uiteindelik maak, het die gemiddelde belegger versigtig vir die raad en inligting aangestuur deur gewetenlose makelaars geword , rekenmeesters, korporatiewe hoofde en finansiële adviseurs. Vir die afgelope 20 jaar wiskundiges en sagteware-ontwikkelaars het aanwysers en patrone in voorraad en kommoditeitsmarkte gesoek op soek na inligting wat kan dui op die rigting van die mark. Hierdie inligting kan gebruik word om die prestasie van handel stelsels te verbeter. Oor die algemeen hierdie ontdekking proses word bereik deur 'n kombinasie van trial and error en meer gesofistikeerde data-ontginning. Tipies, sal die ontwikkelaar weke of maande van verwerking van syfers ten einde 'n potensiële Trading System vervaardig neem. Baie keer hierdie Trading System sal nie goed presteer wanneer eintlik gebruik in die toekoms as gevolg van wat genoem word krommepassing. Oor die jare was daar baie Trading Systems (en Trading System ontwikkeling maatskappye) wat gekom en gegaan soos hul stelsels in lewende handel gefaal het. Die ontwikkeling van handel stelsels wat voortgaan om uit te voer in die toekoms is moeilik, maar nie onmoontlik om te bereik, alhoewel daar geen etiese ontwikkelaar of geld bestuurder 'n onvoorwaardelike waarborg dat enige handel stelsel, of vir daardie saak enige voorraad, verband of onderlinge fonds, sal voortgaan sal gee wins vir ewig te produseer in die toekoms. Wat het weke of maande vir die Trading System ontwikkelaar te produseer in die verlede kan nou geproduseer word in minute deur die gebruik van Trading System Lab. Trading System Lab is 'n platform vir die outomatiese generasie van handel stelsels en Trading Indicators. TSL maak gebruik van 'n hoë spoed Genetiese Programmering Engine en sal handel stelsels produseer teen 'n koers van meer as 16 miljoen stelsel-bars per sekonde gebaseer op 56 insette. Let daarop dat slegs 'n paar insette eintlik gaan word of nodig wat lei tot die algemeen eenvoudige ontwikkelde strategie strukture. Met ongeveer 40,000 tot 200,000 stelsels wat nodig is vir 'n konvergensie, tyd na die samevloeiing vir enige datastel kan benader. Let daarop dat ons nie net hardloop 'n brute krag optimalisering van bestaande aanwysers op soek na 'n optimale parameters waaruit om te gebruik in 'n reeds gestruktureer Trading System. Die Trading System Generator begin by 'n nul punt oorsprong maak geen aannames oor die beweging van die mark in die toekoms en dan ontwikkel Trading Systems op 'n baie hoë tempo kombinasie inligting teenwoordig is in die mark en die formulering van nuwe filters, funksies, voorwaardes en verhoudings soos dit vorder na 'n geneties gemanipuleerde Trading System. Die gevolg is dat 'n uitstekende Trading System kan gegenereer word in 'n paar minute op 20-30 jaar van die daaglikse mark data op feitlik enige mark. Oor die afgelope paar jaar is daar verskeie benaderings tot Trading System optimalisering dat die minder kragtige genetiese algoritme in diens gewees het. Genetiese Programme (AP) is beter as genetiese algoritmes (gas) om verskeie redes. In die eerste plek GPS konvergeer op 'n oplossing op 'n eksponensiële koers (baie vinnig en kry vinniger) terwyl Genetiese algoritmes konvergeer op 'n lineêre koers (veel stadiger en geen vinniger kry). In die tweede plek GPS eintlik genereer Trading System masjienkode wat die genetiese materiaal (aanwysers, patrone, inter-mark data) in unieke maniere gekombineer word. Hierdie unieke kombinasies kan nie intuïtief duidelik wees en moenie aanvanklike definisies deur die stelsel ontwikkelaar nie nodig. Die unieke wiskundige verhoudings geskep kan nuwe aanwysers, of variante in Tegniese Analise word, nog nie ontwikkel of ontdek. Gas, aan die ander kant, net kyk vir 'n optimale oplossings soos hulle vorder oor die parameter reeks hulle nie ontdek nuwe wiskundige verhoudings en nie hul eie Trading System kode nie skryf. AP skep Trading System kode van verskillende lengtes, met behulp van veranderlike lengte genome, sal die lengte van die handel stelsel deur wat nie-homoloë crossover genoem verander en sal 'n aanduiding of patroon wat nie bydra tot die doeltreffendheid van die handel stelsel heeltemal te verwyder. Gas gebruik net vaste grootte opdrag blokke, gebruik te maak van slegs homoloë crossover en produseer nie veranderlike lengte Trading System kode, of sal hulle weggooi 'n ondoeltreffende aanwyser of patroon so geredelik as 'n algemene praktisyn. Ten slotte, genetiese Programme is 'n onlangse vooruitgang in die domein van die masjien