在程序交易的圈子里,Mike Barna不是等闲人。他是BigBlue和R-Mesa交易系统的作者,后者在Futures Truth头十位的交易策略长期占据头几名。斯坦福毕业,曾在军工巨头Lockheed-Martin任职。有好几年没听到有什么动静,在埋头搞交易策略的自动生成。他把AIM-GP 基因编程用到金融上,推出给小型基金和个人交易者使用的Trading System Lab (TSL) 平台(www.tradingsystemlab.com)。 从TSL网站上的介绍来看,TSL可以在几分钟之内生成标普期指的日内交易策略。 07年看到TSL还觉得可能是吹嘘成分居多,最近看到他有好几个TSL生成的策略进入了Futures Truth 的前十名(来源:http://www.futurestruth.com/top10sincereleasedate.htm) Rank System Name Annual % Return 1. TSL-CEL_NG_1.1 289.1% 2. ChrisVivienne 257.8% 3. Dual Thrust 241.4% 4. Natural Gas Offense 222.0% 5. Natural Gas Trader 159.9% 6. Auto Core Duo 150.3% 7. RC Beginner 149.4% 8. TSL_CEL_SP1 125.9% 9. TSL_SP_1.0Z 125.6% 10. Trend Weaver 114.0% 表中以TSL开头的是Barna用TSL生成的策略。前十名里TSL占了三个。Futures Truth 的中立性还是可以信赖的,所以觉得TSL有点不可思议。 海洋里如果有关注和研究基因编程的专家,能否评论一下: 交易策略都能自动生成,人工研究策略还有没有空间?哪些空间? M
http://www.doc88.com/p-00587376017.html 这是这个牛人的书<Building Winning Trading Systems With Tradestation> 给大家分享下。 我看不懂e文,大家懂的可以介绍下, 关于弄个多指标自动组合产生模型的想法我也曾经想过,但感觉难度很大,个人水平还没达到这位牛人的高度吧。 这样的思路是一种很好的思路!大家可以尝试! 另外,不知道楼主看到的这位牛人的3个好模型的资金回撤是多少?验证时间是多长? 我个人感觉资金回撤小是评价模型的首要指标。
影响策略的3个时间因素和3个资金因素。 3个时间因素:策略的开发时间、策略的有效生命周期时间、策略的失效判断时间。 3个资金因素:策略的开发成本、策略的有效生命期内可能的赢利、策略的失效判断期内可能的损失。 如果“自动生成”能保证3个时间因素和3个资金因素之间比例的合理性,那“自动生成”或者“优化”就有其明显的优势。大部分的“优化”策略在有效生命周期内(失效前、遭遇黑天鹅前)都具有高胜率和高盈亏比的特点,而且“优化”策略因为其“适应性要求高”也会导致其另一个“优势”就是判断“失效”所需的时间短。 根据这些特点,如果采用分裂子基金的策略——就是在一个种子策略获得一定的赢利比例后分裂(分离)出部分赢利作为“后备”资金作为“风险资金”或者投入到其他策略中,成为一个个的子基金,只要这个种子策略的有效期和赢利能达到一定程度,就算其策略最终失效(损失其种子基金保留下的资金的大部分)时,其种子基金策略和分离资金获得的整体收益还是可观的。 一般情况下出现的追求长期稳定收益的倾向,很多都是因为策略开发的周期长、开发成本高而导致不得不去追求“长期稳定收益策略”。 在“自动生成”能让开发周期和开发成本只占策略生命周期和生命周期收益的一个很小比例时,“大量”的优化的有针对性的策略就有其明显的优势,而通过分裂(分离)等分散化手段又可以降低风险和增加机会。甚至可以通过分离(分裂)出的很小的一定比例的资金有针对性投入“黑天鹅”策略中,从而增强应对“黑天鹅”事件的能力。
TSL用了62个模块和参数作为输入,然后用GP来构造交易逻辑,这是很现实的做法。这相当于先给出六十来个技术指标,然后用它们来做一个交易系统。这个过程是分两步走, 1. 构造一大堆模块性的指标/参数;几乎所有的 Quant 都在这方面玩过。 2. 选择性使用这些指标产生一个针对于某种市场的分类器,即交易系统。很多公司使用比较容易做的 NN,SVM 这些东西。
感觉交易策略的准确性和计算量成正比。 最简单,单品种,取一时点的值,用n个简单函数,其硬极限函数化,形成一个0,1的向量。再用m分类器分类。计算量最小,占用内存是n×m×layerx16。 如果将其输入模糊处理(3-5)的话,再乘以3-5. 取时段的数据不加权计算。还得乘以是段的个数。加权的更复杂。 取多周期同时运算。还得乘以周期的个数。 这是单品种基于市场数据分类的交易。 如果是多品种。还得计算品种的强弱度和时序相关性做输入。计算时间和空间随品种数量指数增加。 至于经济数据的量化交易甚至即时新闻的字符量化。看到过些资料。但感觉对只有传统计算机的用户来说,没有意义。