遺傳算法在股票短期投資決策中的運用_圖文

1、2003年2月系統(tǒng)工程理論與實踐第2期文章編號:100026788(2003022*遺傳算法在股票短期投資決策中的運用胡冰1,潘福錚2,胡清鋒2(1.北京博科信息(深圳有限公司北京分公司,北京100071;2.湖北大學(xué)數(shù)學(xué)與計算機學(xué)院,湖北武漢430062摘要:針對傳統(tǒng)投資分析方法的局限性和一定程度的片面性,提出將遺傳算法運用于股票短期投資分析,具體解釋了染色體、適應(yīng)值等參數(shù)在股市分析中的實際意義,并設(shè)計了選擇、雜交、變異算子的使用方案,同時改進(jìn)了算法提出“伸展算子”最后以上海股票市場為例,進(jìn)行實證研究,通過實驗數(shù)據(jù)和結(jié)果的分析,說明算法的有效性關(guān)鍵詞:遺傳算法;股票市場;投資預(yù)測;伸展算子中

2、圖分類號:F832.5文獻(xiàn)標(biāo)識碼: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經(jīng)濟活動中,股票已成為投資的熱點,對股價走勢的分析與預(yù)測,將成為重要的研究課題,具有重要意義目前,對股票市場上股價的趨勢預(yù)測有兩類方法:一為基本分析,它通過分析企業(yè)的資產(chǎn)內(nèi)容,經(jīng)營狀況、產(chǎn)生動向及一般經(jīng)濟形式等,確定此種證券的投資價值,再與該證券的市場價比較,以確定投資的方式一為技術(shù)分析,它直接從證券市場的市場行為入手,透過圖表、技術(shù)指標(biāo)和記錄,探求價格變化的規(guī)律性,由此來預(yù)測未來價格的變動趨勢它建立在“市場行為體現(xiàn)一切信息”、“

6、歷史總會重演”的假設(shè)之上1兩類分析方法都存在計算模型,它們的思想均是基于線性的,預(yù)測的結(jié)果建立在概率統(tǒng)計的基礎(chǔ)之上現(xiàn)代研究表明,社會經(jīng)濟系統(tǒng)(尤其是證券、期貨等風(fēng)險投資作為復(fù)雜的開放大系統(tǒng),具有高度非線性、多維的典型特征因此對這類系統(tǒng)行為的預(yù)測,傳統(tǒng)的基于穩(wěn)定趨勢或基于隨機過程等線性模型的方法是不恰當(dāng)?shù)奈覀冎鲝垖煞N分析方法結(jié)合起來,并納入到非線性系統(tǒng)中,這樣就可以做到較全面的預(yù)測:即考慮到公司的業(yè)績和發(fā)展,又兼顧市場行為對股價的影響與此同時,還能脫離傳統(tǒng)方法的限制,盡可能真實的反映客觀實際本文將遺傳算法和傳統(tǒng)的基本分析和技術(shù)分析結(jié)合起來收稿日期:2001206220作者簡介:胡冰(1976-

7、,女,湖南,研究生,研究方向為計算機財會8系統(tǒng)工程理論與實踐2003年2月1遺傳算法在股票市場中的適用性遺傳算法是模擬生物進(jìn)化過程的一種新的全局優(yōu)化搜索算法,適用于復(fù)雜、多維的非線性系統(tǒng)與傳統(tǒng)方法比較,具有以下特點和優(yōu)勢:1對問題本身的要求降低許多即對問題的數(shù)學(xué)函數(shù)的連續(xù)、可微等無要求,甚至不要求問題有函數(shù)定義式,而只有一量化的約束即可;2能夠勝任解空間趨于無限的問題算法具有強收斂性和內(nèi)在并行性,可以在相對短的時間里,逼近整個解空間并找到解2我國的股票市場是一個非有效的市場,影響股價的因素眾多,難于刻畫出股價與各種影響因素的函數(shù)關(guān)系與此同時,隨著上市公司的不斷興起,新股的陸續(xù)上市,我國目前在證

8、券交易所掛牌的股票數(shù)已有1000多只,而且還會不斷壯大廣大投資者在從如此眾多的股票中進(jìn)行選擇時,為了在獲取收益的同時,也能規(guī)避風(fēng)險,通常會進(jìn)行投資組合如果對已上市的所有股票進(jìn)行組合,共有2n(n為股票總數(shù)種情況,隨著n的增大,搜索空間可以視為無限所以,基于股市的上述特點,我們可以得出,傳統(tǒng)的基于一定函數(shù)模型的分析方法,是處于一種比較理想的環(huán)境之下,分析的對象具有特定性,搜索的空間一般為有限的,因而分析的結(jié)論僅僅是一簡單的指導(dǎo)意義而遺傳算法可以讓我們脫離函數(shù)表達(dá)式的限制,在近似于無限的空間內(nèi)搜索最優(yōu)解它能夠反映出股價隨機波動的特點,而且,在算法基礎(chǔ)上建立的模型,可以比較真實、全面地刻畫股票市場2

