遗传算法在股票短期投资决策中的运用_图文

1、2003年2月系统工程理论与实践第2期文章编号:100026788(2003022*遗传算法在股票短期投资决策中的运用胡冰1,潘福铮2,胡清锋2(1.北京博科信息(深圳有限公司北京分公司,北京100071;2.湖北大学数学与计算机学院,湖北武汉430062摘要:针对传统投资分析方法的局限性和一定程度的片面性,提出将遗传算法运用于股票短期投资分析,具体解释了染色体、适应值等参数在股市分析中的实际意义,并设计了选择、杂交、变异算子的使用方案,同时改进了算法提出“伸展算子”最后以上海股票市场为例,进行实证研究,通过实验数据和结果的分析,说明算法的有效性关键词:遗传算法;股票市场;投资预测;伸展算子中

2、图分类号:F832.5文献标识码:AA pp licati on of the Genetic A lgo rithmin Sho rt2term Stock Investm en t D ecisi on2m ak ingHU B ing1,PAN Fu2zheng2,HU Q ing2feng2(1.Beijing B ranch Com Beijing Boke M essage Industrial(ShenzhenCo,ITD,Beijing100071,Ch ina;2.Schoo l of M athe2 m atics and Computer Science,H ubeiU

3、niversity,W uhan430062,Ch inaAbstract:In o rder to co rrect the locality and partiality in the classical analysis m ethod fo r investm ent,a genetic algo rithm used in sho rt2ter m stock investm ent analysis is p ropo sed.Significance of ch romo2som e,adap t value param eter in the stock m arket is

4、exp lained and an app lied schem e of selecti on,cro ss2breed,and variati on operato r is designed.W e p ropo se an i m p roved calculati on m ethodextended opera2to r.A fter app licati on of the m ethod in Shanghai stock m arket,it has been confir m ed that the calcula2ti on m ethod is co rrect and

5、 effective.Key words:genetic algo rithm;sho rt2ter m investm ent;extended operato r经济活动中,股票已成为投资的热点,对股价走势的分析与预测,将成为重要的研究课题,具有重要意义目前,对股票市场上股价的趋势预测有两类方法:一为基本分析,它通过分析企业的资产内容,经营状况、产生动向及一般经济形式等,确定此种证券的投资价值,再与该证券的市场价比较,以确定投资的方式一为技术分析,它直接从证券市场的市场行为入手,透过图表、技术指标和记录,探求价格变化的规律性,由此来预测未来价格的变动趋势它建立在“市场行为体现一切信息”、“

6、历史总会重演”的假设之上1两类分析方法都存在计算模型,它们的思想均是基于线性的,预测的结果建立在概率统计的基础之上现代研究表明,社会经济系统(尤其是证券、期货等风险投资作为复杂的开放大系统,具有高度非线性、多维的典型特征因此对这类系统行为的预测,传统的基于稳定趋势或基于随机过程等线性模型的方法是不恰当的我们主张将两种分析方法结合起来,并纳入到非线性系统中,这样就可以做到较全面的预测:即考虑到公司的业绩和发展,又兼顾市场行为对股价的影响与此同时,还能脱离传统方法的限制,尽可能真实的反映客观实际本文将遗传算法和传统的基本分析和技术分析结合起来收稿日期:2001206220作者简介:胡冰(1976-

7、,女,湖南,研究生,研究方向为计算机财会8系统工程理论与实践2003年2月1遗传算法在股票市场中的适用性遗传算法是模拟生物进化过程的一种新的全局优化搜索算法,适用于复杂、多维的非线性系统与传统方法比较,具有以下特点和优势:1对问题本身的要求降低许多即对问题的数学函数的连续、可微等无要求,甚至不要求问题有函数定义式,而只有一量化的约束即可;2能够胜任解空间趋于无限的问题算法具有强收敛性和内在并行性,可以在相对短的时间里,逼近整个解空间并找到解2我国的股票市场是一个非有效的市场,影响股价的因素众多,难于刻画出股价与各种影响因素的函数关系与此同时,随着上市公司的不断兴起,新股的陆续上市,我国目前在证

