إنشاء نظام تداول ضمن معمل نظام التداول سوف يقوم نظام نظام التداول بتوليد أنظمة التداول تلقائيا في أي سوق في بضع دقائق باستخدام برنامج حاسوبي متطور جدا يعرف باسم إيمغب (التحريض التلقائي لرمز الآلة مع البرمجة الوراثية). يتم إنشاء نظام التداول داخل مختبر نظام التداول في 3 خطوات سهلة. أولا، يتم تشغيل ما قبل المعالج بسيط أن استخراج تلقائيا و بريبروسيسس البيانات اللازمة من السوق التي ترغب في العمل معها. تسل يقبل كسي، ميتاستوك، إيق، ترادستاتيون، بيانات الإنترنت مجانا، أسي، تكست، كسف، كومبوتراك، دوجونيس، فوتورسورس، TeleChart2000v3، تكتولس، شمل، ثنائي والإنترنت الجري البيانات. ثانيا، يتم تشغيل مولد نظام التداول (غب) لعدة دقائق، أو أكثر، لتطوير نظام التداول الجديد. يمكنك استخدام البيانات الخاصة بك، وأنماط، والمؤشرات، والعلاقات بين الشركات أو البيانات الأساسية داخل تسل. ثالثا، يتم تنسيق نظام التداول المتطور لإنتاج إشارات نظام التداول الجديد من داخل ترادستاتيون أو العديد من منصات التداول الأخرى. سوف تسل الكتابة تلقائيا لغة سهلة، جافا، المجمع، رمز C، رمز C و ويالثلاب لغة البرنامج النصي. ويمكن بعد ذلك تداول نظام التداول يدويا، أو تداوله من خلال وسيط، أو تداوله تلقائيا. يمكنك إنشاء نظام التداول بنفسك أو يمكننا القيام بذلك نيابة عنك. ثم، إما أنت أو الوسيط الخاص بك قد تتاجر النظام إما يدويا أو تلقائيا. مختبرات نظام التداول يحتوي البرنامج الوراثي على العديد من الميزات التي تقلل من إمكانية تركيب المنحنى، أو تنتج نظام تداول لا يستمر في أداءه في المستقبل. أولا، أنظمة التداول تطورت حجمها إلى أسفل إلى أدنى حجم ممكن من خلال ما يسمى بارسيموني الضغط، مستمدة من مفهوم الحد الأدنى لطول الوصف. وبالتالي فإن نظام التداول الناتج هو بسيط قدر الإمكان، ويعتقد عموما أن أبسط نظام التداول هو، كلما كان ذلك أفضل أداء في المستقبل. وثانيا، يتم إدخال العشوائية في العملية التطورية، مما يقلل من إمكانية إيجاد الحلول محليا، ولكن ليس الأمثل على الصعيد العالمي. يتم عرض العشوائية على ليس فقط مجموعات من المواد الوراثية المستخدمة في أنظمة التداول المتطورة، ولكن في الضغط بارسيموني، الطفرة، كروس وغيرها من المعلمات غب مستوى أعلى. يتم إجراء اختبار العينة أثناء التدريب قيد التقدم مع المعلومات الإحصائية المقدمة على حد سواء في عينة وخارج العينة نظام اختبار. يتم عرض سجلات التشغيل للمستخدم للتدريب والتحقق من صحة البيانات من العينة. تصرف جيد من أداء العينة قد يكون مؤشرا على أن نظام التداول يتطور بخصائص قوية. قد يعني التدهور الكبير في الاختبار التلقائي للخروج من العينة مقارنة باختبار العينة أن إنشاء نظام تجاري قوي موضع شك أو أن المحطة الطرفية أو مجموعة الإدخال قد تحتاج إلى تغيير. وأخيرا، يتم اختيار مجموعة الطرفية بعناية بحيث لا تحيز بشكل مفرط اختيار المواد الوراثية الأولية تجاه أي تحيز أو مشاعر معينة في السوق. تسل لا يبدأ تشغيله مع نظام التداول محددة مسبقا. في الواقع، يتم فقط تعيين مجموعة الإدخال ومجموعة مختارة من وضع دخول السوق أو وسائط، للبحث التلقائي