4.2 进化算法——从进化论得到的灵感

8/31/2018 11:47:18 PM 人评论次

如果不用拟合参数，很多想法都不能付之于实践，但用了拟合参数，又不知道如何解决刻舟求剑的处境。直到读了一本书《物种起源》，我才知道如何处理拟合参数的问题。4.2.1 变异和遗传物种是不断演化的（进化翻译有点问题，达尔文从未说过进化），这与新数据所产生的规律也是不断变化的相近。那么物种为什么演化呢？是为了适应当下的环境。新数据的变化也是符合了当时阶段的需要。这样一来，数据的变化和物种的演化其实是可以类比的。物种一方面为了适应当下的环境而发生变异，一方面为了将自己的基因延续下去而有遗传性，所以物种适应...

如果不用拟合参数，很多想法都不能付之于实践，但用了拟合参数，又不知道如何解决刻舟求剑的处境。直到读了一本书《物种起源》，我才知道如何处理拟合参数的问题。

4.2.1 变异和遗传

物种是不断演化的（进化翻译有点问题，达尔文从未说过进化），这与新数据所产生的规律也是不断变化的相近。那么物种为什么演化呢？是为了适应当下的环境。新数据的变化也是符合了当时阶段的需要。这样一来，数据的变化和物种的演化其实是可以类比的。

物种一方面为了适应当下的环境而发生变异，一方面为了将自己的基因延续下去而有遗传性，所以物种适应的环境以当下为主。但物种也不是每一个瞬间都会发生变化，可以推导出物种是适应以当下为终点向前推至一段时间的环境。这里要注意的问题是：它适应的是一段时间的环境，而不是地球诞生以来至今的平均环境。

放在数据里面来理解，总结数据的规律也是以一定时间为基础，时间不能太长，不是全部数据的平均化。也不能太短，不能是一个月两个月乃至一年两年的规律。

所以选择以14年为“一段时间”，从1991年至2004年做为一个基数，总结出规律，如表4-1所示，把这个规律用于2005年。然后再用1992年至2005年的数据作为一个基数，总结出新的规律，如表4-2所示，把这个规律用于2006年。以此类推。图4-3为1991年至2004年的数据对比图，图4-4为1992年至2005年的数据对比图。

表4-1 1991年1月2日至2004年12月31日，14年时间数据

4.2 进化算法——从进化论得到的灵感

4.2.2 历史统计数据

表4-2 1992年1月3日至2005年12月30日，14年时间数据

4.2 进化算法——从进化论得到的灵感

图4-3 1991年至2004年数据对比

4.2 进化算法——从进化论得到的灵感

图4-4 1992年至2005年数据对比

表4-1给出的规律中，星期五上涨的概率最大。所以2005年我们可以在星期四收盘时买进，再在星期五收盘时卖出。当然还有另一种方法，由于星期一和星期四的下跌概率大，其他三天的上涨概率大。也可以在星期一收盘时买进，星期三收盘时卖出，星期四收盘时买进，星期五收盘时卖出。表4-2给出的规律中，只有星期五的上涨概率超过了50%。2006年我们可以只在星期四买进，星期五卖出。

表4-3至表4-12为1993年开始至2015年结束的所有以14年为基数总结出来的规律。从这些规律中，你可以想象一下，该如何制订下一年的交易规律了。并且纵观所有这些表格中星期四、星期五的规律，都是星期四下跌概率大于50%，上涨概率大于50%，即便不使用其他方法，只按照星期四收盘买进，星期五收盘卖出，也会有非常大的收益。

不要小看这些数据，建立在概率上的策略回测必须有些这数据作为支撑。

表4-3 1993年1月4日至2006年12月29日，14年时间数据

4.2 进化算法——从进化论得到的灵感