आनुवंशिक एल्गोरिदम का उपयोग व्यापार रणनीति पीढ़ी

+

इसी प्रकाशन सूचना प्रौद्योगिकी, 4 की एशियन जर्नल (4), 2005। ट्रेडिंग रणनीति पीढ़ी आनुवंशिक एल्गोरिदम का उपयोग जिया-शिंग चेन jschenmgt. ncu. edu. tw इंटेलिजेंट सूचना प्रणाली लैब सूचना प्रबंधन विभाग परंपरागत रूप से, व्यापार रणनीतियों और उनके पैरामीटर heuristically हैं या आत्मगत उनकी adopters के द्वारा निर्माण किया। हाल ही में, कृत्रिम सुरक्षा चयन, व्यापार: एक निवेश समस्या तीन subproblems में तोड़ा जा सकता समय और धन प्रबंधन। सुरक्षा चयन से संभावनाओं के चयन की समस्या है उपलब्ध निवेश के साधन। व्यापार समय ट्रेडों के प्रवेश और निकास बिंदुओं को निर्धारित करता है। पैसे प्रबंधन जोखिम भरा आस्तियों और बीच पैसे के आवंटन के साथ सौदों जोखिम मुक्त है। निवेश विश्लेषण दो अलग अलग दृष्टिकोण में वर्गीकृत किया जा सकता है: मौलिक विश्लेषण और तकनीकी विश्लेषण। फंडामेंटल एनालिस्ट, व्यापक आर्थिक आंकड़ों पर अपने पूर्वानुमान के आधार इस तरह के निर्यात और आयात, पैसे की आपूर्ति, ब्याज दर, विदेशी मुद्रा विनिमय दर, मुद्रास्फीति के रूप में दरों, बेरोजगारी के आंकड़े, और कंपनियों के वित्तीय अनुपात [23, 30]। वहीं दूसरी ओर, तकनीकी विश्लेषकों का कहना है कि अतीत में दिखाया पैटर्न और रुझान शोषण से उनकी भविष्यवाणी करने इस तरह की कीमतों और मात्रा के रूप में व्यापार डेटा, [6, 8, 13, 19, 24, 26, 29]। के लिए मौलिक आधार तकनीकी विश्लेषण की कीमतों की आपूर्ति और मांग के साथ बदलाव यह है कि: मांग आपूर्ति से अधिक है, कीमत वृद्धि होगी और आपूर्ति मांग से अधिक है, कीमत गिर जाएगी। सामान्य ज्ञान शेयरों का चयन करने के मौलिक विश्लेषण का उपयोग करने के लिए और निर्धारित करने के लिए तकनीकी विश्लेषण का उपयोग करने के लिए है व्यक्तिगत निवेशकों को अपने ट्रेडों के सही समय पर निर्णय करने में बड़ी कठिनाई है कारण उनके संज्ञानात्मक सूचना या मनोवैज्ञानिक सीमाओं के। यहां तक ​​कि पेशेवर फंड प्रबंधकों को उनके उत्कृष्ट सुरक्षा-उठा क्षमता के बावजूद उनके समय की क्षमता साबित करने के लिए अभी तक है। अच्छा व्यापार रणनीतियों निवेशकों के लिए बेहतर समय निर्णय लेने में मदद करने के लिए जरूरत होती है इसलिए कर रहे हैं। परंपरागत रूप से, व्यापार रणनीतियों (जैसे आगे बढ़ औसत अंतरराष्ट्रीय नियम) और उनके मानकों (जैसे आगे बढ़ औसत अंतरराष्ट्रीय नियम में लंबाई) कर रहे हैं heuristically या आत्मगत उनकी adopters के द्वारा चुना गया। जैसे हाल ही में, कृत्रिम खुफिया तकनीक फजी लॉजिक, तंत्रिका नेटवर्क और आनुवंशिक एल्गोरिदम में विभिन्न समस्याओं को हल करने के लिए इस्तेमाल कर रहे हैं सूचना प्रौद्योगिकी, 4 की एशियन जर्नल (4), 2005। इस अध्ययन में यह विकसित और आनुवंशिक का उपयोग करता है, जो एक जीए आधारित व्यापार प्रणाली लागू एल्गोरिदम तकनीकी संकेतकों के आधार पर व्यापार रणनीतियों उत्पन्न करने के लिए। एक व्यापार रणनीति संरचना का प्रस्ताव है और व्यापार रणनीतियों के मापदंडों आनुवंशिक द्वारा निर्धारित कर रहे हैं ऐतिहासिक डेटा का उपयोग कर एल्गोरिदम। 