基于指数移动平均线的交易系统
为了达到分散风险的目的，选取价格走势相关性较小的品种，本文将标的池选为RBM0, CUM0, RMM0, SRM0 等主力合约。获取2014年1月1日止2014年12月31日这些合约的日行情。
标的之间的相关系数矩阵 参数优化
网格算法 max_drawdown sharpe annualized_return 最后本文选择了5日短线，20日长线来作为回测的参数。下面画出其累计收益率的走势，以及具体风险指标。 遗传算法 那么有没有不遍历的方法进行参数优化？本文以机器学习的遗传算法为例，旨在提供一个思路，具体效果可能并没有那么理想，而且容易陷入局部最优解，后续还将多加调整。 遗传算法介绍 遗传算法是通过模拟大自然中生物进化的历程，来解决问题的。大自然中一个种群经历过若干代的自然选择后，剩下的种群必定是适应环境的。把一个问题所有的解看做一个种群，经历过若干次的自然选择以后，剩下的解中是有问题的最优解的。当然，只能说有最优解的概率很大。
['000000', '101011'] 0.5451 ['000010', '101101'] 0.5451 ['000010', '000010'] 0.5451 ['000000', '000100'] 0.5451 可以看到6次繁衍后，遗传算法最后也收敛到了最优解上。 感谢优矿技术支持与商业合作 源代码请点击 阅读原文 投稿、商业合作 请发邮件到：[email protected] 关注者 从1到10000 我们每天都在进步 听说，置顶关注我们的人都不一般 本文转载于微信公众号: 量化投资与机器学习(ZXL_LHTZ_JQXX)，更多微信文章请扫描关注公众号: |
|
声明：文章版权归原作者所有 部分文章转自互联网 如有侵权请联系
[邮箱地址] 删除
|
注册
登录
