Uso de algoritmos genéticos para prever mercados financeiros
Em “A Random Walk Down Wall Street” (1973), Burton Malkiel sugeriu: “Um macaco vendado jogando dardos nas páginas financeiras de um jornal poderia selecionar um portfólio que serviria tão bem quanto um cuidadosamente selecionado por especialistas”. Embora a evolução possa ter tornado o homem não mais inteligente na escolha de ações, a teoria de Charles Darwin provou ser eficaz quando aplicada de forma mais direta.
Algoritmos genéticos são maneiras únicas de resolver problemas complexos, aproveitando o poder da natureza. Ao aplicar esses métodos para prever preços de títulos, os negociantes podem otimizar as regras de negociação, identificando os melhores valores a serem usados para cada parâmetro de um determinado título.
Principais vantagens
- Algoritmos de computador complexos baseados em regras de genética e teoria evolutiva tiveram algum sucesso recente na negociação de títulos.
- Ao aplicar esses métodos para prever preços de títulos, os traders podem otimizar as regras de negociação e criar novas estratégias.
- Os comerciantes individuais podem aproveitar o poder dos algoritmos genéticos usando vários pacotes de software no mercado.
O que são algoritmos genéticos?
Algoritmos genéticos (AGs) são métodos de solução de problemas (ou heurísticas) que imitam o processo de evolução natural. Ao contrário das redes neurais artificiais (RNAs), projetadas para funcionar como neurônios no cérebro, esses algoritmos utilizam os conceitos de seleção natural para determinar a melhor solução para um problema.
Como resultado, os AGs são comumente usados como otimizadores que ajustam parâmetros para minimizar ou maximizar alguma medida de feedback, que pode então ser usada de forma independente ou na construção de uma RNA. (Para saber mais sobre RNAs, consulte: Redes Neurais: Previsão de Lucros.)
Nos mercados financeiros, os algoritmos genéticos são mais comumente usados para encontrar os melhores valores de combinação de parâmetros em uma regra de negociação e podem ser construídos em modelos de RNA projetados para selecionar ações e identificar negociações.
Vários estudos demonstraram a eficácia desses métodos, incluindo ” Algoritmos Genéticos: Gênese da Avaliação de Estoque ” (2004) e ” As Aplicações de Algoritmos Genéticos na Otimização de Mineração de Dados do Mercado de Ações ” (2004). (Para obter mais informações, consulte: Como os algoritmos de negociação são criados.)
Como funcionam os algoritmos genéticos
Algoritmos genéticos são criados matematicamente usando vetores, que são quantidades que têm direção e magnitude. Os parâmetros de cada regra de negociação são representados com um vetor unidimensional que pode ser considerado um cromossomo em termos genéticos. Enquanto isso, os valores usados em cada parâmetro podem ser pensados como genes, que são então modificados por meio da seleção natural.
Por exemplo, uma regra de negociação pode envolver o uso de parâmetros como divergência de convergência da média móvel (MACD), uma média móvel exponencial (MME) e estocástica. Um algoritmo genético poderia então inserir valores nesses parâmetros com o objetivo de maximizar o lucro líquido. Com o tempo, pequenas mudanças são introduzidas e aquelas que causam um impacto desejável são mantidas para a próxima geração.
(Consulte também: Noções básicas de negociação algorítmica.)
Existem três tipos de operações genéticas que podem ser realizadas:
- Os crossovers representam a reprodução e o crossover visto na biologia, por meio do qual uma criança assume certas características de seus pais.
- Mutações representam mutações biológicas e são usadas para manter a diversidade genética de uma geração de uma população para a próxima, introduzindo pequenas mudanças aleatórias.
- As seleções são o estágio no qual os genomas individuais são escolhidos de uma população para reprodução posterior (recombinação ou cruzamento).