CalculatriceCliquez pour ouvrir
Qu’est-ce que l’algorithme génétique ?
Les algorithmes génétiques constituent des moyens uniques de résoudre des problèmes complexes en exploitant la puissance de la nature. En appliquant ces méthodes pour prédire les cours des actions, les traders peuvent optimiser les règles de trading en déterminant les meilleures valeurs à utiliser pour chaque paramètre pour un titre donné.
Leçon principale
- Les algorithmes génétiques sont des algorithmes informatiques complexes basés sur les règles de la génétique et de la théorie de l’évolution qui ont connu un certain succès dans le trading d’actions.
- En appliquant ces méthodes pour prédire les cours des actions, les traders peuvent optimiser les règles de trading et créer de nouvelles stratégies.
- Plusieurs logiciels permettent aux traders individuels d’exploiter la puissance des algorithmes génétiques pour le trading.
Apprendre les algorithmes génétiques
Les algorithmes génétiques (AG) sont des méthodes de résolution de problèmes (ou de diagnostic) qui imitent le processus évolutif naturel. Contrairement aux réseaux de neurones artificiels (ANN), conçus pour fonctionner comme les neurones du cerveau, ces algorithmes utilisent les concepts de sélection naturelle pour déterminer la meilleure solution à un problème.
Par conséquent, les GA sont souvent utilisés comme outils d’optimisation qui ajustent les paramètres pour minimiser ou maximiser certaines mesures de réponse, qui peuvent ensuite être utilisées indépendamment ou dans la construction d’ANN.
Sur les marchés financiers, les algorithmes génétiques sont le plus souvent utilisés pour trouver les meilleures valeurs combinées des paramètres dans les règles de négociation, et ils peuvent être intégrés dans les modèles ANN conçus pour sélectionner les actions et identifier les transactions.
De nombreuses études ont démontré l’efficacité de ces méthodes, notamment « Algorithme génétique amélioré pour la planification du chemin des robots mobiles dans des environnements statiques » et « Algorithme génétique hybride amélioré utilisant la reconstruction basée sur une combinaison affine ».
Comment fonctionne l’algorithme génétique
Les algorithmes génétiques sont créés mathématiquement à l’aide de vecteurs, qui sont des quantités avec une direction et une ampleur. Les paramètres de chaque règle commerciale sont représentés par des vecteurs unidimensionnels qui peuvent être considérés comme des chromosomes en termes génétiques. Pendant ce temps, les valeurs utilisées dans chaque paramètre peuvent être considérées comme des gènes, qui sont ensuite modifiés par sélection naturelle.
Par exemple, les règles de trading peuvent impliquer l’utilisation de paramètres tels que la divergence de convergence de la moyenne mobile (MACD), la moyenne mobile exponentielle (EMA) et la stochastique. L’algorithme génétique entre ensuite des valeurs dans ces paramètres dans le but de maximiser le profit net. Au fil du temps, de petits changements seront introduits et ceux qui créeront l’impact souhaité seront conservés pour la prochaine génération.
Trois types d’opérations génétiques peuvent alors être réalisées :
- L’hybridation représente la reproduction et l’hybridation est observée en biologie, par laquelle un enfant adopte certaines caractéristiques de ses parents.
- La mutation représente une mutation biologique et est utilisée pour maintenir la diversité génétique d’une génération d’une population à la suivante en introduisant de petits changements aléatoires.
- La sélection est l’étape au cours de laquelle des génomes individuels sont sélectionnés dans la population pour une reproduction ultérieure (recombinaison ou croisement).
Ces trois opérations sont ensuite utilisées dans un processus en cinq étapes :
- Initialiser une population aléatoire, où chaque chromosome N-longueur, avec N est le nombre de paramètres. Autrement dit, certains paramètres aléatoires sont définis avec N chaque élément.
- Choisissez des chromosomes ou des paramètres qui augmentent le résultat souhaité (éventuellement le bénéfice net).
- Appliquez des opérateurs de mutation ou de croisement aux parents sélectionnés et produisez une progéniture.
- Recombinez la sous-population et la population actuelle pour former une nouvelle population à l’aide de l’opérateur de sélection.