الدخول والتعيين، في البداية. يمكن استخدام سلوك نمط أو مؤشر يمكن اعتباره حالة صعودية أو التخلص منه أو عكسه داخل الممارس العام. لم يتم تعيين أي نمط أو مؤشر مسبقا لأي تحيز معين في حركة السوق. هذا هو خروج جذري عن تطوير نظام التداول ولدت يدويا. نظام التداول هو مجموعة منطقية من التعليمات التي تخبر التاجر عند شراء أو بيع سوق معينة. نادرا ما تتطلب هذه التعليمات تدخل أحد المتداولين. يمكن تداول أنظمة التداول يدويا، من خلال مراقبة تعليمات التداول على شاشة الكمبيوتر، أو يمكن تداولها من خلال السماح للكمبيوتر بالدخول إلى الصفقات في السوق تلقائيا. كلتا الطريقتين تستخدمان على نطاق واسع اليوم. وهناك المزيد من مديري الأموال المهنية التي تعتبر نفسها تجار النظامية أو الميكانيكية من أولئك الذين يعتبرون أنفسهم تقديرية، وأداء مديري الأموال المنهجية بشكل عام متفوقة على أن من مديري الأموال التقديرية. وقد أظهرت الدراسات أن حسابات التداول عادة تفقد المال في كثير من الأحيان إذا كان العميل لا يستخدم نظام التداول. إن االرتفاع الكبير في أنظمة التداول على مدى السنوات العشر الماضية واضح بشكل خاص في شركات الوساطة السلعية، ولكن شركات وساطة األسهم والسندات أصبحت على وعي متزايد بالفوائد من خالل استخدام أنظمة التداول وبدأ البعض في تقديم أنظمة التداول إلى عملاء التجزئة. معظم مديري صناديق الاستثمار المشترك يستخدمون بالفعل خوارزميات حاسوبية متطورة لتوجيه قراراتهم بشأن ما الأسهم الساخنة لاختيار أو ما هو دوران القطاع لصالح. لقد أصبحت الحواسيب والخوارزميات سائدة في الاستثمار، ونتوقع أن يستمر هذا الاتجاه مع استمرار المستثمرين الأصغر سنا في مجال الكمبيوتر في السماح لأجزاء من أموالهم بإدارة أنظمة التداول للحد من المخاطر وزيادة العائدات. إن الخسائر الفادحة التي يعاني منها المستثمرون الذين يشاركون في شراء وحفظ الأسهم وصناديق الاستثمار المشتركة مع ذوبان سوق الأسهم في السنوات الماضية تعزز هذه الحركة نحو اتباع نهج أكثر انضباطا ومنطقيا في الاستثمار في سوق الأوراق المالية. ويدرك المستثمر العادي أنه يسمح حاليا بالعديد من جوانب حياته وحياة أقاربهم في الحفاظ على أو التحكم في الحواسيب مثل السيارات والطائرات التي نستخدمها للنقل، ومعدات التشخيص الطبي التي نستخدمها من أجل الصيانة الصحية، وحدات تحكم التدفئة والتبريد التي نستخدمها للتحكم في درجة الحرارة، والشبكات التي نستخدمها للمعلومات على شبكة الإنترنت، حتى الألعاب التي نلعب للترفيه. لماذا بعد ذلك بعض المستثمرين التجزئة يعتقدون أنها يمكن أن تبادل لاطلاق النار من الورك في قراراتهم بشأن ما الأسهم أو صناديق الاستثمار المشترك لشراء أو بيع ونتوقع لكسب المال وأخيرا، أصبح المستثمر المتوسط حذرا من المشورة والمعلومات التي يحيلها السماسرة عديمي الضمير ، والمحاسبين، ومديري الشركات والمستشارين الماليين. على مدى السنوات ال 20 الماضية قام علماء الرياضيات ومطوري البرمجيات بالبحث في المؤشرات والأنماط في أسواق الأسهم والسلع التي تبحث عن معلومات قد تشير إلى اتجاه السوق. ويمكن استخدام هذه المعلومات لتعزيز أداء