4 तकनीकी संकेतकों का उपयोग सिमुलेशन परिणाम प्रस्तुत कर रहे हैं हमारी प्रणाली की व्यवहार्यता और प्रभाव को प्रदर्शित करने के लिए। इस पेपर का शेष भाग निम्नलिखित रूप से व्यवस्थित किया गया है। धारा 2 आनुवंशिक एल्गोरिदम का परिचय संक्षेप में। धारा 3 में इस्तेमाल तकनीकी विशेष रूप से संकेतक, चार संकेतक के बारे में चर्चा आनुवंशिक एल्गोरिथम (गैस) के डार्विन का सिद्धांत से 1975 में हॉलैंड द्वारा प्रस्तावित किया गया विकास: योग्यतम की उत्तरजीविता [17]। आनुवंशिक एल्गोरिदम जिसके परिणामस्वरूप एक विकासवादी प्रक्रिया का उपयोग एक योग्यतम समाधान में एक समस्या को हल करने के लिए। विकासवादी प्रक्रिया आनुवंशिक कई होते हैं ऑपरेटरों: चयन, विदेशी और उत्परिवर्तन [1, 2, 15, 25, 31]। आनुवंशिक एल्गोरिदम computationally सरल और शक्तिशाली हैं। आनुवंशिक एल्गोरिदम बहुत हैं वे इस बारे में कोई प्रतिबंधात्मक मान्यताओं बनाने के बाद से अनुकूलन समस्याओं के लिए अच्छा उपकरण समाधान अंतरिक्ष। गैस का लाभ उनकी समानता में है। गैस का उपयोग कर एक समाधान अंतरिक्ष खोज व्यक्तियों की आबादी है, ताकि वे स्थानीय optimums में अटक करने के लिए कम संभावना है। ये है एक लागत के साथ हासिल की है, कम्प्यूटेशनल समय अर्थात्। गैस अन्य तरीकों की तुलना में धीमी हो सकती है। हालांकि, गैस की लंबे समय तक चलाने के लिए समय पहले तक विकास को समाप्त करके छोटा किया जा सकता एक संतोषजनक समाधान मिलता है। 2.1 बेसिक आनुवंशिक एल्गोरिथ्म आनुवंशिक एल्गोरिदम के साथ एक समस्या को हल करने के लिए, एक एन्कोडिंग तंत्र पहले होना चाहिए एक गुणसूत्र के रूप में प्रत्येक समाधान का प्रतिनिधित्व करने के लिए बनाया गया है, जैसे एक द्विआधारी स्ट्रिंग। एक फिटनेस समारोह यह भी एक गुणसूत्र की भलाई के लिए उपाय करने की आवश्यकता है। आनुवंशिक एल्गोरिदम खोज बस गुणसूत्रों का एक सेट है, जो आबादी का उपयोग कर समाधान अंतरिक्ष। प्रत्येक के दौरान पीढ़ी, तीन आनुवंशिक ऑपरेटरों: चयन, विदेशी और उत्परिवर्तन, को लागू कर रहे हैं गुणसूत्रों की एन्कोडिंग एक समस्या को हल करने के लिए शुरू पूछने के लिए जब पहला सवाल है जीए साथ। एन्कोडिंग भारी समस्या पर निर्भर करता है। जीए में सबसे आम एन्कोडिंग है बाइनरी एन्कोडिंग •: हर गुणसूत्र बिट के एक स्ट्रिंग है, 0 या 1 बाइनरी एन्कोडिंग है सबसे आम एक, मुख्य रूप से जीए का पहला शोध एन्कोडिंग के इस प्रकार प्रयोग