利用遺傳演算法庫DEAP優化交易策略

張國平發表於2019-04-02
演算法優化

首先，要感謝VNPY.com論壇 keke分享 海龜策略深入研究-策略回測系列-17 基於遺傳演算法的訊號優化  一文


https://www.vnpy.com/forum/topic/269-hai-gui-ce-lue-shen-ru-yan-jiu-ce-lue-hui-ce-xi-lie-17-ji-yu-yi-chuan-suan-fa-de-xin-hao-you-hua


經過一段時間學習和使用，深感這個是用於交易策略引數優化的優秀方法。這個說一些理解。


  1. 優化的物件就是這樣一個list陣列  [16, 8, 24, 1, 13, 8, 1] ，其實就是交易策略的引數，比如cciWindows，BollDev。類似於DNA。

  2. 首先要生成這樣一個陣列，這裡keke做了一個方法，具體就是隨機生成一個陣列，同時確保每個數在一個範圍內。

    這裡我加了一個陣列，針對K線的時間，這樣就不會出現7分鐘k線這個比較奇怪的情況。 

    1. timerange = [2,3,5,10,15,20]
bartime = random.choice(timerange

  3. 就是設定進化選擇，這裡就是呼叫vnpy回測方法，用回測的指標，比如年化收益，sharpe ratio，收益虧損比等。這裡建議加入一個清理的，避免多執行緒問題。我是使用按此統計，而不是按日統計；感覺比較準確     engine.clearBacktestingResult()

  4. 然後就是對於這一大堆不同策略陣列群體進行遺傳進化，包括按照概率任意兩個list陣列交叉包含的數，生成新的list，類似於繁殖。同時也有一定概率

    一個list數字改變；還有就是有一個名人堂(HallofFame)機制，選擇幾個最好的陣列，一直保持在群體裡面，其實這些名人堂存在價值變成了後面的參照組。

    這裡原文是用DEAP原生方法mutUniformInt，在(6,40)直接隨機生成一個數字替代原來的。但是考慮之前建立時候，每個是有個範圍，可能適合抵押給數字的範圍並不適合最後一個，比如k線時間。這裡我做了個自己突變方法替代原來的。 

    • tools.mutUniformInt,low = 4,up = 40,indpb=0.6)

    • def mutArrayGroup(individual,parameterlist, indpb):
    size = len(individual)
    parameterlist  = parameterlist()
    for i in xrange(size):
        if random.random() < indpb:
            individual[i] = parameterlist[i]
    return individual,
 toolbox.register("mutate", mutArrayGroup, parameterlist = parameter_generate, indpb=0.6

    這樣跑下來就差不多了，如果想要多執行緒請在toolbox初始化後加入下面程式碼 

import multiprocessing
pool = multiprocessing.Pool(processes=(multiprocessing.cpu_count()-2))
toolbox.register("map", pool.map)


來自 “ ITPUB部落格 ” ，連結：http://blog.itpub.net/22259926/viewspace-2640136/，如需轉載，請註明出處，否則將追究法律責任。

相關文章