很好的视角。这使我想起自然界生物进化的两个特征: 1. 基因越是多样化的物种,往往延续能力越强。(蜥蜴?) 2. 生殖能力越强的物种,延续能力也越强。(鼠) 对于交易系统这个生态环境来讲,道理也许是类似的。TSL-AIMGP 生成的交易系统在这两个方向上都有发展,值得关注。 谢谢wj2000的提示。 M
我表达的不太楚。 我上面说的只是交易系统中推理机制中不确定推理的模糊推理和可信度推理。是单调性正向演绎推理,以数据为驱动,应用于交易阶段。 知识表达方式也是在举例用来最简单的产生式规则。 搜索策略不属于这个环节。它应用于交易策略机器发现,和交易策略组合优化阶段。 是最复杂,难度最大的环节,即时用各种启发式算法时间也大到忽略不计。更不敢谈盲目搜索了。 我谈到多是些算法中简单的东西。 现在最想不明白的是李开复为什么不做交易。他写的程序比别人快几十倍。只要下点功夫就应该能做到全球的最好的交易员啊。 我觉得看些交易策略类的书,还不如去看些算法和程序设计艺术类的书。个人感觉了。
你好dsb2008, 你对计算量的推演很好地解释了为什么TSL要基于AIM-GP。在AIM-GP成熟应用以前,对于交易系统的自动生成确实难以实现,至少不在个人或小公司能力所及的范围。AIM-GP 很好地解决了这个问题。AIM把演进的个体直接编成机器代码,省去了一般GP所需的最耗时的中间环节――将个体基因翻译成机器码的解释器。据TSL网站上提供的资讯来看,TSL的演进速度比一般GP要快几个数量级(估计在200倍上下)。 Barna也许正是看到了这一点,所以他这几年来专注于TSL的开发。从网上看到的资料来看,Barna似乎买断了AIM-GP 的第一个商业化产品Discipulus在交易领域应用的许可权,这个至少给他相对于竞争对手5年的领先优势。 M
GP以前被Kozi弄成专利,似乎这点影响了这个方法的商业应用。前些年一个加拿大人发明的GEP(Gene-Expression Programming)方法,就比GP更简洁有效。 看到有人在提更广义的符号学习方案,但没有深入进去,倒也说不上来。
Discipulus 就是Koza的合作者Francone搞出来的。――记错了,是另外一人。 GEP与LGP在贴近机器码方面有很多类似的地方,但是在reproduction上的破坏性小一些,我认为速度上还是会牺牲一点。谢谢提示。 M
根本没那么夸张。只是卖产品而已。 你去吧他的网站全下载下来,然后整个看一遍就知道了。大概六百多兆。 一些演示加了密码,我问了Mike,他说那些加密码的演示仅限于提供给客户。 我解密了一个加密的demo,LookingGlassOptionsUnleadedGas.zip密码gas 发现也是一般的演示而已,所以估计哥们儿目前还是需要资金的。 而策略排行显然是一个不错的宣传手段。 算法方面的信息,麻烦野狐禅和几位兄弟提供下相关资源,应该可以应用。谢谢!