Låt oss säga att jag vill utveckla en strategi som använder sig av en RSI-indikator och två medelvärden. Jag ska köpa när RSI-indikator står över eller under ett visst värde och sälja när det står över eller under ett visst värde. Jag ska filtrera mina affärer så att jag inte köper när trenden är åt fel håll. Det kan jag enkelt göra med de två medelvärdena.
Okej, allt lugnt så långt. Nu ska jag bara komma på vad mina parametrar ska vara. Vad ska perioden på RSI-indikatorn vara för att jag ska få bäst resultat? Ska jag köpa när värdena är höga eller när de är låga? Ska jag sälja när värdena är låga eller höga? Ska jag kanske köpa höga värden för att sälja ännu högre värden? Och vad ska jag ha för inställningar på medelvärdena?
Sanningen är att även för en enkel strategi som denna så är antalet kombinationer flera miljarder. Självklart kan vi anta en del baserat på vad vi redan vet. Men vad är det för kul med det.
En vida använd optimerings teknik för att lösa problem som dessa är genetisk programmering där varje möjlig lösning representeras av en individ med gener för att efterlikna biologiska evolution. "Generna" eller variationerna på lösningen förs vidare till nästa generation när nya individer skapas av de bästa individerna från förra generationen. Dåliga gener eller lösningar på problemet förs inte vidare lika bra medan bra lösningar förs vidare i högsta grad.
Dock är det bara halva magin med evolution. För gener förs inte vidare från föräldrarna, de skapas och förändras hela tiden i takt att slumpmässiga mutationer sker. Detta gör att en framträdande gen kan bytas ut om en ny, bättre uppstår.
Så, låt oss nu omsätta detta till vår ursprungliga strategi. Parametrar representeras av siffror och siffrorna representerar gener för varje strategi. Varje generation innehåller 100 individer och bara de 10 bästa mätt med en speciellt prestations-statistik får lova att reproducera. Generna förändras slumpmässig och varje ny gen får en chans att prestera. Flera hundra generationer skapas och resultatet är fascinerande.
KvA
Inga kommentarer:
Skicka en kommentar