Transcript
Konstrukcja portfela akcji o optymalnej wartości wskaźnika Sharpe'a przy pomocy algorytmu genetycznego Paweł Oruba Uniwersytet Śląski w Katowicach
Kraków, 19 kwietnia 2015
Wskaźnik Sharpe’a (reward-to-variability)
Cechy algorytmów genetycznych • Kodowanie parametrów • Działanie na populacjach • Korzystanie z minimum informacji • Zrandomizowane operacje
Terminologia • Chromosom – ciąg kodowy (łańcuch znaków) • Gen – cecha • Fenotyp - rozwiązanie
Generacja populacji potomnej
START
Selekcja
Generacja populacji początkowej
Krzyżowanie Mutacja
Ocena przystosowania wszystkich osobników
TAK KONIEC
Czy spełniony warunek stopu?
NIE
Reprezentacja osobników Osobnik = [ch1, ch2, ch3, ch4]
Po wylosowaniu bitów dla chromosomów: Osobnik = [1001, 1010, 0111, 0001] Po zdekodowaniu: Osobnik = [9, 10, 7, 1] Fenotyp: Osobnik = [33%, 37%, 26%, 4%]
Selekcja Koło ruletki
Osobnik 1
Osobnik 2
Osobnik 3
Osobnik 4
Osobnik 5
Krzyżowanie chromosomowe z prawdopodobieństwem Pk = 0.7
Parametry algorytmu genetycznego • liczba historycznych tygodniowych notowań akcji: 25 (od 2014-05-02 do 2014-10-17), • długość chromosomu: 8, • liczba chromosomów (spółek): 20, • liczebność populacji: 16, • prawdopodobieństwo krzyżowania: 0.4, • prawdopodobieństwo mutacji: 0.01, • liczba iteracji: 10 000, • stopa zwrotu wolna od ryzyka: stopa zwrotu indeksu WIG20 w badanym okresie, • dopuszczona możliwość zakupu części akcji.
Wynik: Najlepiej przystosowany osobnik WS = 7.95 Stopa zwrotu = 15.8%
SNS, 2.0%
ALR, 1.8% TPE, 6.8%
ACP, 4.6%
BZW, 4.5%
PZU, 13.0%
CPS, 11.6%
PKO, 2.6% PKN, 1.8% PGN, 2.5%
ENG, 17.0%
PGE, 1.4% PEO, 2.7% OPL, 4.3% MBK, 3.0%
KGH, 11.3%
EUR, 1.5%
LWB, 3.7% LPP, 3.7% ACP
ALR
BZW
CPS
ENA
ENG
EUR
KGH
LPP
LWB
MBK
OPL
PEO
PGE
PGN
PKN
PKO
PZU
SNS
TPE
Czy taka inwestycja ma sens?
Bibliografia
