Burton sugeriu em seu livro, "A Random Walk Down Wall Street", (1973) que, "Um macaco com os olhos vendados jogando dardos nas páginas financeiras de um jornal pode selecionar um portfólio que faria tão bem como um cuidadosamente selecionado por especialistas ". Embora a evolução tenha tornado o homem mais inteligente na escolha de estoques, a teoria de Charles Darwin é bastante eficaz quando aplicada de forma mais direta. (Para ajudá-lo a escolher ações, confira Como escolher um estoque .)

TUTORIAL: Estratégias de colheita de estoque

Quais são os algoritmos genéticos?
Os algoritmos genéticos (GAs) são métodos de resolução de problemas (ou heurísticas) que imitam o processo de evolução natural. Ao contrário das redes neurais artificiais (RNAs), projetadas para funcionar como neurônios no cérebro, esses algoritmos utilizam os conceitos de seleção natural para determinar a melhor solução para um problema. Como resultado, os GAs são comumente usados ​​como otimizadores que ajustam parâmetros para minimizar ou maximizar alguma medida de feedback, que pode então ser usada de forma independente ou na construção de uma ANN.

Nos mercados financeiros, os algoritmos genéticos são mais comumente usados ​​para encontrar os melhores valores de combinação de parâmetros em uma regra de negociação, e podem ser incorporados em modelos ANN projetados para escolher ações e identificar trades. Vários estudos demonstraram que esses métodos podem se tornar efetivos, incluindo "Algoritmos Genéticos: Gênesis de Avaliação de Estoque" (2004) por Rama e "As Aplicações de Algoritmos Genéticos na Otimização de Mineração de Dados de Mercado de Valores" (2004) por Lin, Cao, Wang , Zhang. (Para saber mais sobre ANN, veja Redes Neurais: Previsão de Lucros .)

Como funcionam os algoritmos genéticos
Os algoritmos genéticos são criados matematicamente usando vetores, que são quantidades que têm direção e magnitude. Os parâmetros para cada regra de negociação são representados com um vetor unidimensional que pode ser pensado como um cromossomo em termos genéticos. Enquanto isso, os valores utilizados em cada parâmetro podem ser pensados ​​como genes, que são então modificados usando a seleção natural.

Por exemplo, uma regra de negociação pode envolver o uso de parâmetros como Moving Average Convergence-Divergence (MACD), Exponential Moving Average (EMA) e Stochastics. Um algoritmo genético então entraria os valores nesses parâmetros com o objetivo de maximizar o lucro líquido. Ao longo do tempo, pequenas mudanças são introduzidas e aqueles que fazem um desejável impacto são mantidos para a próxima geração.

Existem três tipos de operações genéticas que podem então ser realizadas:

• Os cruzamentos representam a reprodução e o cruzamento biológico visto na biologia, pelo qual uma criança assume certas características de seus pais.
• As mutações representam mutação biológica e são usadas para manter a diversidade genética de uma geração de uma população para a próxima, introduzindo pequenas mudanças aleatórias.
• As seleções são o estágio em que os genomas individuais são escolhidos de uma população para reprodução posterior (recombinação ou crossover).

Estes três operadores são então usados ​​em um processo de cinco etapas:

1. Inicialize uma população aleatória, onde cada cromossomo é n - comprimento, sendo n o número de parâmetros. Ou seja, um número aleatório de parâmetros são estabelecidos com n cada um.
2. Selecione os cromossomos, ou parâmetros, que aumentam os resultados desejáveis ​​(presumivelmente lucro líquido).
3. Aplicar operadores de mutação ou crossover aos pais selecionados e gerar uma prole.
4. Recombine a prole e a população atual para formar uma nova população com o operador de seleção.
5. Repita os passos dois a quatro.

Ao longo do tempo, esse processo resultará em cromossomos (ou, parâmetros) cada vez mais favoráveis ​​para uso em uma regra de negociação. O processo é encerrado quando um critério de parada é cumprido, o que pode incluir tempo de execução, aptidão, número de gerações ou outros critérios. (Para mais informações sobre o MACD, leia Negociação A Divergência MACD .)

Usando Algoritmos Genéticos na Negociação
Enquanto os algoritmos genéticos são usados ​​principalmente por comerciantes quantitativos institucionais, os comerciantes individuais podem aproveitar o poder dos algoritmos genéticos - sem diploma em matemática avançada - usando vários pacotes de software no mercado. Essas soluções variam de pacotes de software independentes voltados para os mercados financeiros para os complementos do Microsoft Excel que podem facilitar análises práticas.

Ao usar essas aplicações, os comerciantes podem definir um conjunto de parâmetros que são então otimizados usando um algoritmo genético e um conjunto de dados históricos. Algumas aplicações podem otimizar quais parâmetros são usados ​​e os valores para eles, enquanto outros são focados principalmente em simplesmente otimizar os valores para um determinado conjunto de parâmetros. (Para saber mais sobre essas estratégias derivadas do programa, veja O poder dos comerciantes de programas .)

Principais sugestões e truques de otimização
Ajuste de curva (sobre montagem), projetando um sistema de negociação em torno de dados históricos, em vez disso do que identificar o comportamento repetitivo, representa um risco potencial para os comerciantes que usam algoritmos genéticos. Qualquer sistema de negociação que utilize GAs deve ser testado no papel antes do uso ao vivo.

Escolhendo parâmetros é uma parte importante do processo, e os comerciantes devem procurar parâmetros que se correlacionem com mudanças no preço de uma determinada segurança. Por exemplo, experimente diferentes indicadores e veja se algum parece se correlacionar com as principais voltas do mercado.

A linha inferior
Os algoritmos genéticos são formas únicas de resolver problemas complexos ao aproveitar o poder da natureza. Ao aplicar esses métodos para prever os preços dos títulos, os comerciantes podem otimizar as regras de negociação, identificando os melhores valores a serem usados ​​para cada parâmetro para uma determinada segurança. No entanto, esses algoritmos não são o Santo Graal, e os comerciantes devem ter o cuidado de escolher os parâmetros certos e não ajustar a curva (em excesso). (Para ler mais sobre o mercado, confira Listen To The Market, Not Is Pundits .)