Dalam "A Random Walk Down Wall Street" (1973), Burton Malkiel menyarankan, "Seekor monyet dengan mata tertutup melempar anak panah ke halaman keuangan sebuah surat kabar dapat memilih portofolio yang akan melakukan serta portofolio yang dipilih dengan cermat oleh para ahli." Sementara evolusi mungkin membuat manusia tidak lebih pintar dalam memilih saham, teori Charles Darwin telah terbukti cukup efektif ketika diterapkan secara lebih langsung.
TUTORIAL: Strategi Memilih Saham
Apakah Algoritma Genetika Itu?
Algoritma genetika (GAS) adalah metode pemecahan masalah (atau heuristik) yang meniru proses evolusi alami. Tidak seperti jaringan saraf tiruan (JST), yang dirancang untuk berfungsi seperti neuron di otak, algoritma ini memanfaatkan konsep seleksi alam untuk menentukan solusi terbaik untuk suatu masalah. Akibatnya, GAS biasanya digunakan sebagai pengoptimal yang menyesuaikan parameter untuk meminimalkan atau memaksimalkan beberapa ukuran umpan balik, yang kemudian dapat digunakan secara mandiri atau dalam pembangunan JST. (Untuk mempelajari lebih lanjut tentang JST, lihat: Jaringan Saraf Tiruan: Perkiraan Keuntungan .)
Di pasar keuangan, algoritma genetika paling umum digunakan untuk menemukan nilai kombinasi parameter terbaik dalam aturan perdagangan, dan mereka dapat dibangun ke dalam model JST yang dirancang untuk memilih saham dan mengidentifikasi perdagangan. Beberapa studi telah menunjukkan efektivitas metode ini, termasuk "Algoritma Genetika: Kejadian Evaluasi Saham" (2004) dan "Aplikasi Algoritma Genetika dalam Optimasi Penambangan Data Pasar Saham" (2004). (Untuk lebih lanjut, lihat: Bagaimana Algoritma Perdagangan Diciptakan .)
Apa itu Algoritma Genetika?
Bagaimana Algoritma Genetika Bekerja
Algoritma genetika dibuat secara matematis menggunakan vektor, yaitu jumlah yang memiliki arah dan besarnya. Parameter untuk setiap aturan perdagangan diwakili dengan vektor satu dimensi yang dapat dianggap sebagai kromosom dalam istilah genetik. Sementara itu, nilai-nilai yang digunakan dalam setiap parameter dapat dianggap sebagai gen, yang kemudian dimodifikasi menggunakan seleksi alam.
Misalnya, aturan perdagangan mungkin melibatkan penggunaan parameter seperti moving average konvergensi divergensi (MACD), eksponensial moving average (EMA) dan stokastik. Algoritme genetik kemudian akan memasukkan nilai ke dalam parameter-parameter ini dengan tujuan memaksimalkan laba bersih. Seiring waktu, perubahan kecil diperkenalkan, dan yang membuat dampak yang diinginkan dipertahankan untuk generasi berikutnya.
Ada tiga jenis operasi genetik yang kemudian dapat dilakukan:
- Crossover mewakili reproduksi dan crossover yang terlihat dalam biologi, di mana seorang anak mengambil karakteristik tertentu dari orang tuanya.utasi mewakili mutasi biologis dan digunakan untuk memelihara keragaman genetik dari satu generasi populasi ke generasi berikutnya dengan memperkenalkan perubahan kecil acak. tahap di mana genom individu dipilih dari suatu populasi untuk berkembang biak kemudian (rekombinasi atau crossover).
Ketiga operasi ini kemudian digunakan dalam proses lima langkah:
- Inisialisasi populasi acak, di mana setiap kromosom adalah n- panjang, dengan n menjadi jumlah parameter. Artinya, sejumlah parameter acak ditetapkan dengan n elemen masing-masing. Pilih kromosom, atau parameter, yang meningkatkan hasil yang diinginkan (mungkin laba bersih). Terapkan mutasi atau crossover operator ke orang tua yang dipilih dan hasilkan keturunan. Kombinasikan keturunan dan populasi saat ini untuk membentuk populasi baru dengan operator seleksi. Ulangi langkah dua hingga empat.
Seiring waktu, proses ini akan menghasilkan kromosom (atau parameter) yang semakin menguntungkan untuk digunakan dalam aturan perdagangan. Proses ini kemudian dihentikan ketika kriteria berhenti dipenuhi, yang dapat mencakup waktu lari, kebugaran, jumlah generasi atau kriteria lainnya.
Menggunakan Algoritma Genetika dalam Perdagangan
Sementara algoritma genetika terutama digunakan oleh pedagang kuantitatif institusional, pedagang individu dapat memanfaatkan kekuatan algoritma genetika - tanpa gelar dalam matematika tingkat lanjut - menggunakan beberapa paket perangkat lunak di pasar. Solusi ini berkisar dari paket perangkat lunak mandiri yang ditujukan untuk pasar keuangan hingga pengaya Microsoft Excel yang dapat memfasilitasi lebih banyak analisis langsung.
Saat menggunakan aplikasi ini, pedagang dapat menentukan satu set parameter yang kemudian dioptimalkan menggunakan algoritma genetika dan satu set data historis. Beberapa aplikasi dapat mengoptimalkan parameter mana yang digunakan dan nilai untuknya, sementara yang lain terutama berfokus pada hanya mengoptimalkan nilai untuk serangkaian parameter tertentu. (Untuk mempelajari lebih lanjut tentang strategi yang diturunkan dari program ini, lihat: Kekuatan Perdagangan Program .)
Curve fitting (overfitting), atau merancang sistem perdagangan di sekitar data historis daripada mengidentifikasi perilaku berulang, mewakili risiko potensial bagi para pedagang menggunakan algoritma genetika. Sistem perdagangan apa pun yang menggunakan GAS harus diuji di atas kertas sebelum digunakan secara langsung.
Memilih parameter adalah bagian penting dari proses, dan pedagang harus mencari parameter yang berkorelasi dengan perubahan harga sekuritas yang diberikan. Misalnya, cobalah berbagai indikator untuk melihat apakah ada yang tampaknya berkorelasi dengan pergantian pasar utama. (Untuk lebih lanjut, lihat: Memilih Perangkat Lunak Perdagangan Algoritmik yang Tepat .)
Garis bawah
Algoritma genetika adalah cara unik untuk memecahkan masalah kompleks dengan memanfaatkan kekuatan alam. Dengan menerapkan metode ini untuk memprediksi harga keamanan, pedagang dapat mengoptimalkan aturan perdagangan dengan mengidentifikasi nilai terbaik yang digunakan untuk setiap parameter untuk keamanan yang diberikan. Namun, algoritma ini bukan Cawan Suci, dan pedagang harus berhati-hati untuk memilih parameter yang tepat dan tidak cocok kurva. (Untuk bacaan tambahan, lihat: Cara Membuat Kode Robot Trading Algo Anda Sendiri .)