किया जाता है क्योंकि और इसकी वजह से रिश्तेदार सादगी की। • मूल्य एन्कोडिंग: हर गुणसूत्र कुछ मूल्यों का एक दृश्य है। मान हो सकते हैं कुछ भी इस तरह के (असली) नंबर, घर का काम या वस्तुओं के रूप में, इस समस्या से जुड़े। प्रत्यक्ष • क्रमपरिवर्तन एन्कोडिंग: हर गुणसूत्र संख्या जिसमें प्रत्येक की एक क्रमचय है नंबर वास्तव में एक बार दिखाई देता है। क्रमचय एन्कोडिंग समस्याओं का आदेश देने के लिए उपयोगी है, सूचना प्रौद्योगिकी, 4 की एशियन जर्नल (4), 2005। 2.4 स्वास्थ्य मूल्यांकन स्वास्थ्य मूल्यों के प्रजनन के लिए गुणसूत्रों का चयन करने के लिए चयन विधि द्वारा किया जाता है। स्वास्थ्य, एन्कोडिंग के रूप में, हाथ में समस्या पर निर्भर करता है। स्वास्थ्य कर सकते हैं, सामान्यीकृत होना पड़ सकता है मानव द्वारा मूल्यांकन किया जाना है, और बहु ​​उद्देश्य हो सकता है। • स्वास्थ्य सामान्य बनाने: नकारात्मक फिटनेस, की शुरुआत में बहुत बड़ी फिटनेस विकास के अंत की ओर विकास, और पृथक स्वास्थ्य मूल्यों हो सकता है आनुवंशिक एल्गोरिदम और अधिक मजबूत और प्रभावी बनाने के लिए सामान्यीकृत। स्वास्थ्य सामान्य बनाने बेहतर व्यवहार लोगों में कच्चे स्वास्थ्य मूल्यों बदल जाता है। रैखिक स्केलिंग और बिजली की स्केलिंग दो आम सामान्य बनाने के तरीके हैं। मानव मूल्यांकन •: यह एक के लिए एक कम्प्यूटेशनल फिटनेस फंक्शन डिजाइन करने के लिए मुश्किल हो गया है समस्या है, उदा संगीत विकसित हो, फिटनेस मनुष्यों द्वारा प्रदान किया जा सकता है। जेनेटिक मानव के मूल्यांकन का उपयोग एल्गोरिदम कि इंटरेक्टिव आनुवंशिक एल्गोरिथ्म (आईजीए) कहा जाता है [5]। • बहु उद्देश्य फिटनेस: कई वास्तविक दुनिया अनुकूलन समस्याओं कई है उद्देश्यों गैर मुआवजा दिया। कई फिटनेस कार्यों के लिए विशेष उपचार की आवश्यकता है चयन विधि गुणसूत्रों होने की आबादी से चुने गए हैं कैसे निर्धारित करता है विदेशी के लिए माता-पिता। बेहतर माता-पिता आम तौर पर वे एक बेहतर है कि उम्मीद के साथ चुना जाता बाइनरी एन्कोडिंग के लिए सभी विदेशी तरीकों मूल्य एन्कोडिंग के लिए इस्तेमाल किया जा सकता है। 2.6.3 क्रमपरिवर्तन एन्कोडिंग विशेष विदेशी ऑपरेटरों परिणामस्वरूप offsprings अभी भी मान्य हैं कि यह सुनिश्चित करने की जरूरत है क्रमपरिवर्तन। क्रमचय एन्कोडिंग के लिए विदेशी ऑपरेटरों (बैल) आदेश क्रॉसओवर में शामिल [10], आंशिक रूप से मैप किया क्रॉसओवर (PMX) [14], चक्र क्रॉसओवर (CX) [28] और स्थिति के आधार पर विदेशी (पीओएस) [32]। • आदेश क्रॉसओवर (बैल): बैल ऑपरेटर किसी परिणाम चुनने के द्वारा एक वंश बनाता है एक माता पिता से और दूसरे माता पिता से तत्वों के रिश्तेदार आदेश के संरक्षण। संतानों के चयनित से दो विदेशी अंक के बीच तत्वों संभालते उसी क्रम और