automate trading via genetic programming
TRANSCRIPT
РАЗРАБОТКА АВТОМАТИЧЕСКОЙ ТОРГОВОЙ СИСТЕМЫ
Основная идеяКластеризация исторических данных
Кластеризуем массив исторических данных, чтобы выделить наиболее разнородные ценовые модели
Иерархическая кластеризацияАлгоритм
Иерархическая кластеризацияПример
Кластеризация методом Kсредних
{K} непересекающихся кластеров с центроидами {C}
Основная идея
Далее, используя генетический алгоритм, построим специфические торговые стратегии для выделенных кластеров.
Генетический алгоритм
Общая схема
Фитнесс-функция:
Граничное значение = 1.3
Генетический алгоритм
Генетический алгоритм распараллеливается
Используем это для увеличения быстродействия алгоритма
Генетический алгоритмПараллельный подход
Отдельный поток:
lBest – локальное значение максимума Фитнесс – функцииlEdge – локальное значение граничногозначения фитнесс-функцииSendGlobal(…) – событие, возникающиепри lBest>=lEdge
Генетический алгоритм
gBest – глобальное значение максимумаФитнесс-функции. Хранится в общей (Shared) памяти.lBest – значение максимума Фитнесс-функции в потоке n. ХранитсяВ локальной памяти потока, передаетсяв общий процесс с помощью события.
Общий процесс
Генетический алгоритм
Параллельный подход, общая схема
Основная идея
Далее будем пытаться выяснить, к какой ценовой модели относятся текущие котировки.
После этого будем применять известную стратегию к реальным данным.
Общая схема системы
Экономическая сводка
Наименование показателя Единица
измерения
Значение показателя
Технические показатели
Назначение программыАвтоматическая торговля на
фондовых биржах
Тип ЭВМ IBM-совместимая
Тип процессора Intel Core i5
Частота работы процессора ГГц ≥ 2
Объём оперативной памяти Гб ≥ 2
Свободное пространство на
жестком дискеГб ≥ 100
Технология для реализации .NET, язык С#
Операционная система Windows XP/Windows 7
Экономические показатели
Трудоёмкость разработки Чел.-ч. 1080
Число разработчиков чел. 3
Срок реализации разработки год 0,25
Сметная стоимость разработки руб. 343630
Заключение
В ходе работы была разработана архитектура автоматической торговой системы
Были исследованы генетические алгоритмы, их применимость к контексту динамически изменяющихся цен на бирже и возможность параллельной реализации Был реализован алгоритм иерархической
кластеризациии; Был реализован алгоритм кластеризации методом K
средних; Был разработан генетический алгоритм,
соответствующий контексту задачи; Был разработан комплекс программ, решающих
поставленную задачу.