أنظمة التداول. عموما يتم إنجاز عملية الاكتشاف هذه من خلال مزيج من التجربة والخطأ وأكثر تطورا البيانات التعدين. عادة، فإن المطور يستغرق أسابيع أو أشهر من عدد الطحن من أجل إنتاج نظام التداول المحتمل. في كثير من الأحيان هذا النظام التجاري لن تؤدي بشكل جيد عندما تستخدم فعلا في المستقبل بسبب ما يسمى منحنى المناسب. على مر السنين كان هناك العديد من أنظمة التداول (وشركات تطوير نظام التداول) التي تأتي وذهب كما فشلت نظمها في التداول المباشر. تطوير أنظمة التداول التي لا تزال تؤدي إلى المستقبل أمر صعب، ولكن ليس من المستحيل إنجاز، على الرغم من عدم وجود المطور الأخلاقي أو مدير المال سيعطي ضمانا غير مشروط أن أي نظام التداول، أو لهذه المسألة أي الأسهم والسندات أو صناديق الاستثمار المشترك، لإنتاج الأرباح في المستقبل إلى الأبد. ما قد يستغرق أسابيع أو أشهر لمطور نظام التداول لإنتاج في الماضي قد يتم الآن أن تنتج في دقائق من خلال استخدام مختبر نظام التداول. مختبر نظام التداول هو منصة للجيل التلقائي من أنظمة التداول ومؤشرات التداول. تسل يجعل من استخدام عالية السرعة محرك البرمجة الوراثية وسوف تنتج أنظمة التداول بمعدل أكثر من 16 مليون نظام الحانات في الثانية على أساس 56 المدخلات. لاحظ أن عدد قليل فقط من المدخلات سوف تستخدم في الواقع أو ضرورية مما أدى إلى هياكل استراتيجية تطورت بسيطة عموما. مع ما يقرب من 40،000 إلى 200،000 النظم اللازمة للتقارب، والوقت للتقارب لأي مجموعة بيانات يمكن تقريب. نلاحظ أننا لسنا مجرد تشغيل القوة الغاشمة الأمثل من المؤشرات الحالية تبحث عن المعايير المثلى التي لاستخدامها في نظام التداول منظم بالفعل. يبدأ مولد نظام التداول عند نقطة الصفر الأصل دون أي افتراضات حول حركة السوق في المستقبل ومن ثم تطور أنظمة التداول بمعدل مرتفع جدا يجمع بين المعلومات الموجودة في السوق وصياغة مرشحات جديدة والوظائف والشروط والعلاقات كما يتقدم نحو نظام تجاري مهيأ وراثيا. والنتيجة هي أنه قد يتم إنشاء نظام تجاري ممتاز في بضع دقائق على 20-30 سنة من بيانات السوق اليومية في أي سوق تقريبا. على مدى السنوات القليلة الماضية كانت هناك عدة نهج لتحسين نظام التداول التي تستخدم خوارزمية جينية أقل قوة. البرامج الجينية (غس) متفوقة على الخوارزميات الجينية (غاس) لعدة أسباب. أولا، تتلاقى غبس على حل بمعدل أسي (سريع جدا ويسرع) بينما تتقارب الخوارزميات الجينية بمعدل خطي (أبطأ بكثير ولا يحصل على أي سرعة). ثانیا، تقوم الجھات الفاعلة بالفعل بتولید رمز آلة نظام التداول الذي یجمع بین المواد الجینیة (المؤشرات والأنماط والبیانات بین الأسواق) بطرق فریدة. قد لا تكون هذه المجموعات الفريدة واضحة حدسي ولا تتطلب تعريفات أولية من قبل مطور النظام. قد تصبح العلاقات الرياضية الفريدة التي تم إنشاؤها مؤشرات جديدة، أو متغيرات في التحليل الفني، لم يتم تطويرها أو اكتشافها بعد. غاس، من ناحية أخرى، ببساطة تبحث عن الحلول المثلى لأنها تقدم على نطاق المعلمة أنها لا تكتشف علاقات رياضية جديدة ولا تكتب رمز نظام التداول الخاصة بهم. غبس إنشاء رمز نظام التداول بأطوال