20120916-广发证券-另类交易策略系列之九_基于遗传规划的智能交易策略方法_22页_1mb

报告摘要

基于遗传规划的智能交易策略方法总结

核心内容概述

本文探讨了基于遗传规划（Genetic Programming）的智能交易策略生成方法，重点分析了其在CTA（商品交易顾问）策略中的应用。遗传规划作为一种人工智能技术，借鉴了达尔文的进化论思想，通过模拟自然选择和遗传机制，对交易策略进行自动优化和进化，从而生成具有高收益和低风险的交易系统。

主要观点

系统交易策略的主导地位：全球对冲基金中，CTA策略已成为主流，占总规模的18.6%，其中系统化交易策略占比高达80%，显示出程序化交易的强势地位。
遗传规划的应用价值：遗传规划能够自动寻找最优的交易策略表达式，其原理与交易策略的进化过程相似，能够有效替代传统的人工策略开发。
策略优化与实证结果：通过遗传规划算法，生成了一种基于股指期货5分钟K线的日内交易策略，该策略在54次迭代后收敛，测试了27000个策略，最终的最优策略在全样本中年化收益率达116%，胜率42.68%，赔率1.91倍，最大回撤为-8.2%。
未来研究方向：文章提出未来将围绕遗传规划算法框架，深入研究输入终端集、函数算子、交易规则和树形结构，进一步提升策略性能。

关键信息

一、CTA市场及策略介绍

CTA定义：CTA是商品交易顾问的简称，是管理期货基金的代名词，主要通过各种期货工具进行程序化交易。
市场规模：CTA市场自1980年以来持续增长，截至2012年1季度，管理资产规模为3283亿美元，占全球对冲基金的18.6%。
策略分类：CTA策略分为系统化交易和非系统化交易，其中系统化交易占主导地位（约80%）。
经典策略：如Aberration、R-Breaker、Big Blue等，均是基于趋势和日内突破的策略，且在TOP10榜单中表现优异。
遗传规划的兴起：遗传规划被用于策略研发，已在多个TOP10策略中取得成功，如TSL系列策略。

二、遗传规划算法

遗传规划原理：基于进化论，通过选择、交叉、变异等操作，不断优化策略表达式。
遗传算子：
- 精英算子：保留适应度最高的个体。
- 复制算子：按适应度比例复制个体。
- 交叉算子：交换个体的子树结构，生成新策略。
- 变异算子：随机替换子树结构，引入新特征。
适应度计算：
- 在符号回归中，以拟合均方误差为适应度。
- 在交易策略中，以年化收益率、收益回撤比等为适应度。
函数体与终端集：
- 函数集包括算术运算、逻辑运算、三角函数、条件运算等。
- 终端集包括输入变量（如开盘价、最高价、最低价、收盘价、成交量等）和随机数。

三、遗传规划智能策略

算法框架：
- 选定交易标的（如股指期货）。
- 构建输入变量集（如5分钟K线数据）。
- 设定交易规则（如信号值大于0时做多，小于0时做空）。
- 设置止损条件（如固定止损幅度0.5%）。
实证分析：
- 数据范围：2010年4月16日至2012年8月24日的股指期货5分钟K线数据。
- 策略表现：
  - 全样本：年化收益率116.08%，胜率42.68%，赔率1.91倍，最大回撤-8.20%。
  - 分年度：
    - 2010年：年化收益率118.98%，胜率39.22%，赔率2.36倍，最大回撤-6.18%。
    - 2011年：年化收益率67.01%，胜率44.13%，赔率1.80倍，最大回撤-7.48%。
    - 2012年：年化收益率34.03%，胜率44.98%，赔率1.54倍，最大回撤-8.09%。
- 交易频率：每年约400次交易，平均每天1.6次。
信号函数表达式：
- 最优策略的信号计算函数为：
  $$
  y = \cos (t t) + 2 \sin \left(\frac {\cos (l l + t t)}{\operatorname {a c o s} (\sin (l l) ^ {t t})}\right)
  $$
- 该函数通过树状结构表示，如图24所示。