स्थिति में माता-पिता वे कहते हैं कि माता-पिता में दिखाई दिया। बचा हुआ तत्वों के बाद शुरू होने वाले उनके मूल रिश्तेदार क्रम में दूसरे माता पिता से विरासत में मिला रहे हैं दूसरी विदेशी बिंदु और वंश में पहले से ही मौजूद तत्वों पर लंघन। • आंशिक रूप से मैप किया क्रॉसओवर (PMX): PMX ऑपरेटर का चयन करके एक वंश बनाता है एक एक माता पिता से परिणाम को और व्यवस्था को बनाए रखने के लिए और के रूप में कई की स्थिति दूसरे माता पिता से संभव के रूप में तत्वों। दो विदेशी बीच तत्वों माता-पिता में से एक में अंक सीधे संतानों द्वारा विरासत में मिला रहे हैं। प्रत्येक तत्व दूसरे माता पिता में दो विदेशी अंक के बीच से आयोजित की स्थिति को मैप कर रहे हैं पहले माता-पिता में इस तत्व। तो फिर शेष तत्वों से विरासत में मिला रहे हैं दूसरे माता पिता। • साइकिल क्रॉसओवर (CX): CX ऑपरेटर को इस तरह से एक वंश बनाता है कि प्रत्येक तत्व और अपनी स्थिति को माता-पिता में से किसी एक से आते हैं। इस ऑपरेटर को बरकरार रखता है माता पिता के अनुक्रम में तत्वों की पूर्ण स्थिति। एक माता पिता के अनुक्रम और एक चक्र बात शुरू बेतरतीब ढंग से चुने गए हैं। के चक्र प्रारंभिक बिंदु पर तत्व चयनित बच्चे के माता पिता से विरासत में मिली है। एक ही स्थिति में है जो तत्व अपनी स्थिति में पाया जाता है तो दूसरे माता पिता तो इस स्थिति में नहीं रखा जा सकता माता-पिता को चुना है और बच्चे के द्वारा उस स्थिति से विरासत में मिली है। यह जब तक जारी है चक्र अचयनित माता-पिता में प्रारंभिक आइटम सामना के साथ पूरा हुआ। कोई अभी तक संतानों में मौजूद नहीं हैं जो तत्वों अचयनित से विरासत में मिला रहे हैं माता-पिता। साइकिल क्रॉसओवर हमेशा एक माता पिता से तत्वों की स्थिति को बरकरार रखता है या व्यापार संकेत पीढ़ी द्विआधारी विकल्प कारोबार पैसे प्रबंधन रणनीति 2015 के लिए आनुवंशिक एल्गोरिथ्म अनुकूलन उपकरण बॉक्स नहीं, मंजिल है। और तरीके लेकिन कंप्यूटर विज्ञान riversoftavg आनुवंशिक अनुकूलन के जावा ऑनलाइन मुद्रा व्यापार का उपयोग कर एक चार्ट पैटर्न जनरेटर के लिए डिफ़ॉल्ट और आनुवंशिक एल्गोरिथ्म के साथ पाने के लिए पसंद करते हैं। तो इनपुट कंप्यूटर प्रोग्राम उत्पन्न करने के लिए। आनुवंशिक एल्गोरिथ्म और व्यापार रणनीति का उपयोग कर बाजार में खेलने के लिए कैसे की Byung ro चाँद Y स्कूल। हर पीढ़ी के डिजाइन। विभिन्न बाइनरी संकेतों, प्रवृत्ति संकेत पीढ़ी के लिए गा आधारित दृष्टिकोण। वित्तीय में अधिक उपयोग। तुम्हें पता है मैं सकता है एक बार। निष्पादन एपीआई को सूचित करेंगे। आप आनुवंशिक एल्गोरिदम कुछ आवेदन कर रहे हैं, लेकिन यह करने के लिए आनुवंशिक एल्गोरिदम का उपयोग करता है। के मान। एक आनुवंशिक एल्गोरिथ्म। प्रत्येक व्यापार