9、對遺傳算法的改進(jìn)“伸展算子”在股票市場上,隨時都會有新股的上市,劣質(zhì)股票的摘牌如果按照算法的要求,固定染色體的長度,一方面使遺傳算法的使用失去了現(xiàn)實意義;另一方面,有可能因為個體中包含了劣質(zhì)股票,丟失了較具生命力的新股,使得算法的收斂性受到影響,其執(zhí)行結(jié)果也沒有指導(dǎo)意義因此,我們對算法作了改進(jìn),提出了“變串長”的思想,并自定義了“伸展算子”在遺傳程序中,每向前進(jìn)化一代,均會搜索一次新股,如果存在,則增加染色體的長度定義(伸展算子對于2個體X,建立個體空間到個體空間的映射T e:SS,其作用方式為對個體空間S中的每一個個體X,將其長度變?yōu)?k(kZ+.3遺傳算子的設(shè)計1選擇算子該算子在一條染色體

10、上操作,它把當(dāng)前種群中的個體按與適應(yīng)值成比例的概率復(fù)制到新的種群中適應(yīng)值相對較高的染色得到較多的繁殖機會,產(chǎn)生更多的后代;適應(yīng)值低的染色體則產(chǎn)生的后代少,甚至被性能更好的后代個體所代替我們采用“賭盤選擇”技術(shù)實現(xiàn)選擇算子2雜交算子該算子是遺傳算法的靈魂雜交保證算子的尋優(yōu)不是僅限于種群之內(nèi),通過交換父代雜交位置上的子串,產(chǎn)生與父代不同的染色體,以實現(xiàn)向整個搜索空間的逼近雜交概率的計算公式為高于種群平均適應(yīng)值的染色體個數(shù)3,其中為調(diào)整系數(shù),C hm D i m ension為種群規(guī)模C hmD i m ension3引進(jìn)算子選擇和雜交可以保證種群不斷向高適應(yīng)值進(jìn)化,但易損失群體多樣性,使算法陷入局

11、部最優(yōu)變異算子可以解決可行解丟失的現(xiàn)象我們將變異算子和刪除算子結(jié)合起來,隨機選中種群中的某一種染色體,用一條新的染色體替換被選染色體,以實現(xiàn)變異這種算子被稱為“引進(jìn)算子”3變異概率的計算公式為M u ta tionR a te U p p er -當(dāng)前代數(shù)-Genetic N umGenetic N um3其中M u ta tionR a te Upp er =0.01,Genetic N um 為最大代數(shù)目4伸展算子在迭代的每一代中,我們均要比較該代的股票數(shù)目(即基因子個數(shù)與上一代是否相同若大于上一代股票數(shù)目,則需使用伸展算子,增加基因串長度,以添加新股在程序設(shè)計時,我們將染色體定義為動態(tài)數(shù)

12、組因此,從程序色度上講,實現(xiàn)伸展算子,只需重新設(shè)置動態(tài)數(shù)組的長度,然后對新增加的數(shù)組元素賦值4遺傳程序及數(shù)據(jù)分析我們首先解釋算法的各種術(shù)語在股票投資背景下的實際意義1定義染色體我們根據(jù)上海股票市場的上市股票數(shù)目定義染色體的長度m 染色體上的每一位(基因代表一只股票,一條染色體就代表一種投資組合定義基因的取值為0或1,分別表示某種股票不被選取和被選取不難推出,整個個體空間共有2m 條染色體2種群規(guī)模和最大代數(shù)目我們從個體空間中隨機抽取128條染色體,形成一個種群我們準(zhǔn)備以30天作為一個預(yù)測期,因此,最大代數(shù)目取為303適應(yīng)值函數(shù)適應(yīng)值的設(shè)計是算法核心的核心,非常關(guān)鍵從算法本身而言,它關(guān)系到遺傳操

13、作的對象,也涉及算法的停止準(zhǔn)則,從而影響到算法的收斂性和效率;從問題自身的角度上看,適應(yīng)值是從實際背景中抽取出來的,其設(shè)計的優(yōu)劣程度,關(guān)系到算法的應(yīng)用是否具有實際意義適應(yīng)值函數(shù)是針對染色體而言的,它與組成該染色的基因的評價值存在函數(shù)關(guān)系此處,我們?yōu)榱吮阌诿枋?將適應(yīng)值函數(shù)劃分為染色體的適應(yīng)值函數(shù)(f (C hm 和基因的適應(yīng)值函數(shù)(f (Genen .我們定義基因的適應(yīng)值函數(shù)由四個部分組成:股價收益率、換手率、系數(shù)和技術(shù)指標(biāo)1股價收益率(P R :計算公式為當(dāng)天的收盤價昨天的收盤價-1.由于上市公司頻繁的配股、分紅,使得原本非常簡單的收盤價變得復(fù)雜起來公司配股、分紅之后,表面上股票價格下跌,但

