基于遗传规划的智能交易策略方法.PDF

证券研究报告_量化投资专题 证券研究报告_XX 报告 2012 年 09 月 16 日 2011 年 6 月 14 日 基于遗传规划的智能交易策略方法 ——另类交易策略系列之九 安宁宁 资深分析师 电话：0755 eMail：ann@ 执业编号：S0260512020003 系统交易策略已成全球对冲基金首选策略 根据Barclay Hedge数据，全球对冲基金管理规模在2007年达到2.13万亿美元的巅峰之后略有小幅萎缩，截止2012 年1季度总规模在1.76万亿，而其中采用CTA策略的管理规模从1980年以来均呈逐年递增态势，截止目前为止总规 模达到了3280亿美元，占全球对冲基金总规模的18.6%，已成为对冲基金首先策略之一。 CTA策略又包含两大类，一类是利用程序化进行系统交易，一类是非系统交易（比如人为定性分析交易），就结构 来看，系统化交易策略已经占到了80%的比例，具有绝对主导地位。 系统交易策略新动向：遗传规划智能方法 业内程序化交易策略开发基本上都是从研究经典交易策略开始的，在前人的基础之上，结合自身的交易特点、风 格以及心得或融合各家之长，或对若干进行改进而最终形成自己的交易策略，而当策略逐渐失效之后，再回头检 查问题，挖掘失效原因，寻找新的市场特点对原有策略进行改进升级为新一代策略，如此反复。 而这一过程与达尔文之物种进化颇有相似之处，物种适者生存及进化繁衍的过程与系统交易策略强者为王及策略 改进升级的过程如出一辙，人工智能领域的遗传规划因此可以用来进行系统交易策略研发。 事实上，BIG BLUE 及 R-MESA 的创始人已经成功的将遗传规划运用于系统交易策略开发，并在 Futures Truth Magazine 跟踪的 TOP10 策略排行榜中占据六席。 智能交易策略生成 首先我们构建了自己的遗传规划算法框架，在设定了群体规模为 500，个体适应度为收益回撤比的情况下，以股 指期货 5 分钟为交易周期，进行日内程序化交易策略的进化迭代生成，算法在迭代至 54 次之后收敛，累计测试 了27000 个策略。 最优策略的实证结果如下，全样本来看，年化收益率为 116%，胜率为 42.68%，赔率为 1.91倍，历史最大回撤为 -8.2%，分年度来看，2010、2011、2012 年化收益率分别为 118%、67%、34%，胜率分别为 39%、42%、45%，赔率 分别为 2.36、1.80、1.54，最大回撤分别为-6.18%、-7.48%、-8.09%，交易次数方面，每年交易在 400 次左右， 平均每天 1.6 次。 未来研究方向 遗传规划博大精深，我们未来的研究将围绕我们构建的整体算法框架，在输入终端集、函数算子、交易规则以及 树形结构方面进行更深的讨论，敬请关注。 广发证券公司或其关联机构可能会持有报告中所涉及的公司所发行的证券并进行交易，亦可能为这些公司提供或争取提供承销等服 务。本报告中所有观点仅供参考，并请务必阅读正文之后的免责声明。 本报告联系人：安宁宁 0755 ann@ 量化投资专题 目录索引