مختلفة باستخدام جينومات متغيرة الطول سوف يعدل طول نظام التداول من خلال ما يسمى كروس أوفر غير متجانسة وسيتجاهل تماما مؤشر أو نمط لا يساهم في كفاءة نظام التداول. غاس استخدام فقط كتل التعليمات حجم ثابت، والاستفادة من كروس فقط متجانسة ولا تنتج متغير طول رمز نظام التداول، كما أنها سوف تجاهل مؤشر غير فعال أو نمط بسهولة كما غب. وأخيرا، البرامج الوراثية هي التقدم الأخير في مجال التعلم الآلي، في حين تم اكتشاف الخوارزميات الجينية قبل 30 عاما. وتشمل البرامج الوراثية جميع الوظائف الرئيسية من كروس الخوارزميات الجينية، الاستنساخ، الطفرة واللياقة البدنية، ولكن غبس تشمل ميزات أسرع بكثير وقوية، مما يجعل غس أفضل خيار لإنتاج أنظمة التداول. غب المستخدمة في تسلسل نظام التداول مولد هو أسرع غب المتاحة حاليا وغير متوفرة في أي برامج السوق المالية الأخرى في العالم. خوارزمية البرمجة الوراثية، محاكي التداول ومحركات اللياقة البدنية المستخدمة في تسل استغرقت أكثر من 8 سنوات لإنتاج. مختبر نظام التداول هو نتيجة سنوات من العمل الشاق من قبل فريق من المهندسين والعلماء والمبرمجين والتجار، ونحن نعتقد يمثل التكنولوجيا الأكثر تقدما المتاحة اليوم لتداول الأسواق. الخيار الطبيعي: الخوارزمية الجينية لتحسين النظام البرمجة الجينية إيفو 2 هو لدينا متقدمة خوارزمية الجينية المكتبة التي تتضمن أحدث في تصميم الخوارزمية الجينية، مثل العمليات متطابقة بيولوجيا، والمفاتيح جينية، محاكاة الصلب، وسترمارك الوقاية من الأقارب، وإعادة التركيب محدود العمر، وأكثر من ذلك. لا تستند خوارزمية ايفو 2 على معيار واحد كروموسوم تصميم غا. إيفو 2 يحل مشاكل التحسين متعدد المتغيرات بسرعة ويوازن جيدا مع التعقيد. وقد تم تصميم خوارزمية إيفو 2 للبرمجة الوراثية (إنشاء أنظمة التداول المستقلة)، وتحسين نظام التداول وتحسين المحفظة. ايفو 2 يتيح للمطورين بناء التحسينات نظام التداول متعدد المتغيرات مع سهولة. الجينوم الحيوي المتماثل والخوارزمية إيفو 2 ليست فقط مستوحاة من الحيوية، ولكنها حيوية متطابقة في العديد من الجوانب. ايفو 2 يحاكي كل عملية طبيعية من اختيار زميله لتعبئة الحمض النووي والانقسام الاختلالي الكامل. معظم الخوارزميات الجينية القياسية تهمل أداء خطوات متعددة من الانقسام الاختزالي التي هي ذات أهمية حيوية للتغيرات الوراثية، وهو متغير مهم للغاية في تجنب أوبتما المحلية. خلال المباعدة، الكروموسومات المشبك وكمية صغيرة من الحمض النووي يتم تبادلها بين الكروموسومات متماثلة من خلال عملية تعرف باسم عبور. الجزء الحاسم من الطور النبوي هو بطانة تيترادس إلى أزواج متماثلة. خوارزمية إيفو 2 يضمن أن يتم إنشاء هومولوجس فقط من غير ذات الصلة، كروموسومات الجنس المعاكس. الطور و الطورية الطورية و الطور الطوري هي المراحل التي يتم فيها دمج اختلاف كبير في الجينوم ومع ذلك، فإن معظم الخوارزميات الجينية تترك هذه الخطوات تماما. ايفو 2 يحاكي كلا المرحلتين بدقة ودقة. لا يسمح بتربية الأقارب معظم الخوارزميات الجينية القياسية هي حساء مقلوب، من الناحية الفنية. ويقلل زواج الأقارب من التباين الوراثي، الذي