14、是出于流通股數(shù)增加,股資者并未蒙受損失我們在實現(xiàn)算法的過程中,不能直接利用原始數(shù)據(jù)參與計算我們將參考上證30指數(shù)的修正原則,以使得個股票能恒定在某一流通量上,而將量上的變化反映到價格的變化中對于收盤價的修正公式如下:收盤價-紅利+配股價3每股配股數(shù)1+紅股數(shù)+配股數(shù)2換手率(ER :用于反映了市場上交易活躍的程度計算公式為當(dāng)天的成交量流通A 股的股數(shù)股票價格和成交量能夠反映我國整個股市的狀態(tài),是進(jìn)行投資預(yù)測時必須考慮的重要因素3系數(shù):來源于資本資產(chǎn)定法模型,用于表示風(fēng)險4技術(shù)指標(biāo):我們選KD 指標(biāo)該指標(biāo)適用于中短期股票的技術(shù)分析,而且指標(biāo)的設(shè)計充分考慮到價格波動的隨機振幅與中短期波動的測算,短

15、期預(yù)測能力很強,具有一定的敏感性由上可知,該適應(yīng)值具有客觀性、綜合性的特點,真正體現(xiàn)了以市場為導(dǎo)向,風(fēng)險與收益并存函數(shù)模型為:f (Genen i =w 1P R +w 2ER +w 3+w 4KD .其中,w 1,w 2,w 3,w 4為定義的權(quán)值,則染色體適應(yīng)值函數(shù)為f (Chm j =(2f (Genen j i m .其中m 為該染色體上值為1的基因的位數(shù)5定義停止準(zhǔn)則由于算法本身具有收斂性,當(dāng)算法執(zhí)行到一定程度時,整個群體中,各染色體的適應(yīng)值相差甚微通過計算每一代最優(yōu)染色體的適應(yīng)值與劣質(zhì)染色體的適應(yīng)值的差值是否達(dá)到一定精度(的要求,判斷算法是否停止然后,設(shè)計遺傳程序流程圖如圖19第2

16、期遺傳算法在股票短期投資決策中的運用 我們以上海股票市場為例,進(jìn)行實證研究,得出的數(shù)據(jù)(僅例舉部分?jǐn)?shù)據(jù)及結(jié)果列于表1在進(jìn)化的每一代中,種群的平均適應(yīng)值如表2算法執(zhí)行結(jié)果為優(yōu)選出的股票代碼:600610(中紡機,600721(百花村,600623(輪胎橡膠,600137(包裝,600109(成百集團,600703(活力28,600804(浙江創(chuàng)業(yè),600097(恒泰,600845(鋼管,600745(康賽集團,600768(寧波華通,600818(永久,600082(津百股份,600146(大元股份,600629(棱光,600813(鞍一工投資者可以關(guān)注上述股票,選準(zhǔn)買賣時機以大元股份為例,我們

17、將預(yù)測期前后的走勢作一個對比,如圖2,圖3由上述數(shù)據(jù)及圖像可知:1算法在進(jìn)化過程中,種群平均值的總體趨勢在升高但是,種群平均適應(yīng)值并不是直線式上升,主要原因在于引進(jìn)算子的效用因此,算法具有收斂性,并在一定程度上不會輕易隱入局部極小;2優(yōu)選出來的股票具有一定的規(guī)律,體現(xiàn)出板塊效應(yīng),比較符合我國股票市場的特點;3預(yù)測結(jié)果具有一定的準(zhǔn)確度以大元股份為例,該股票在預(yù)測期內(nèi),雖然幾度沉浮,但最終買方戰(zhàn)勝賣方,股價持續(xù)上揚;在預(yù)測期后,于3月22日,創(chuàng)下歷史新高上述說明優(yōu)選出來的股票具有一定的投資意義,可以提供參考我們認(rèn)為,算法具有一定的可靠性,是建立在遺傳算法可以運用于在股市分析這一前提之上,同時還取決

18、于下述幾個方面:第一,基因適應(yīng)值函數(shù)的四個組成部分均為決定股票行情的關(guān)鍵因素,在一定程度上符合客觀01系統(tǒng)工程理論與實踐2003年2月實際情況;第二,對于算法的核心雜交算子,在實現(xiàn)過程中,是對基因組合的所有情況的一次遍取,雜交操作具有充分性;第三,遺傳算法適用于復(fù)雜、多維的非線性系統(tǒng),與股票市場的特征相符表1遺傳程序數(shù)據(jù)及結(jié)果(僅例舉部分?jǐn)?shù)據(jù) 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