Burton sugirió en su libro, "A Random Walk Down Wall Street", (1973) que, "Un mono con los ojos vendados lanzando dardos en las páginas financieras de un periódico podría seleccionar una cartera que lo haría igual de bien como uno cuidadosamente seleccionado por expertos ". Si bien la evolución puede haber hecho al hombre no más inteligente en la selección de acciones, la teoría de Charles Darwin es bastante efectiva cuando se aplica de manera más directa. (Para ayudarlo a seleccionar acciones, consulte Cómo seleccionar una acción .)

TUTORIAL: Estrategias de selección de stock

¿Qué son los algoritmos genéticos?
Los algoritmos genéticos (GA) son métodos de resolución de problemas (o heurísticos) que imitan el proceso de la evolución natural. A diferencia de las redes neuronales artificiales (ANN), diseñadas para funcionar como neuronas en el cerebro, estos algoritmos utilizan los conceptos de selección natural para determinar la mejor solución para un problema. Como resultado, las GA se usan comúnmente como optimizadores que ajustan los parámetros para minimizar o maximizar alguna medida de retroalimentación, que luego puede usarse independientemente o en la construcción de una ANN.

En los mercados financieros, los algoritmos genéticos se usan con más frecuencia para encontrar los mejores valores de combinación de parámetros en una regla de negociación, y se pueden incorporar en modelos ANN diseñados para seleccionar stocks e identificar transacciones. Varios estudios han demostrado que estos métodos pueden resultar efectivos, incluyendo "Algoritmos genéticos: Génesis de la evaluación de poblaciones" (2004) de Rama, y ​​"Las aplicaciones de algoritmos genéticos en la optimización de la minería de datos bursátiles" (2004) por Lin, Cao, Wang Zhang (Para obtener más información sobre ANN, consulte Redes neuronales: pronóstico de beneficios .)

Cómo funcionan los algoritmos genéticos
Los algoritmos genéticos se crean matemáticamente utilizando vectores, que son cantidades que tienen dirección y magnitud. Los parámetros para cada regla de negociación se representan con un vector unidimensional que se puede considerar como un cromosoma en términos genéticos. Mientras tanto, los valores utilizados en cada parámetro se pueden considerar como genes, que luego se modifican utilizando la selección natural.

Por ejemplo, una regla de negociación puede implicar el uso de parámetros como Convergencia media móvil-Divergencia (MACD), Promedio móvil exponencial (EMA) y Estocástico. Un algoritmo genético ingresaría valores en estos parámetros con el objetivo de maximizar el beneficio neto. Con el tiempo, se introducen pequeños cambios y aquellos que tienen un impacto deseable se conservan para la próxima generación.

Hay tres tipos de operaciones genéticas que pueden realizarse:

• Las divisiones representan la reproducción y el cruce biológico visto en la biología, mediante el cual un niño adquiere ciertas características de sus padres.
• Las mutaciones representan una mutación biológica y se utilizan para mantener la diversidad genética de una generación a otra mediante la introducción de pequeños cambios aleatorios.
• Las selecciones son la etapa en la que los genomas individuales se eligen de una población para su posterior reproducción (recombinación o cruzamiento).

Estos tres operadores se usan luego en un proceso de cinco pasos:

1. Inicializar una población aleatoria, donde cada cromosoma es n -length, siendo n el número de parámetros. Es decir, se establece un número aleatorio de parámetros con n elementos cada uno.
2. Seleccione los cromosomas, o parámetros, que aumenten los resultados deseables (presumiblemente el beneficio neto).
3. Aplicar operadores de mutación o cruce a los padres seleccionados y generar una descendencia.
4. Recombine la descendencia y la población actual para formar una nueva población con el operador de selección.
5. Repita los pasos dos a cuatro.

Con el tiempo, este proceso dará como resultado cromosomas (o parámetros) cada vez más favorables para su uso en una regla de negociación. El proceso finaliza cuando se cumplen los criterios de detención, que pueden incluir el tiempo de ejecución, la condición física, el número de generaciones u otros criterios. (Para obtener más información sobre MACD, lea Negociar la Divergencia MACD .)

Uso de algoritmos genéticos en Trading
Si bien los algoritmos genéticos son utilizados principalmente por comerciantes institucionales cuantitativos, los comerciantes individuales pueden aprovechar el poder de los algoritmos genéticos - sin un título en matemática avanzada - usando varios paquetes de software en el mercado. Estas soluciones van desde paquetes de software independientes orientados a los mercados financieros hasta complementos de Microsoft Excel que pueden facilitar un análisis más práctico.

Al usar estas aplicaciones, los comerciantes pueden definir un conjunto de parámetros que luego se optimizan utilizando un algoritmo genético y un conjunto de datos históricos. Algunas aplicaciones pueden optimizar qué parámetros se usan y los valores para ellas, mientras que otras se centran principalmente en optimizar los valores para un conjunto determinado de parámetros. (Para obtener más información acerca de estas estrategias derivadas del programa, consulte El poder de las operaciones del programa .)

Sugerencias y trucos importantes de optimización
Ajuste de curva (sobre ajuste), diseñando un sistema de comercio alrededor de datos históricos que identificar un comportamiento repetible, representa un riesgo potencial para los comerciantes que usan algoritmos genéticos. Cualquier sistema de negociación que utilice GA debe someterse a prueba en papel antes del uso en vivo.

Elegir parámetros es una parte importante del proceso, y los operadores deben buscar parámetros que se correlacionen con los cambios en el precio de un determinado valor. Por ejemplo, pruebe diferentes indicadores y vea si alguno parece correlacionarse con los principales giros del mercado.

The Bottom Line
Los algoritmos genéticos son formas únicas de resolver problemas complejos mediante el aprovechamiento del poder de la naturaleza. Al aplicar estos métodos para predecir los precios de los valores, los operadores pueden optimizar las reglas de negociación al identificar los mejores valores para usar para cada parámetro para un valor determinado. Sin embargo, estos algoritmos no son el Santo Grial, y los comerciantes deben tener cuidado de elegir los parámetros correctos y no ajustar la curva (sobre ajuste). (Para leer más sobre el mercado, consulte Escuche al mercado, no sus expertos .)