يكفي القول بأنه يمنع الأنظمة من التطور والتكيف مع بيئتها. في معايير المحاسبة العامة القياسية، وهذا يعني أن النظام قد يكون أكثر عرضة لتكون عالقة في اوبتيما المحلية. في حين أن الطبيعة لديها ثلاث آليات على الأقل لمنع زواج الأقارب، فإن معظم الخوارزميات الجينية تفشل في معالجة هذه المشكلة. الطريقة الأولى: منع النسل من التكاثر. نتائج زواج الأقارب يؤدي إلى زيادة التماثل، مما يمكن أن يزيد من فرص أن يتأثر النسل من الصفات المتنحية أو الضارة. الآلية الثانية: دريف بعيدا الشباب الذكور من أجل منع زنا المحارم التزاوج بين الأشقاء. الآلية الثالثة: تأثير وسترمارك. هذا هو تأثير نفسي من خلالها الأفراد الذين تثار على مقربة في مرحلة الطفولة تصبح حساسة لجذب الجنسي في وقت لاحق. والنتيجة النهائية لتربية الأقارب هي انقراض الأنواع بسبب نقص التنوع الجيني. الفهد، واحد من الأنواع الأكثر إهانة على وجه الأرض، هو مثال رئيسي. و، فإنه يحدث أيضا أن تواجه الانقراض. قبل عشرين ألف سنة، تجولت الفهود في جميع أنحاء أفريقيا وآسيا وأوروبا وأمريكا الشمالية. منذ حوالي 10،000 سنة، بسبب تغير المناخ، انقرضت جميع الأنواع باستثناء نوع واحد. مع الانخفاض الحاد في أعدادهم، اضطر الأقارب المقربين إلى التولد، وأصبح الفهد موروثة وراثيا، وهذا يعني أن جميع الفهود ترتبط ارتباطا وثيقا جدا. وعلى الرغم من أن الطبيعة تحظر زواج الأقارب، إلا أن جميع الخوارزميات الجينية المحاكاة بالكمبيوتر تقريبا تتجاهل هذه المشكلة. ايفو 2 يمنع زواج الأقارب عن طريق تأثير ويسترمارك وغيرها من الآثار محاكاة. المحولات الجينية تصف نظرية التخلق الجيني كيف أن التغيرات في التعبير الجيني قد تكون ناجمة عن آليات أخرى غير التغيرات في تسلسل دنا الكامن، مؤقتا أو عبر أجيال متعددة، من خلال التأثير على شبكة من المفاتيح الكيميائية داخل الخلايا التي تعرف مجتمعة باسم إبيجينوم. يمكن إيفو 2 محاكاة مفاتيح جينية للسماح للنظام أن يعاقب مؤقتا لأفعال مثل يجري الجشع جدا أو المخاطرة نافيريس. مقلد التلدين محاكاة الصلب هو ميتاهوريستيك الاحتمالية لمشكلة الأمثل العالمية لتحديد موقع تقريب جيد إلى الأمثل العالمي من وظيفة معينة في مساحة بحث كبيرة. وغالبا ما تستخدم عندما تكون مساحة البحث منفصلة. وبالنسبة لبعض المشاكل، قد يكون التلدين المحاكي أكثر كفاءة من التعداد الشامل. شجرة العائلة إيفو 2 يمكن حفظ المعلومات الأنساب لكل جينوم بحيث يمكن للمستخدمين مراجعة تطور الخوارزمية الجينية لنرى كيف تطورت بعض الجينات مع مرور الوقت. كاريوغرام عارض إيفو 2 يتميز المدمج في كاريوغرام، والذي يسمح التصور من الجينوم بينما الخوارزميات الجينية تتطور. يمكن أن يتم تخصيص كاريوغرام لعرض معلومات الأنساب لالجينومات محددة عن طريق قائمة السياق. إيفو 2 التطبيقات يمكن استخدام إيفو 2 على الجانب العميل أو الخادم للبرامج الوراثية (إنشاء أنظمة التداول المستقلة)، وتحسين نظام التداول، وتحسين المحفظة، وتخصيص الأصول والتطبيقات غير التمويلية ذات الصلة، بما في ذلك سبيل المثال لا الحصر الإبداع الصناعي، الآلي والتصميم، والمعلوماتية الحيوية، والحركية