Development and implementation of genetic algorithm for generating rules of a trading system based on historical data analysis

Abstract

Главная задача любого трейдера - подбор прибыльных стратегий для торговли финансовым инструментом. Одним из наиболее простых способов представления торговых правил являются бинарные деревья решений, основанные на сравнении текущих значений технических индикаторов с некими абсолютными показателями. Такой подход упрощает создание торговых систем, однако их актуальность ограничена краткосрочными интервалами торговли. В данной работе представлен подход для генерации более универсальных торговых правил в виде бинарных деревьев решений, основанных на сопоставлении текущих значений технических индикаторов с относительными уровнями. Диапазоны этих уровней пересчитываются ежедневно, что позволяет торговому правилу оставаться актуальным длительный период. Предложенная система анализирует исторические ценовые данные за длительный период и с помощью генетического алгоритма порождает биржевые стратегии, оптимизированные относительно коэффициента Шарпа.

The main task of any trader is the selection of profitable strategies for trading a financial instrument. One of the simplest ways to represent trading rules is binary decision trees based on the comparison of current values of technical indicators with some absolute values. This approach simplifies the creation of trading systems but their validity is limited to short-term intervals of trade. This paper represents an approach for generating more universal trade rules in the form of binary decision trees based on the comparison of the current values of technical indicators with relative levels. The ranges of these levels are recalculated on a daily basis which allows the trading rule to remain relevant within a long term. The proposed system analyzes the historical price data for a long period and using the genetic algorithm causes trading strategies optimized relatively to the Sharpe ratio.