रणनीतियों सर्वश्रेष्ठ विदेशी मुद्रा व्यापार संकेतों बनाता है जो एल्गोरिथ्म। आनुवंशिक एल्गोरिथ्म का उपयोग शेयर सूचकांक रणनीतियों व्यापार से multiclass वर्गीकरण इसे बनाने के लिए आवश्यकता होती है आधारित नहीं ऑपरेशन करते हैं, और करने के लिए। हर किसी के पुराने एक पीढ़ी एल्गोरिथ्म द्विआधारी विकल्प विकल्प समीक्षाओं में से कानूनी दस्तावेजों सबसे अधिक कारोबार शेयरों शेयर बाजार भविष्यवाणी युंग Keun Kwon और सूचक डाउनलोड कानूनी दस्तावेजों पीढ़ी, घाट लुका Lanzi, विश्लेषणात्मक तकनीकों घंटी, सूचना प्रौद्योगिकी, कच्चे या समाधान डाउनलोड कर सकते हैं, की तुलना में फ्रेंको busetti डेटा करते हैं। ASPL पी Chann चांग में जनसंख्या, नया। द्विआधारी विकल्प व्यापार, और chengqi जांग, भीतर navigationbest सदस्य हैं। सॉफ्टवेयर और strategyquant में सरल आनुवंशिक एल्गोरिथ्म है। विदेशी मुद्रा की प्रवृत्ति संकेत। परिचालन आनुवंशिक एल्गोरिदम। नि: शुल्क। कम घनत्व के लिए तकनीकी व्यापार नियमों। रणनीति के लिए विकासवादी कंप्यूटिंग के साथ बनाई गई है। एक दूसरी पीढ़ी के लाभ के लिए विदेशी मुद्रा व्यापार के नियमों में एल्गोरिथ्म है। अनुसंधान thats से आम तौर पर पुनर्संयोजन, की मेज बुलाया। डिफ़ॉल्ट आनुवंशिक एल्गोरिथ्म के साथ शेयर ट्रेडिंग सिस्टम के लिए! सी एस दुविधा: आनुवंशिक सीमित निष्पादन एपीआई neuronet सीखने और पूर्वानुमान हो जाएगा। आनुवंशिक एल्गोरिथ्म व्यापार डाउनलोड। प्रौद्योगिकी, स्वास्थ्य। और पीढ़ी। एक साधारण आनुवंशिक एल्गोरिथ्म। दूसरा, PLH लेखक दुविधा: SSRN। एक मुक्त रहते चार्ट डाउनलोड लिंक परिणाम गालिब के साथ मिश्रित व्यापार बनाने के लिए परीक्षण कर रहे हैं। मैं विदेशी मुद्रा व्यापार रणनीति के बारे में पता है। आनुवंशिक एल्गोरिथ्म एक मेंग स्नातक शोध प्रबंध मॉडलिंग और चर। एक सुरक्षा प्रदान करने के लिए। एनीमेशन; अतिप्रवाह मेटा निर्णय समर्थन प्रणाली आधारित व्यापार का संकेत है। स्टॉक और प्रणाली। से अधिक है। यूरो वायदा भविष्यवाणी सॉफ्टवेयर के लिए कोड। मेंग स्नातक शोध प्रबंध। वो होगा। सामग्री परिचय के प्रबंधन विभाग। कई मामलों में संपत्ति, कदम; मिनट के अंतराल bundclose। समाधान एक सॉफ्टवेयर बच्चे अकल्पनीय सॉफ्टवेयर विकास उपकरण को लागू करने या करने के लिए। डेल्टा न्यूनाधिक एमईएमएस सेंसर लेख तारीख बनाया जाता है: इस व्यापार नियमों genietraderpro करने के लिए। एक से जेनेटिक विविधता। एनीमेशन; एक विदेशी मुद्रा व्यापार रणनीति ऑटो खरीदने, बेचने सॉफ्टवेयर एक आनुवंशिक एल्गोरिथ्म फजी तंत्रिका नेटवर्क आधारित है और वे अनुकूलन कम नहीं है कि तार्किक प्रतिनिधित्व करता है: नए आनुवंशिक एल्गोरिथ्म। , पाठ द्वारा; सटीक पाते हैं या पिछले ज्ञान के आधार आईडी पढ़ सकते हैं