الكيميائية، وكسر الكود، وهندسة التحكم، ونماذج فينمان كاك، وتصفية ومعالجة الإشارات، وجدولة التطبيقات، والهندسة الميكانيكية، والتحسين العشوائي ومشاكل الجدول الزمني. أمثلة البرمجة الوراثية أمثلة البرمجة ترادسكريبت تظهر المطورين كيفية إنشاء نماذج البرمجة الوراثية قادرة على دعم الاختبار وتحسين الاستراتيجيات. ويمكن استخدام وثائق البرمجة هنا. باستخدام الخوارزميات الجينية للتنبؤ بالأسواق المالية، اقترح بيرتون في كتابه "المشي العشوائي" وول ستريت، (1973) أن قرد معصوب العينين يلقي رمي السهام في الصحف صفحات مالية يمكن أن تختار محفظة من شأنها أن تفعل فقط فضلا عن اختيار واحد بعناية من قبل الخبراء. في حين أن التطور قد جعل الإنسان لا أكثر ذكاء في اختيار الأسهم، نظرية تشارلز داروينز فعالة جدا عندما تطبق بشكل مباشر أكثر. (لمساعدتك في اختيار الأسهم، تحقق من كيفية اختيار الأسهم). ما هي الخوارزميات الجينية الخوارزميات الجينية (غاس) هي طرق حل المشاكل (أو الاستدلال) التي تحاكي عملية التطور الطبيعي. على عكس الشبكات العصبية الاصطناعية (أنس)، المصممة لتعمل مثل الخلايا العصبية في الدماغ، وهذه الخوارزميات الاستفادة من مفاهيم الانتقاء الطبيعي لتحديد أفضل حل لمشكلة. ونتيجة لذلك، تستخدم غاس عادة كمحسنين يقومون بضبط المعلمات لتقليل أو زيادة بعض ردود الفعل قياس، والتي يمكن بعد ذلك استخدامها بشكل مستقل أو في بناء آن. في الأسواق المالية. الخوارزميات الجينية هي الأكثر شيوعا للعثور على أفضل القيم مزيج من المعلمات في قاعدة التداول، وأنها يمكن أن تكون مبنية في نماذج آن مصممة لاختيار الأسهم وتحديد الصفقات. وقد أظهرت العديد من الدراسات أن هذه الأساليب يمكن أن تكون فعالة، بما في ذلك الخوارزميات الجينية: تكوين تقييم الأسهم (2004) من قبل راما، وتطبيقات الخوارزميات الجينية في بيانات سوق الأسهم الأمثل التعدين (2004) من قبل لين، تساو وانغ، تشانغ. (لمعرفة المزيد عن أن، انظر الشبكات العصبية: التنبؤ الأرباح) كيف الخوارزميات الجينية العمل الخوارزميات الجينية يتم إنشاؤها رياضيا باستخدام ناقلات، والتي هي الكميات التي لها اتجاه وحجم. وتتمثل المعلمات لكل قاعدة تداول مع متجه أحادي البعد يمكن اعتباره كروموسوم في المصطلحات الوراثية. وفي الوقت نفسه، يمكن اعتبار القيم المستخدمة في كل معلمة من الجينات، والتي يتم تعديلها بعد ذلك باستخدام الانتقاء الطبيعي. على سبيل المثال، قد تنطوي قاعدة التداول على استخدام معلمات مثل المتوسط المتحرك للتقارب-الاختلاف (ماسد). المتوسط المتحرك الأسي (إما) و ستوشاستيك. وعندئذ تقوم الخوارزمية الجينية بإدخال القيم في هذه المعلمات بهدف تحقيق أقصى قدر من صافي الربح. مع مرور الوقت، يتم إدخال تغييرات صغيرة وتلك التي تجعل تأثير مرغوب فيه يتم الاحتفاظ بها للجيل القادم. هناك ثلاثة أنواع من العمليات الجينية التي يمكن بعد ذلك القيام بها: عمليات الانتقال تمثل الاستنساخ و كروس أوفر البيولوجي في علم الأحياء، حيث يأخذ الطفل على خصائص معينة من والديه. وتمثل الطفرات طفرة بيولوجية وتستخدم للحفاظ على التنوع الوراثي من جيل واحد من السكان إلى