Usando algoritmos genéticos para prever mercados financeiros

Em "Um passeio aleatório por Wall Street" (1973), Burton Malkiel sugeriu: "Um macaco de olhos vendados, jogando dardos nas páginas financeiras de um jornal, poderia selecionar um portfólio que funcionaria tão bem quanto um cuidadosamente selecionado por especialistas". Embora a evolução possa não ter tornado o homem mais inteligente na escolha de ações, a teoria de Charles Darwin provou ser bastante eficaz quando aplicada de maneira mais direta.

TUTORIAL: Estratégias de escolha de ações

O que são algoritmos genéticos?

Algoritmos genéticos (AGs) são métodos de resolução de problemas (ou heurísticas) que imitam o processo de evolução natural. Ao contrário das redes neurais artificiais (RNAs), projetadas para funcionar como neurônios no cérebro, esses algoritmos utilizam os conceitos de seleção natural para determinar a melhor solução para um problema. Como resultado, os AGs são comumente usados ​​como otimizadores que ajustam parâmetros para minimizar ou maximizar alguma medida de feedback, que pode ser usada independentemente ou na construção de uma RNA. (Para saber mais sobre RNAs, consulte: Redes neurais: previsão de lucros .)

Nos mercados financeiros, os algoritmos genéticos são mais comumente usados ​​para encontrar os melhores valores de combinação de parâmetros em uma regra de negociação e podem ser incorporados nos modelos da RNA, projetados para selecionar ações e identificar negócios. Vários estudos demonstraram a eficácia desses métodos, incluindo "Algoritmos genéticos: gênese da avaliação de ações" (2004) e "As aplicações de algoritmos genéticos na otimização da mineração de dados do mercado de ações" (2004). (Para saber mais, consulte: Como os algoritmos de negociação são criados .)

O que são algoritmos genéticos?

Como funcionam os algoritmos genéticos

Os algoritmos genéticos são criados matematicamente usando vetores, que são quantidades que possuem direção e magnitude. Os parâmetros para cada regra de negociação são representados com um vetor unidimensional que pode ser pensado como um cromossomo em termos genéticos. Enquanto isso, os valores usados ​​em cada parâmetro podem ser considerados como genes, que são modificados usando a seleção natural.

Por exemplo, uma regra de negociação pode envolver o uso de parâmetros como divergência da convergência da média móvel (MACD), uma média móvel exponencial (EMA) e estocásticos. Um algoritmo genético inseria valores nesses parâmetros com o objetivo de maximizar o lucro líquido. Com o tempo, pequenas mudanças são introduzidas e as que causam um impacto desejável são retidas para a próxima geração. (Veja também: Noções básicas de negociação algorítmica .)

Existem três tipos de operações genéticas que podem ser executadas:

• Os cruzamentos representam a reprodução e o cruzamento observados na biologia, nos quais uma criança assume certas características de seus pais.
• Mutações representam mutações biológicas e são usadas para manter a diversidade genética de uma geração para outra, introduzindo pequenas mudanças aleatórias.
• As seleções são o estágio em que os genomas individuais são escolhidos de uma população para procriação posterior (recombinação ou cruzamento).

Essas três operações são usadas em um processo de cinco etapas:

1. Inicialize uma população aleatória, em que cada cromossomo tenha comprimento n, sendo n o número de parâmetros. Ou seja, um número aleatório de parâmetros é estabelecido com n elementos cada.
2. Selecione os cromossomos, ou parâmetros, que aumentam os resultados desejáveis ​​(presumivelmente lucro líquido).
3. Aplique operadores de mutação ou cruzamento aos pais selecionados e gere uma prole.
4. Recombine a prole e a população atual para formar uma nova população com o operador de seleção.
5. Repita as etapas de dois a quatro.

Com o tempo, esse processo resultará em cromossomos (ou parâmetros) cada vez mais favoráveis ​​para uso em uma regra de negociação. O processo é então encerrado quando os critérios de parada são atendidos, o que pode incluir tempo de execução, adequação, número de gerações ou outros critérios.

Usando algoritmos genéticos na negociação

Embora os algoritmos genéticos sejam usados ​​principalmente por traders quantitativos institucionais, os traders individuais podem aproveitar o poder dos algoritmos genéticos - sem um diploma em matemática avançada - usando vários pacotes de software no mercado. Essas soluções abrangem desde pacotes de software autônomos voltados para o mercado financeiro até complementos do Microsoft Excel que podem facilitar mais análises práticas.

Ao usar esses aplicativos, os comerciantes podem definir um conjunto de parâmetros que são otimizados usando um algoritmo genético e um conjunto de dados históricos. Alguns aplicativos podem otimizar quais parâmetros são usados ​​e os valores para eles, enquanto outros se concentram principalmente em simplesmente otimizar os valores para um determinado conjunto de parâmetros. (Para saber mais sobre essas estratégias derivadas de programas, consulte: O poder das trocas de programas .)

O ajuste de curva (sobreajuste), ou o design de um sistema de negociação em torno de dados históricos, em vez de identificar comportamentos repetíveis, representa um risco potencial para os comerciantes que usam algoritmos genéticos. Qualquer sistema de negociação que use GAs deve ser testado em papel antes do uso ao vivo.

A escolha de parâmetros é uma parte importante do processo, e os comerciantes devem procurar parâmetros que se correlacionem com as mudanças no preço de um determinado título. Por exemplo, experimente indicadores diferentes para ver se algum parece correlacionar-se com as principais mudanças no mercado. (Para saber mais, consulte: Escolhendo o software de negociação algorítmica correto .)

A linha inferior

Os algoritmos genéticos são maneiras únicas de resolver problemas complexos, aproveitando o poder da natureza. Ao aplicar esses métodos à previsão de preços de títulos, os traders podem otimizar as regras de negociação, identificando os melhores valores a serem usados ​​para cada parâmetro de um determinado título. No entanto, esses algoritmos não são o Santo Graal, e os comerciantes devem ter o cuidado de escolher os parâmetros certos e não o ajuste da curva. (Para leitura adicional, consulte: Como codificar seu próprio robô de negociação Algo .)