Download - Automate trading via genetic programming
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.