交易策略都能自动生成，我们还玩什么？

基因库进化倒一定的阶段，某个优势基因会占有统治地位，所有的变异会以现有基因为路径，如果现有基因不是一个通向最优基因的正确路径，而所有微小变异，或者未经进化的整染色体的变异，都会由于不具备如此大的优越性而被当前基因淘汰掉，导致进化瓶颈---当前想到的方法是，同代数不同染色体库杂交，要保证一，进化相同的代数，适应度大致相同 二，基因库进化环境的隔离性 三、10代近亲基因不能杂交

 

一个好的诱导函数是进化成功的关键

 

呵呵，就是适应度函数

 

其实，我比较好奇，如果可以快速生成交易策略。那么，他到底生成了多少个策略。如果生成了10000000000（多少个零，我也没数），结果这3个上榜了。那也算不上什么了。

 

无限拟合而已 浮云

 

浮云的意义在于，浮云的周期有多长

 

敢问前辈，MDP的定义，多谢！：）

 

马尔可夫?

 

了解了一下，
GP:翻译为遗传规划。基本原理仍然是函数拟合。所不同的是：需要事先
给定一些“基元”函数。由系统去“任意”对这些基元函数搭积木，组合出新的大函数来。实现对数据的拟合。
所谓的“遗传”体现在上述“任意”二字的具体实施上，即在搜索最优结构的过程中，采用遗传算法。
GP运算量大，ami-gp 是一套成套的运算软件。TLS 采用ami-gp软件做支撑。

那么，问题来了：
TLS使用gp，只不过是在“寻找最优函数”这个层面上比较先进。
在每次的寻找中，假定最优点摆在哪里等着他。
它承认最优点在变化着。并且用GP快速地、精确地、泛化能力较强地跟踪之。
但它并没有考虑最优点变化的内部机制。

---对否，请批示。

 

哦，泛化能力强，是否就意味着捕捉到了最优点变化的一致性呢。
盈利的核心是泛化能力，对应着最优点（最优策略）变化的前后相关性。
那么svm不就很好吗...

 

嗯。这个我没细看。
但这样说来就符合我上面的感受了：GP就像神经网一样。

 

跟之前的一个体会差不多：假设自己要开发一款汽车，，该思考哪些问题，，跟开发一个新策略感觉是可以比较的。任何产品都会有失效期，跟汽车研发作比较，策略也是一样，况且金融市场比一般消费品市场的竞争更加激烈。
企业优化目标之一是产品研发周期与保持市场占有率的时间（产品有效期）最小化。。二者有一定正相关的关系，比如中国目前采用短周期开发（借鉴国外技术，拿来主义等等），，相应的产出是较短的产品有效期（由于竞争对手的进入，消费者偏好改变）。。日本德国的汽车花大量时间在研发上，相应的产品存活时间也较长。。
类比过来，策略更像快速消费品（牙膏之类），现金流回收迅速，竞争激烈，所以与学院派相比，不会追求理论上方方面面都考虑得很周全的模型，，所要的只是在尽可能短的时间内开发出来新东西，马上转化为生产力（赚钱回收现金流）即可。。与理论上追求精确度相比，，实务中更应该重视产品失效的监测。
产品失效有两种判断方法：一种就是“演绎派”，有理论基础的时候，，判断失效就是实际情况偏离前提条件一个人为设定的阀门值，，另一种就是“分析派”，，根据策略表现出来的“绩效”（这是表面现象），来决定产品的更新换代。比如对于GP，适应度函数类似于汽车市场占有率，可以算作考虑更新换代的指标，下降XX的时候就该考虑重新开发新策略。
当然再具体用什么FitnessFunciont，阈值取多少就是“术”不是“道”的问题了。

 

突然想到，交易机器能够去自适应、模式识别，设计机器的人为什么不能去适应市场，识别市场特征？市场再复杂，也就是几种基本利润来源的赢利模式吧？如果交易者本身具备了认识市场的能力或优势，那不是也可以主动调整系统策略了吗？人还有害怕机器的道理吗？