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
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。
其实张先生最厉害的不是这个,是树立榜样的能力。 但是能搞出个排名第一的策略,虽然某些方面有夸大,但是还是比某些交易员强些的。 ------------------- 百萬學費教短炒 http://www.oceantribe.org/vb/showthread.php?t=29818
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?