用遺傳算法評價部分股市常用技術指標的探索

徐建

Abstract： Genetic Algorithm is a good tool for searching optimal or suboptimal solutions. In this paper， to compare the advantages and disadvantages of various technical indicators， the Genetic Algorithm is used to find the optimal use strategy for technical indicators of stock market in order to obtain the maximum profit. A basic strategy is adopted， which is to find the technical index and a certain limit value of its difference as the conditions for buying and selling. By analyzing the data， the paper has built index evaluation system.

引言

股市中，人們常用一些技術指標來幫助人們操作股票。選用何種技術指標，技術指標的好壞即已成為研究探索的關注焦點。好的指標可以幫助股票操作者賺取更多的盈利，不好的指標往往誤導操作者，所以對指標的評價是個重要的問題。首先，一個指標怎么用才是最佳使用，使用得好，效果才好；使用得不好，優(yōu)等指標也難以有效發(fā)揮作用。綜上分析指出，首先就要知道該如何最佳使用一個指標。其次，在此基礎上，已經(jīng)能夠獲知了最佳的使用方法后，就要衡量比較各個指標的盈利能力，由此則可構建形成一個好的評價方法。本文擬采用遺傳算法找出指標的最佳使用方法，再利用其年化利潤率來實現(xiàn)指標評價。針對這一課題，將展開分析論述如下。

1數(shù)據(jù)的準備和選擇

研究中，選擇了數(shù)據(jù)范圍在0～100之間的指標，股市歷史數(shù)據(jù)選擇上海證券市場的1990年12月19日至2016年9月2日的近26年的100只股票數(shù)據(jù)，遺傳算法的基因設置為26位二進制位。交易規(guī)則可做如下描述：買入條件為指標小于0到50之間的一個小于某個值（X1），并且當天的指標值與前一天的指標值之差（以后稱為差值）大于-50到50之間的一個值（D1）；賣出條件為指標大于50到100之間的一個值（X2）并且差值小于50到-50之間的一個值（D2）。其中，X1、X2分別對應基因的6位二進制位，D1、D2分別對應基因的7位二進制位。

根據(jù)實驗選擇基因數(shù)為1 000個，每次進化選擇200個最好的基因，然后在這200個基因中隨機交叉產(chǎn)生700個基因，并在200個最好基因中隨機地變異出100個基因，這樣構成新的1 000個基因。1 000個基因用一個數(shù)組JY（1 000）來存儲。

2算法設計

Step1隨機初始化基因數(shù)組JY。

Step2每個基因的累計總資產(chǎn)清零，股票下標為零。

Step3取下一只股票的數(shù)據(jù)。

Step4根據(jù)股票數(shù)據(jù)計算這只股票的指標數(shù)據(jù)。

Step5給每個基因分配10萬元資金。

Step6從指標有效數(shù)據(jù)開始到結束的一天并根據(jù)每個基因滿足的買賣條件進行買賣操作得到的最后資金。

Step7把尚未賣出的股票都賣出。

Step8交易最后的資金累加到總資產(chǎn)中。

Step9如果股票下標加1，股票下標<100，轉到Step3。

Step10根據(jù)總資產(chǎn)將基因按降序排列。

Step11基因未進化次數(shù)超過5次，則結束。

Step12選擇前200個基因JY（0）～JY（199），交叉產(chǎn)生700個新基因JY（200）～JY（899），再變異產(chǎn)生100個新基因JY（900）～JY（999）。

Step13轉到Step2。

3股票指標的設計實現(xiàn)

（1）KDJ指標。可參考代碼如下。

（2）DMIA指標。是由DMI指標變化得來，DMI指標的研發(fā)代碼可見如下。

（3）W& RA指標。來自W& R（威廉指標）的變化。W& R指標的代碼設計可做如下表述。

（4）MFI指標。研發(fā)代碼具體如下。

（5）EEXB指標。前述內容均為常見指標，而下面是由本文研發(fā)提出的一個技術指標。該指標的設計代碼可展示如下。

4實驗結果與分析

4.1實驗結果

綜上算法運行得到第一步的搜索結果的X1、X2、D1、D2，記為X10、X20、D10、D20。但這并非是最后的結果，因為搜索得較為粗糙，接下來將進行精細搜索。把X1、X2、D1、D2的搜索范圍變?yōu)閄10±1、X20±1、D10±1、D20±1，繼而依據(jù)上述算法再轉入精細搜索，得到最后的結果。

在PC機上運行各類指標的算法過程，運算10天后得到的結果可見表1。

4.2結果分析

由實驗結果分析可知，短線指標利潤率容易趨高，這是因為比長線指標操作頻繁所致。因此，只能將短線指標和短線指標參照比較，長線指標之間互相對照，才可提取得到合理運行效果。短線指標，如KDJ、W&R;、EEXB的設計處理結果可以看出：KDJ指標利潤率極低，表明KDJ不能用于同一的操作規(guī)則，牛市、熊市必須采取不同的使用規(guī)則。如果固定使用同一的規(guī)則，利潤率將極低。長線指標，如DMIA和MFI利潤率都不高，特別是DMIA指標。

5結束語

本文的探索研究只是一個初步嘗試，且僅采用了一種固定操作方式的一類評價。所評價的對象也只是滿足數(shù)值范圍在0～100之間的指標。指標的運用還具有更大的靈活性，比如：金叉、死叉、以及牛/熊市采取不同的使用策略等等。后續(xù)將在本文研究工作基礎上引入更多影響因素，拓展探討得出更加深入的實用、有益研究結論。

參考文獻

[1] 李敏強，張俊峰，寇紀淞. 遺傳算法在股市投資策略（戰(zhàn)略）研究中的應用[J]. 系統(tǒng)工程理論與實踐，1998（8）：19-25.

[2] 雷亮，汪同慶，彭軍，等. 改進的自適應遺傳算法應用研究[J]. 計算機科學，2009，36（6）：203-205，247.

[3] 王志美，陳傳仁. 遺傳算法理論及其應用發(fā)展[J]. 內蒙古石油化工，2006（9）：44-45.

[4] 謝丁. 股票技術分析指標的參數(shù)設置方法實證研究[J]. 河北金融，2010（3）：5-6，36.

[5] 朱威. 股票技術指標的統(tǒng)計分析[D]. 上海：華東師范大學，2006.

[6] 柯原. 股票投資技術指標KDJ值應用研究[J]. 管理與效益，1998（1）：47，46.

[7] 黃旭東，劉偉. 基于GARCH股票市場模型技術指標的理論分析[J]. 經(jīng)濟數(shù)學，2007，24（3）：254-259.