Entwicklung von Handelssystemen mit der Genetischen Programmierung: Grundlagen und Fallbeispiel

Inhaltsverzeichnis

• Einführung
• Motivation
• Ziel und Aufbau
• Grundlagen und Stand der Technik
• Genetische Programmierung
• Aufbau eines Programms
• Initialisierung der GP Population
• Die Genetischen Operatoren
• Fitness Funktion
• Selektion
• Ablauf des GP Algorithmus
• Crossover, Building Blocks und Schemata
• Ansätze gegen Makromutation
• Modularisierung
• Weitere Verbesserungsansätze
• Künstliche Neuronale Netze
• Bestandteile neuronaler Netze
• Netztopologien
• Lernmethoden
• Handelssysteme
• Tape Reader
• Market Timing
• Position Sizing
• Vergleich von Handelssystemen
• Fundamentale versus Technische Analyse
• Der Währungsmarkt
• Entwicklungsansätze für Handelssysteme in der Literatur

Zielsetzung und Themenschwerpunkte

Die Arbeit befasst sich mit der Entwicklung von Handelssystemen mittels Genetischer Programmierung (GP). Ziel ist es, ein Softwaresystem zu entwickeln, das anhand historischer Kursdaten Handelssysteme generiert und deren Profitabilität durch Simulation überprüft. Neben der Beschreibung des Entwicklungsprozesses werden die wichtigsten Grundlagen und Herausforderungen im Bereich der GP und der technischen Handelssystementwicklung beleuchtet.

• Anwendung von GP zur Entwicklung von Handelssystemen
• Analyse der Profitabilität erzeugter Handelssysteme durch Simulation
• Entwicklung eines Software-Frameworks für die Evolutionärer Algorithmen
• Bewertung von GP im Vergleich zu anderen Methoden wie künstlichen neuronalen Netzen (KNN)
• Optimierung von Handelssystemen durch Anpassung an veränderte Marktbedingungen

Zusammenfassung der Kapitel

• Einführung: Diese Einleitung stellt die Motivation hinter der Arbeit dar, erläutert die Ziele und gibt einen Überblick über den Aufbau der Arbeit.
• Grundlagen und Stand der Technik: Dieses Kapitel behandelt die grundlegenden Prinzipien der Genetischen Programmierung und der Künstlichen Neuronalen Netze. Es beleuchtet den aktuellen Stand der Technik und diskutiert wichtige Aspekte wie den Aufbau von Programmen, die Initialisierung von Populationen, die Genetischen Operatoren, Fitness-Funktionen und Selektionsprozesse. Es werden auch Ansätze zur Verbesserung der GP-Methoden sowie die Funktionsweise von KNN beschrieben.
• Handelssysteme: Dieses Kapitel widmet sich den Grundlagen von Handelssystemen und analysiert verschiedene Aspekte, darunter Tape Reader, Market Timing, Position Sizing und verschiedene Kennzahlen zur Vergleichbarkeit von Handelssystemen. Es werden außerdem die Methoden der Fundamentalen und Technischen Analyse sowie die Effizienter Markt Hypothese vorgestellt.
• Entwurf: Dieses Kapitel beschreibt den Entwurf des Systems zur evolutionären Entwicklung von Handelssystemen, genannt "EVAM". Es definiert die Anforderungen an die einzelnen Komponenten, wie Kursdatenserver, Datenvorverarbeitung, Evolutionärer Algorithmus und Darstellung der Handelsaktivität.
• Implementierung: Dieses Kapitel erläutert die konkrete Implementierung des Systems, insbesondere die Klassen, die für die Erfassung und Bereitstellung von Kursdaten sowie die Ausführung des Evolutionären Algorithmus verantwortlich sind.

Schlüsselwörter

Die Arbeit beschäftigt sich mit den Themen Genetische Programmierung, Handelssysteme, Währungshandel, Evolutionäre Algorithmen, Technische Analyse, Künstliche Neuronale Netze und Risikoadjustierte Kennzahlen.

Häufig gestellte Fragen

Wie wird Genetische Programmierung (GP) für Handelssysteme genutzt?

GP wird eingesetzt, um Handelsregeln automatisch zu evolvieren, die auf historischen Kursdaten basieren und profitable Kauf- oder Verkaufssignale generieren.

Was ist eine Fitnessfunktion im Kontext von Handelssystemen?

Die Fitnessfunktion bewertet die Qualität eines Handelssystems, meist basierend auf dem erzielten Gewinn oder risikoadjustierten Kennzahlen während einer Simulation.

Was versteht man unter Makromutation?

Makromutation bezeichnet große, oft destruktive Änderungen im Programmcode während der Evolution. Knotengewichte können helfen, diese einzudämmen.

Welche Vorteile bietet GP gegenüber neuronalen Netzen?

GP erzeugt oft besser interpretierbare Regeln (z. B. in Baumstruktur), während neuronale Netze häufig als "Black Box" agieren.

Was ist Position Sizing?

Position Sizing bestimmt, wie viel Kapital pro Trade eingesetzt wird, um das Risiko zu minimieren und den Gesamtertrag des Handelssystems zu optimieren.