- Répétez les étapes deux à quatre.
Au fil du temps, ce processus produira des chromosomes (ou paramètres) de plus en plus favorables à une utilisation dans les règles commerciales. Le processus se termine ensuite lorsque les critères d’arrêt sont remplis, qui peuvent inclure la durée d’exécution, la couverture, le nombre de générations ou d’autres critères.
Utiliser des 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 avoir besoin d’un diplôme en mathématiques avancées, en utilisant plusieurs logiciels disponibles sur le marché.
Ces solutions vont des progiciels autonomes destinés aux marchés financiers aux modules complémentaires Microsoft Excel pouvant prendre en charge des analyses plus pratiques.
Grâce à ces applications, les traders peuvent définir un ensemble de paramètres qui sont ensuite optimisés à l’aide d’algorithmes génétiques et d’ensembles de données historiques. Certaines applications peuvent optimiser les paramètres utilisés et leurs valeurs, tandis que d’autres se concentrent principalement sur l’optimisation des valeurs pour un ensemble de paramètres donné.
L’ajustement de courbe (c’est-à-dire le surajustement), ou la conception d’un système commercial basé sur des données historiques plutôt que sur l’identification de comportements répétés, représente un risque potentiel pour les traders utilisant des algorithmes génétiques. Tout système commercial qui utilise GA doit être testé sur papier avant de l’utiliser en direct.
Le choix des paramètres est une partie importante du processus, et les traders doivent rechercher les paramètres liés aux modifications du prix d’un titre donné. Par exemple, essayez différents indicateurs pour voir si l’un d’entre eux est corrélé aux principaux mouvements du marché.
Comment les algorithmes génétiques sont-ils utilisés en IA ?
Dans le domaine de l’intelligence artificielle, un algorithme génétique est un système de résolution de problèmes incrémental calqué sur la théorie de l’évolution de Darwin. Au lieu de proposer une solution unique au problème, l’algorithme génétique construit et teste plusieurs solutions potentielles, et de nouvelles solutions sont construites à partir des candidats les plus performants. Après de nombreuses itérations, l’algorithme produit une solution meilleure que n’importe laquelle des solutions candidates initiales.
Quels sont les inconvénients des algorithmes génétiques ?
Bien que les algorithmes génétiques puissent être utilisés pour résoudre des problèmes complexes, les chercheurs doivent être prudents lorsqu’ils définissent les paramètres afin que l’algorithme trouve la meilleure solution. Un algorithme exécuté avec une taille de population ou une mutation insuffisante ne sera pas en mesure de trouver la solution optimale au problème testé. De plus, les algorithmes génétiques ne devraient pas être utilisés pour des problèmes analytiques, qui conviennent mieux aux systèmes traditionnels de résolution de problèmes.
Quelle est la différence entre un algorithme génétique et un réseau de neurones ?
Les algorithmes génétiques sont une méthode heuristique de résolution de problèmes basée sur la sélection naturelle, tandis que les réseaux neuronaux sont calqués sur le fonctionnement du cerveau humain. Les deux peuvent être utilisés efficacement pour résoudre des problèmes complexes et, dans certains cas, peuvent être utilisés ensemble efficacement. La principale différence est que les algorithmes génétiques sont adaptés à la recherche de la meilleure solution dans un vaste espace de recherche, tandis que les réseaux de neurones sont plus adaptés à la reconnaissance de formes.
Conclusion
Dans « A Random Walk Down Wall Street » (1973), Burton Malkiel suggérait : « Un singe aux yeux bandés jetant des fléchettes sur les pages financières d’un journal pourrait choisir un portefeuille aussi performant qu’un portefeuille soigneusement sélectionné par des experts. »
Même si l’évolution a pu rendre les humains moins intelligents dans la sélection des actions, la théorie de Charles Darwin s’est révélée efficace lorsqu’elle est appliquée plus directement. Bien qu’ils puissent être utilisés avec succès, les algorithmes génétiques ne sont pas le Saint Graal et les traders doivent être prudents lorsqu’ils s’appuient sur des outils informatiques pour prendre des décisions d’investissement.