leer, terwyl Genetiese algoritmes 30 jaar gelede ontdek is. Genetiese programme sluit al die belangrikste funksies van genetiese algoritmes crossover, voortplanting, mutasie en fiksheid egter AP sluit baie vinniger en robuuste funksies, maak AP die beste keuse vir die vervaardiging van handel stelsels. Die GP diens in TSLs Trading System Generator is die vinnigste GP tans beskikbaar en is nie beskikbaar in enige ander finansiële markte sagteware in die wêreld. Die Genetiese Programmering Algoritme, Trading Simulator en fiksheid Engines gebruik binne TSL het meer as 8 jaar te produseer. Trading System Lab is die resultaat van jare se harde werk deur 'n span van ingenieurs, wetenskaplikes, programmeerders en handelaars, en ons glo verteenwoordig die mees gevorderde tegnologie wat vandag beskikbaar is vir die handel die markets. intuition 0.4.3 GT Kwantitatiewe handel kit, vir hackers GT die intuïtiewe gedagtes is 'n heilige gawe en die rasionele verstand is 'n betroubare GT kneg. Ons het 'n samelewing wat die dienaar vereer en het vergeet gt die gawe geskep. LTI alignrightgtAlbert Einsteinlt / IGT Oorsig Intuïsie is 'n enjin, 'n paar boustene en 'n stel gereedskap bedoel om jou te laat doeltreffend en intuïtief jou eie outomatiese kwantitatiewe handel stelsel te maak. Dit is ontwerp om jou te laat ontwikkelaars, handelaars en wetenskaplikes ontdek, te verbeter en te ontplooi mark tegniese hacks. Terwyl die projek is nog in 'n vroeë stadium, kan jy reeds skryf, gebruik, kombineer sein opsporing algoritmes, portefeulje toekenning strategieë, databronne en kontekste configuratoren. prop net jou strategieë en backtests analiseer of te monitor live handel sessies. Daarbenewens werk ek op fasiliteite om 'n verspreide stelsel en 21ste eeu aansoek (groot data, vet berekeninge, d3.js en ander HTML5 dinge) te bou, gereedskap om tale soos Python, node. js en R en 'n finansiële biblioteek meng. Jy sal 'n paar goodies soos masjienleer voorspelling, Markowitz portefeulje optimalisering, genetiese optimalisering, sentiment analise van Twitter vind, funksies Hoogs konfigureerbare handelsomgewing, aangedryf deur zipline9 Van direkte kickstart om volle beheer Made om jou te laat aanpas algoritmes, portefeuljebestuurder, databronne, kontekste en plugins inprop friendly8. Geniet pos verslae, mobiele kennisgewings, redis boodskappe, Reeds sluit many2 eksperimentele lewendige handel op verskillende markte (NYSE, Nasdaq, CAC40 en Forex vir nou) Eksperimentele R integrasie in jou algoritmes Resultate ontleder Finansiële biblioteek, met 'n gemeenskaplike gebruikte handel funksies, data baljagters, gebruik byvoorbeeld om op te los Coursera ekonometrie opdragte Modulêre ontwerp. hergebruik intuïsie blokke om jou eie finansiële aansoek Easy bou om data bestuur, aangedryf deur rethinkdb6 Docker4 ondersteuning vir die ontwikkeling workflow en ontplooiing Soort van 'n GI vertoonvenster gebruik as ek die toets van Travis (travis-ci. org), wercker (wercker), versendbare ( versendbare), drone. io (drone. io), overalls (coveralls. io) en landskap (landscape. io) aan die begin meer en vind die (aan die gang) dokumentasie by doc. intuition. io. Jy kan die ontwikkeling volg op hierdie Trello board1 en gesels oor die projek op Gitter3. A webapp gebou op die top van intuïsie is ook in die ontwikkeling, kry jou vroeë kaartjie by intuition. io Dra Bydraers gelukkig is welkom, hier is 'n plek om start10.Natural Seleksie: genetiese algoritme vir System Optimization Genetiese Programmering Evo 2 is 'n gevorderde genetiese algoritme biblioteek wat die nuutste in genetiese algoritme ontwerp inkorporeer, soos biologies identiese prosesse, epigenetiese skakelaars, gesimuleerde uitgloeiing, Westermarck inteling voorkoming,-ouderdom beperk rekombinasie, en nog baie meer. Die Evo 2 algoritme is nie gebaseer op die standaard enkele chromosoom GA ontwerp. Evo 2 los meerveranderlike optimeringsprobleme vinnig en skubbe goed met kompleksiteit. Die Evo 2 algoritme is ontwerp vir genetiese programmering (outonome skepping van handel stelsels), handel stelsel optimalisering en portefeulje optimalisering. Evo 2 laat ontwikkelaars bou meerveranderlike handel stelsel optimalisaties met gemak. Bio-identiese genoom en Algoritme Evo 2 is nie net bio-geïnspireerd nie, maar dit is 'n bio-identiese in baie aspekte. Evo 2 bes elke natuurlike proses van maat keuse om DNA verpakking en volledige meiose. Die meeste standaard genetiese algoritmes nalaat om die verskeie stappe van meiose wat van