Utiliser des algorithmes génétiques pour prévoir les marchés financiers

Table des matières

Développer

• Quels sont les algorithmes génétiques?
• Comment fonctionnent les algorithmes génétiques
• Algorithmes génétiques dans le commerce
• La ligne de fond

Dans « A Random Walk Down Wall Street » (1973), Burton Malkiel a suggéré: « Un singe aux yeux bandés lançant des fléchettes sur les pages financières d’un journal pourrait sélectionner un portefeuille qui ferait tout aussi bien qu’un portefeuille soigneusement sélectionné par des experts. » Alors que l’évolution n’a peut-être pas rendu l’homme plus intelligent dans la sélection des actions, la théorie de Charles Darwin s’est avérée efficace lorsqu’elle est appliquée plus directement.

Les algorithmes génétiques sont des moyens uniques de résoudre des problèmes complexes en exploitant le pouvoir de la nature. En appliquant ces méthodes à la prévision des prix des titres, les traders peuvent optimiser les règles de trading en identifiant les meilleures valeurs à utiliser pour chaque paramètre pour un titre donné.

Quels sont les algorithmes génétiques?

Les algorithmes génétiques (AG) sont des méthodes de résolution de problèmes (ou heuristiques) qui imitent le processus d’évolution naturelle. Contrairement aux réseaux de neurones artificiels (RNA), conçus pour fonctionner comme des neurones dans le cerveau, ces algorithmes utilisent les concepts de sélection naturelle pour déterminer la meilleure solution à un problème.

En conséquence, les GA sont couramment utilisés comme optimiseurs qui ajustent les paramètres pour minimiser ou maximiser certaines mesures de rétroaction, qui peuvent ensuite être utilisées indépendamment ou dans la construction d’un ANN. (Pour en savoir plus sur les ANN, voir: Neural Networks: Forecasting Profits.)

Sur les marchés financiers, les algorithmes génétiques sont le plus couramment utilisés pour trouver les meilleures valeurs de combinaison de paramètres dans une règle de négociation, et ils peuvent être intégrés dans des modèles ANN conçus pour sélectionner des actions et identifier les transactions.

Plusieurs études ont démontré l’efficacité de ces méthodes, notamment « Algorithmes génétiques: genèse de l’évaluation des stocks » (2004) et « Les applications des algorithmes génétiques dans l’optimisation de l’exploration des données boursières » (2004). (Pour en savoir plus, voir:  Comment les algorithmes de trading sont créés.)

Comment fonctionnent les algorithmes génétiques

Les algorithmes génétiques sont créés mathématiquement à l’aide de vecteurs, qui sont des quantités qui ont une direction et une ampleur. Les paramètres de chaque règle commerciale sont représentés par un vecteur unidimensionnel qui peut être considéré comme un chromosome en termes génétiques. Pendant ce temps, les valeurs utilisées dans chaque paramètre peuvent être considérées comme des gènes, qui sont ensuite modifiés à l’aide de la sélection naturelle.

Par exemple, une règle de trading peut impliquer l’utilisation de paramètres tels que  la divergence de convergence moyenne mobile  (MACD), une  moyenne mobile exponentielle  (EMA) et la stochastique. Un algorithme génétique entrerait alors des valeurs dans ces paramètres dans le but de maximiser le profit net. Au fil du temps, de petits changements sont introduits et ceux qui ont un impact souhaitable sont conservés pour la prochaine génération.

(Voir aussi:  Bases du trading algorithmique.)

Il existe trois types d’opérations génétiques qui peuvent ensuite être effectuées:

• Les croisements représentent la reproduction et le croisement observés en biologie, par lesquels un enfant prend certaines caractéristiques de ses parents.
• Les mutations représentent une mutation biologique et sont utilisées pour maintenir la diversité génétique d’une génération à l’autre d’une population en introduisant de petits changements aléatoires.
• Les sélections sont le stade auquel les génomes individuels sont choisis dans une population pour une reproduction ultérieure (recombinaison ou croisement).

Ces trois opérations sont ensuite utilisées dans un processus en cinq étapes:

1. Initialisez une population aléatoire, où chaque chromosome a une longueur n, n étant le nombre de paramètres. Autrement dit, un nombre aléatoire de paramètres est établi avec n éléments chacun.
2. Sélectionnez les chromosomes, ou paramètres, qui augmentent les résultats souhaitables (vraisemblablement un bénéfice net).
3. Appliquez des opérateurs de mutation ou de croisement aux parents sélectionnés et générez une progéniture.
4. Recombinez la progéniture et la population actuelle pour former une nouvelle population avec l’opérateur de sélection.
5. Répétez les étapes deux à quatre.

Au fil du temps, ce processus se traduira par des chromosomes (ou paramètres) de plus en plus favorables à une utilisation dans une règle commerciale. Le processus est alors terminé lorsque les critères d’arrêt sont remplis, qui peuvent inclure la durée de fonctionnement, la forme physique, le nombre de générations ou d’autres critères.

Utilisation d’algorithmes génétiques dans le trading

Alors que les algorithmes génétiques sont principalement utilisés par les commerçants quantitatifs institutionnels, les commerçants individuels peuvent exploiter la puissance des algorithmes génétiques – sans diplôme en mathématiques avancées – en utilisant plusieurs logiciels sur le marché.

Ces solutions vont des progiciels autonomes destinés aux marchés financiers aux modules complémentaires Microsoft Excel qui peuvent faciliter une analyse plus pratique.

Lors de l’utilisation de ces applications, les traders peuvent définir un ensemble de paramètres qui sont ensuite optimisés à l’aide d’un algorithme génétique et d’un ensemble de données historiques. Certaines applications peuvent optimiser les paramètres utilisés et leurs valeurs, tandis que d’autres se concentrent principalement sur l’optimisation des valeurs pour un ensemble donné de paramètres.

L’ajustement de courbe (c’est-à-dire le surajustement ), ou la conception d’un système commercial autour de données historiques plutôt que d’identifier un comportement reproductible, représente un risque potentiel pour les commerçants utilisant des algorithmes génétiques. Tout système de trading utilisant des GA doit être testé sur papier avant son utilisation en direct.

Le choix des paramètres est une partie importante du processus, et les traders doivent rechercher des paramètres qui correspondent aux variations du prix d’un titre donné. Par exemple, essayez différents indicateurs pour voir s’il y en a qui semblent être en corrélation avec les principaux virages du marché.

La ligne de fond

Ces algorithmes ne sont pas le Saint Graal et les traders doivent veiller à choisir les bons paramètres et non l’ajustement de la courbe.

(Pour une lecture plus, consultez: Choisir le logiciel de négociation droit Algorithmique, La puissance des métiers du programme, et  comment votre propre code Algo Trading Robot.)