8、券交易所挂牌的股票数已有1000多只,而且还会不断壮大广大投资者在从如此众多的股票中进行选择时,为了在获取收益的同时,也能规避风险,通常会进行投资组合如果对已上市的所有股票进行组合,共有2n(n为股票总数种情况,随着n的增大,搜索空间可以视为无限所以,基于股市的上述特点,我们可以得出,传统的基于一定函数模型的分析方法,是处于一种比较理想的环境之下,分析的对象具有特定性,搜索的空间一般为有限的,因而分析的结论仅仅是一简单的指导意义而遗传算法可以让我们脱离函数表达式的限制,在近似于无限的空间内搜索最优解它能够反映出股价随机波动的特点,而且,在算法基础上建立的模型,可以比较真实、全面地刻画股票市场2

9、对遗传算法的改进“伸展算子”在股票市场上,随时都会有新股的上市,劣质股票的摘牌如果按照算法的要求,固定染色体的长度,一方面使遗传算法的使用失去了现实意义;另一方面,有可能因为个体中包含了劣质股票,丢失了较具生命力的新股,使得算法的收敛性受到影响,其执行结果也没有指导意义因此,我们对算法作了改进,提出了“变串长”的思想,并自定义了“伸展算子”在遗传程序中,每向前进化一代,均会搜索一次新股,如果存在,则增加染色体的长度定义(伸展算子对于2个体X,建立个体空间到个体空间的映射T e:SS,其作用方式为对个体空间S中的每一个个体X,将其长度变为+k(kZ+.3遗传算子的设计1选择算子该算子在一条染色体

10、上操作,它把当前种群中的个体按与适应值成比例的概率复制到新的种群中适应值相对较高的染色得到较多的繁殖机会,产生更多的后代;适应值低的染色体则产生的后代少,甚至被性能更好的后代个体所代替我们采用“赌盘选择”技术实现选择算子2杂交算子该算子是遗传算法的灵魂杂交保证算子的寻优不是仅限于种群之内,通过交换父代杂交位置上的子串,产生与父代不同的染色体,以实现向整个搜索空间的逼近杂交概率的计算公式为高于种群平均适应值的染色体个数3,其中为调整系数,C hm D i m ension为种群规模C hmD i m ension3引进算子选择和杂交可以保证种群不断向高适应值进化,但易损失群体多样性,使算法陷入局

11、部最优变异算子可以解决可行解丢失的现象我们将变异算子和删除算子结合起来,随机选中种群中的某一种染色体,用一条新的染色体替换被选染色体,以实现变异这种算子被称为“引进算子”3变异概率的计算公式为M u ta tionR a te U p p er -当前代数-Genetic N umGenetic N um3其中M u ta tionR a te Upp er =0.01,Genetic N um 为最大代数目4伸展算子在迭代的每一代中,我们均要比较该代的股票数目(即基因子个数与上一代是否相同若大于上一代股票数目,则需使用伸展算子,增加基因串长度,以添加新股在程序设计时,我们将染色体定义为动态数

12、组因此,从程序色度上讲,实现伸展算子,只需重新设置动态数组的长度,然后对新增加的数组元素赋值4遗传程序及数据分析我们首先解释算法的各种术语在股票投资背景下的实际意义1定义染色体我们根据上海股票市场的上市股票数目定义染色体的长度m 染色体上的每一位(基因代表一只股票,一条染色体就代表一种投资组合定义基因的取值为0或1,分别表示某种股票不被选取和被选取不难推出,整个个体空间共有2m 条染色体2种群规模和最大代数目我们从个体空间中随机抽取128条染色体,形成一个种群我们准备以30天作为一个预测期,因此,最大代数目取为303适应值函数适应值的设计是算法核心的核心,非常关键从算法本身而言,它关系到遗传操

13、作的对象,也涉及算法的停止准则,从而影响到算法的收敛性和效率;从问题自身的角度上看,适应值是从实际背景中抽取出来的,其设计的优劣程度,关系到算法的应用是否具有实际意义适应值函数是针对染色体而言的,它与组成该染色的基因的评价值存在函数关系此处,我们为了便于描述,将适应值函数划分为染色体的适应值函数(f (C hm 和基因的适应值函数(f (Genen .我们定义基因的适应值函数由四个部分组成:股价收益率、换手率、系数和技术指标1股价收益率(P R :计算公式为当天的收盘价昨天的收盘价-1.由于上市公司频繁的配股、分红,使得原本非常简单的收盘价变得复杂起来公司配股、分红之后,表面上股票价格下跌,但