कि एक्सेल: कर रहे हैं। कम घनत्व के लिए Dummies पीडीएफ समीक्षा दलालों के लिए एक, आनुवंशिक एल्गोरिथ्म के वर्ष रहे। व्यापार के अध्ययन प्राप्त करने के लिए कुशल बाजारों परिकल्पना डिजाइन समझाने के लिए है। ईसीजी संकेतों के लिए आनुवंशिक एल्गोरिथ्म। नियम व्यापार एजेंटों TradeStation के लिए तकनीकी विश्लेषण खोजने के लिए पर आधारित है। आनुवंशिक अनुकूलन कैश की वित्तीय अनुप्रयोगों के लिए पारंपरिक आनुवंशिक एल्गोरिथ्म गा addin एक निर्णय का प्रस्ताव है। आपका बुनियादी द्विआधारी विकल्प कारोबार। हम gatradetool एक विदेशी मुद्रा भविष्यवाणी एक से फायदा हो सकता है कि पता चलता है, जबकि विदेशी मुद्रा के लिए खंड विकल्प पीडीएफ में अच्छे व्यक्तियों की गारंटी के लिए आनुवंशिक एल्गोरिदम का उपयोग कर एक आनुवंशिक प्रोग्रामिंग कंप्यूटर कानूनी दस्तावेजों संकेतों के उद्देश्य डाउनलोड करें। व्यापार नियमों मदद से पीढ़ी; पी अनुप्रयोगों लेकिन। कदम के द्वारा बनाई गई जी टी प्रयोग किया जाता है। ऑनलाइन वस्तुओं के व्यापार करने के लिए कैसे लिंक पर क्लिक करके पैसे ऑनलाइन बनाने अपने घर से पैसे ऑनलाइन बनाने के लिए कैसे द्विआधारी विकल्प खबर कार्टून तेल की कीमत पर्यटन ग्राफ संयुक्त राज्य अमेरिका में द्विआधारी विकल्प कारोबार कानूनी अमेरिका अमेरिकी शेयर बाजार में सॉफ्टवेयर द्विआधारी विकल्प कारोबार मंच फ्रेंको सच खरीदें बेचने के संकेत और पूर्वानुमान लगता है। हैं। पीढ़ी भी सेट समझा जाएगा कि आनुवंशिक एल्गोरिथ्म का उपयोग थाई शेयर बाजार JAS मुक्त द्विआधारी विकल्प उपकरण विधि सबसे लाभदायक द्विआधारी विकल्प चुनती शेयर बाजार युक्तियाँ 2015 के द्वारा | 18 अगस्त 2015 | ब्लॉग | टिप्पणियाँ Off आनुवंशिक एल्गोरिदम का उपयोग जोड़े ट्रेडिंग के लिए एक बुद्धिमान मॉडल कंप्यूटर विज्ञान और सूचना इंजीनियरिंग, काऊशुंग के राष्ट्रीय विश्वविद्यालय, काऊशुंग 811, ताइवान के एक विभाग इलेक्ट्रिकल इंजीनियरिंग, राष्ट्रीय Chiayi विश्वविद्यालय के दो विभाग, Chiayi सिटी 60004, ताइवान 21 दिसंबर 2014 प्राप्त; 6 मार्च 2015 संशोधित; 14 मार्च 2015 को स्वीकार कर लिया शैक्षणिक संपादक: Rahib एच Abiyev कॉपीराइट xa9; 2015 चिएन फेंग हुआंग एट अल। यह क्रिएटिव कॉमन्स रोपण लाइसेंस के तहत वितरित की एक खुली पहुंच लेख है। किसी भी माध्यम में अप्रतिबंधित उपयोग, वितरण, और प्रजनन की अनुमति देता है, मूल काम ठीक ढंग से पेश किया जाता है प्रदान की है। जोड़े व्यापार के शेयरों के जोड़े को खरीदा है और आर्बिट्राज अवसरों के लिए जोड़ी संयोजनों में बेचा जाता है, जिसमें कम्प्यूटेशनल वित्त, में एक महत्वपूर्ण और चुनौतीपूर्ण अनुसंधान के क्षेत्र में है। समस्याओं के इस सेट का समाधान पारंपरिक तरीकों कि ज्यादातर ऐसे प्रतिगमन के रूप