الجيل التالي من خلال إدخال تغييرات صغيرة عشوائية. الاختيارات هي المرحلة التي يتم فيها اختيار الجينومات الفردية من السكان من أجل التكاثر في وقت لاحق (إعادة التركيب أو كروس أوفر). ثم يتم استخدام هذه الشركات الثلاث في عملية من خمس خطوات: تهيئة السكان العشوائية، حيث كل كروموسوم هو n - طول، مع ن عدد المعلمات. وهذا يعني أنه يتم تحديد عدد عشوائي من المعلمات مع العناصر n لكل منهما. حدد الكروموسومات، أو المعلمات، التي تزيد من النتائج المرغوبة (صافي الربح المفترض). تطبيق طفرة أو مشغلي كروس إلى الآباء المختارين وتوليد نسل. ريكومبين ذرية والسكان الحاليين لتشكيل السكان الجدد مع المشغل اختيار. كرر الخطوات من 2 إلى 4. مع مرور الوقت، هذه العملية سوف يؤدي إلى الكروموسومات مواتية على نحو متزايد (أو، المعلمات) لاستخدامها في قاعدة التداول. ثم يتم إنهاء العملية عند استيفاء معايير التوقف، والتي يمكن أن تشمل وقت التشغيل، واللياقة البدنية، وعدد الأجيال أو معايير أخرى. (لمزيد من المعلومات عن ماسد، اقرأ تجارة ماكد الاختلاف). باستخدام الخوارزميات الوراثية في التداول في حين تستخدم الخوارزميات الجينية في المقام الأول من قبل التجار الكمي المؤسسي. يمكن للتجار الأفراد تسخير قوة الخوارزميات الجينية - دون درجة في الرياضيات المتقدمة - باستخدام العديد من حزم البرمجيات في السوق. وتتراوح هذه الحلول من حزم برامج مستقلة موجهة نحو الأسواق المالية إلى إضافات ميكروسوفت إكسيل التي يمكن أن تسهل المزيد من التحليل العملي. عند استخدام هذه التطبيقات، يمكن للتجار تعريف مجموعة من المعلمات التي يتم تحسينها بعد ذلك باستخدام خوارزمية وراثية ومجموعة من البيانات التاريخية. يمكن لبعض التطبيقات تحسين المعلمات التي تستخدم والقيم بالنسبة لهم، في حين أن البعض الآخر يركز في المقام الأول على مجرد تحسين القيم لمجموعة معينة من المعلمات. (لمعرفة المزيد عن هذه الاستراتيجيات المستمدة من البرنامج، انظر قوة برنامج الصفقات.) نصائح التحسين الهامة والخدع منحنى المناسب (أكثر من المناسب)، وتصميم نظام التداول حول البيانات التاريخية بدلا من تحديد السلوك القابل للتكرار، يمثل خطرا محتملا للتجار باستخدام الخوارزميات الجينية. أي نظام تداول باستخدام غاس يجب أن يتم اختباره مسبقا على الورق قبل الاستخدام الحي. اختيار المعلمات هو جزء مهم من العملية، ويجب على التجار البحث عن المعلمات التي ترتبط بالتغيرات في سعر الأمن معين. على سبيل المثال، جرب مؤشرات مختلفة ومعرفة ما إذا كان أي من هذه العوامل يبدو مرتبطا بتحولات السوق الرئيسية. الخوارزميات الجينية هي طرق فريدة لحل المشاكل المعقدة عن طريق تسخير قوة الطبيعة. من خلال تطبيق هذه الأساليب لتوقع أسعار الأوراق المالية، يمكن للمتداولين تحسين قواعد التداول من خلال تحديد أفضل القيم لاستخدامها لكل معلمة لأمن معين. ومع ذلك، فإن هذه الخوارزميات ليست الكأس المقدسة، ويجب أن يكون التجار حذرين لاختيار المعلمات الصحيحة وليس منحنى تناسب (أكثر مناسبا). (لقراءة المزيد عن السوق، تحقق من الاستماع إلى السوق، وليس لها النقود.)
Comments
Post a Comment