kardinale belang om genetiese variasie, 'n uiters belangrike veranderlike in die voorkoms van plaaslike Optima is uit te voer. Profase Gedurende profase, chromosome sinaps en 'n klein hoeveelheid DNA uitgeruil tussen homoloë chromosome deur 'n proses wat bekend staan as oorkruising. Die kritieke deel van profase is die voering-up van tetrads in homoloë pare. Die Evo 2 algoritme verseker dat homo net geskep uit onverwante, teenoorgestelde geslag chromosome. Metafase en Anafase metafase en anafase is die fases waar veel variasie is opgeneem in die genoom egter die meeste genetiese algoritmes heeltemal stappe uit te laat. Evo 2 simuleer beide fases volledig en akkuraat. Geen Inteling toegelaat meeste standaard genetiese algoritmes ingeteel sop, tegnies gesproke. Inteling verminder genetiese variasie, wat om te sê, verhoed stelsels van veranderende en aan te pas by hul omgewing. In standaard gas, beteken dit dat 'n stelsel meer geneig om vas in plaaslike Optima word mag wees. Terwyl die natuur het ten minste drie meganismes om inteling te voorkom, die meeste genetiese algoritmes versuim om hierdie probleem aan te spreek. Die eerste metode: Voorkom nageslag van reproduseer. Inteling lei tot verhoogde homozygosity, wat die kanse van die nageslag kan verhoog word geraak deur resessiewe of nadelige eienskappe. Die tweede meganisme: Ry weg jong mans om bloedskande paring tussen broers en susters te voorkom. Die derde meganisme: Die Westermarck effek. Dit is 'n sielkundige effek waardeur individue wat in die nabyheid is wat tydens die kinderjare desensitized om later seksuele aantrekkingskrag geword. Die finale gevolg van inteling is die uitsterwing van spesies as gevolg van 'n gebrek aan genetiese diversiteit. Die jagluiperd, een van die mees ingeteelde spesie op aarde, is 'n uitstekende voorbeeld. En dit gebeur ook in die gesig staar uitwissing. Twintig duisend jaar gelede, jagluiperds rondgeloop in Afrika, Asië, Europa en Noord-Amerika. Ongeveer 10,000 jaar gelede, as gevolg van klimaatsverandering, almal behalwe een spesie uitgesterf het. Met die drastiese afname in hul getalle, is naasbestaandes gedwing om te teel, en die jagluiperd is geneties ingeteelde, wat beteken dat al Cheetahs is baie nou verwant. Hoewel die natuur verbied inteling, byna al die rekenaar-gesimuleerde genetiese algoritmes miskyk hierdie probleem. Evo 2 verhoed inteling via die Westermarck effek en ander gesimuleerde effekte. Epigenetiese Skakelaars epigenetiese teorie beskryf hoe veranderinge in geenuitdrukking kan veroorsaak word deur ander as veranderinge in die onderliggende DNA volgorde, tydelik of deur middel van verskeie geslagte meganismes, deur 'n invloed 'n netwerk van chemiese skakelaars binne selle gesamentlik bekend as die Epigenome. Evo 2 kan simuleer epigenetiese skakelaars sodat die stelsel tydelik te penaliseer vir aksies soos om te gulsig of risiko-sku. Gesimuleerde Uitgloeiing Gesimuleerde uitgloeiing is 'n kans metaheuristic vir die globale optimalisering probleem van die opspoor van 'n goeie benadering tot die globale optimum van 'n gegewe funksie in 'n groot soek spasie. Dit word dikwels gebruik wanneer die soek spasie is diskrete. Vir sekere probleme, kan nageboots uitgloeiing meer doeltreffend as uitputtende opsomming wees. Family Tree Evo 2 kan genealogiese inligting te spaar vir elke genoom sodat gebruikers die vordering van die genetiese algoritme kan hersien om te sien hoe sekere gene ontwikkel met verloop van tyd. Karyogram Viewer Evo 2 beskik oor 'n ingeboude karyogram, wat visualisering van genome laat terwyl genetiese algoritmes ontwikkel. Die karyogram kan aangepas word om genealogiese inligting vir spesifieke genome vertoon deur 'n konteks kieslys. Evo 2 Aansoeke Evo 2 gebruik kan word op die kliënt of bediener kant vir genetiese programmering (outonome skepping van handel stelsels), handel stelsel optimalisering, portefeulje optimalisering, batetoewysing en nie-finansies-verwante aansoeke, insluitend maar nie beperk tot kunsmatige kreatiwiteit, outomatiese ontwerp, bioinformatika, chemiese kinetika,-kode-breaking, regeltechniek, Feynman-Kac modelle, filter en seinverwerking, skedulering aansoeke, meganiese ingenieurswese, stogastiese optimalisering en roosters probleme. Genetiese programmering Voorbeelde TradeScript programmering voorbeelde wys ontwikkelaars hoe om genetiese programmeringsmodelle kan toets terug en optimaliseer strategieë te skep. Programmering dokumentasie kan hier afgelaai word.
No comments:
Post a Comment