14、是出于流通股数增加,股资者并未蒙受损失我们在实现算法的过程中,不能直接利用原始数据参与计算我们将参考上证30指数的修正原则,以使得个股票能恒定在某一流通量上,而将量上的变化反映到价格的变化中对于收盘价的修正公式如下:收盘价-红利+配股价3每股配股数1+红股数+配股数2换手率(ER :用于反映了市场上交易活跃的程度计算公式为当天的成交量流通A 股的股数股票价格和成交量能够反映我国整个股市的状态,是进行投资预测时必须考虑的重要因素3系数:来源于资本资产定法模型,用于表示风险4技术指标:我们选KD 指标该指标适用于中短期股票的技术分析,而且指标的设计充分考虑到价格波动的随机振幅与中短期波动的测算,短

15、期预测能力很强,具有一定的敏感性由上可知,该适应值具有客观性、综合性的特点,真正体现了以市场为导向,风险与收益并存函数模型为:f (Genen i =w 1P R +w 2ER +w 3+w 4KD .其中,w 1,w 2,w 3,w 4为定义的权值,则染色体适应值函数为f (Chm j =(2f (Genen j i m .其中m 为该染色体上值为1的基因的位数5定义停止准则由于算法本身具有收敛性,当算法执行到一定程度时,整个群体中,各染色体的适应值相差甚微通过计算每一代最优染色体的适应值与劣质染色体的适应值的差值是否达到一定精度(的要求,判断算法是否停止然后,设计遗传程序流程图如图19第2

16、期遗传算法在股票短期投资决策中的运用 我们以上海股票市场为例,进行实证研究,得出的数据(仅例举部分数据及结果列于表1在进化的每一代中,种群的平均适应值如表2算法执行结果为优选出的股票代码:600610(中纺机,600721(百花村,600623(轮胎橡胶,600137(包装,600109(成百集团,600703(活力28,600804(浙江创业,600097(恒泰,600845(钢管,600745(康赛集团,600768(宁波华通,600818(永久,600082(津百股份,600146(大元股份,600629(棱光,600813(鞍一工投资者可以关注上述股票,选准买卖时机以大元股份为例,我们

17、将预测期前后的走势作一个对比,如图2,图3由上述数据及图像可知:1算法在进化过程中,种群平均值的总体趋势在升高但是,种群平均适应值并不是直线式上升,主要原因在于引进算子的效用因此,算法具有收敛性,并在一定程度上不会轻易隐入局部极小;2优选出来的股票具有一定的规律,体现出板块效应,比较符合我国股票市场的特点;3预测结果具有一定的准确度以大元股份为例,该股票在预测期内,虽然几度沉浮,但最终买方战胜卖方,股价持续上扬;在预测期后,于3月22日,创下历史新高上述说明优选出来的股票具有一定的投资意义,可以提供参考我们认为,算法具有一定的可靠性,是建立在遗传算法可以运用于在股市分析这一前提之上,同时还取决

18、于下述几个方面:第一,基因适应值函数的四个组成部分均为决定股票行情的关键因素,在一定程度上符合客观01系统工程理论与实践2003年2月实际情况;第二,对于算法的核心杂交算子,在实现过程中,是对基因组合的所有情况的一次遍取,杂交操作具有充分性;第三,遗传算法适用于复杂、多维的非线性系统,与股票市场的特征相符表1遗传程序数据及结果(仅例举部分数据 20010108102001010830.04638740792870522001010850.04092971980571752001010870.03520057350397112001010880.0409297198057175200101081

19、00.040929719805717520010108110.045678995549678820010108120.040929719805717520010108140.032768815755844120010108150.040929719805717520010108160.049308501183986720010108170.035330422222614320010108180.040929719805717520010108190.047497011721134220010108200.034833915531635320010108210.0427930168807507200101082202001010824020010108260.044049177318811420010108270.03437443822622320010108280.04387546703219412001010829020010108300.038996264338493320010108310.04464079812169082001010832020010108330.040296759456396120010108340.045309178531169920010108350.0375604145228