论文部分内容阅读
使用人工智能领域的遗传规划算法构建交易策略是当前投资实务界和学术界日趋活跃的重要研究问题.现有遗传规划策略的适应度都是静态的单目标,并未准确刻画自然界和金融市场真实的环境特点,文章提出一种随机性多目标适应度策略.首先将文献中单目标策略在沪深300指数上进行测评,然后以夏普比率(Sharpe)、信号正确率(Accuracy)、收益回撤比(refdown)三种指标为基础,在权重中引入随机系数项构建随机性多目标适应度,并基于强类型遗传规划和滚动窗口交易模式,构建出一种STGP-RMO-Rolling策略.在对沪深300的实证分析中,其样本外收益率较单目标策略平均提高10％以上,夏普比率提高2.0以上,对上证50、中证500的测试也取得类似效果.进一步在沪深300股指期货上进行了长达7年的测试分析,STGP-RMO-Rolling获得了84.47％的超额收益率,尤其在熊市中表现出色,不过在牛市难以战胜“买入-持有”策略.对滚动窗口的训练、预测长度进行敏感性分析,发现最佳参数组合为125/20,且最优参数附近呈现出可信的参数平原特征.