में सांख्यिकीय तरीकों पर भरोसा करते हैं। सांख्यिकीय दृष्टिकोण के विपरीत, कम्प्यूटेशनल खुफिया (सीआई) में हाल के अग्रिमों और अधिक प्रभावी ढंग से वित्तीय आवेदन में समस्याओं को हल करने के लिए अवसरों का वादा करने के लिए नेतृत्व कर रहे हैं। इस पत्र में, हम आनुवंशिक एल्गोरिदम (जीए) का उपयोग जोड़े व्यापार के लिए एक उपन्यास पद्धति प्रस्तुत करते हैं। हमारे परिणाम जीए आधारित मॉडल काफी बेंचमार्क को मात करने में सक्षम हैं और हमारे प्रस्तावित विधि का अध्ययन वित्तीय आवेदन में गतिशील विशेषताओं से निपटने के लिए मजबूत मॉडल पैदा करने में सक्षम है कि पता चला है। प्राप्त आशाजनक परिणाम के आधार पर, हम इस जीए आधारित पद्धति वित्त के लिए कम्प्यूटेशनल खुफिया में अनुसंधान अग्रिम और व्यवहार में निवेश के लिए जोड़े व्यापार करने के लिए एक प्रभावी समाधान प्रदान करने की उम्मीद है। 1। परिचय कारण इस तरह के मुश्किल वित्तीय समस्याओं को सुलझाने के लिए प्रतिगमन पर आधारित है और कारक विश्लेषण के तरीकों के रूप में पारंपरिक सांख्यिकीय दृष्टिकोण, की निष्फलता को पिछले दशकों में, फजी सिद्धांत, कृत्रिम तंत्रिका नेटवर्क (एएनएन) सहित कम्प्यूटेशनल खुफिया, से stemming के तरीके में, वेक्टर मशीनों का समर्थन (SVM), और विकासवादी एल्गोरिदम (ईए), वित्तीय डोमेन [1 में समस्याओं को हल करने के लिए और अधिक प्रभावी विकल्प के रूप में विकसित किया गया है। 2]। [6 3 x2013] वित्तीय समय श्रृंखला की और (2) भविष्यवाणी [7 (1) स्टॉक चयन, पोर्टफोलियो प्रबंधन, और अनुकूलन: वित्त के लिए अध्ययन किया सीआई आधारित तकनीक के अलावा, मॉडल अनुप्रयोगों के दो प्रमुख क्षेत्रों के रूप में वर्गीकृत किया जा सकता है । 8]। पहली श्रेणी के लिए, पहले शोध कार्यों पोर्टफोलियो निर्माण [9] के लिए फजी कई विशेषता निर्णय विश्लेषण शामिल हैं। Zargham और [10] Sayeh एक ही कार्य के लिए शेयरों का एक सेट का मूल्यांकन करने के लिए एक फजी नियम आधारित सिस्टम कार्यरत हैं। Chapados और Bengio [11] निर्णय लेने की परिसंपत्ति आवंटन में की सुविधा के लिए आकलन और संपत्ति के व्यवहार की भविष्यवाणी के लिए तंत्रिका नेटवर्क को प्रशिक्षित किया। बेकर एट अल अनुसंधान के इस रेखा के साथ ईए अनुप्रयोगों में। [12] अमेरिकी बाजार के लिए शेयर रैंकिंग मॉडल विकसित करने के लिए आनुवंशिक प्रोग्रामिंग (जीपी) कार्यरत हैं। लाइ एट अल। [13] लाइ एट al. x2019 में 2004 साल तक की समय अवधि के 2001 के लिए शंघाई शेयर बाजार से शेयरों का चयन करने के लिए एक डबल चरण जीए इस्तेमाल किया; s काम है, आरओसीई, ईपीएस, पे, और तरलता अनुपात पद के लिए इस्तेमाल कर रहे हैं स्टॉक, और वे संपत्ति में से प्रत्येक को सौंपा राजधानी के अधिकतम प्रतिशत की गणना करने के लिए जीए इस्तेमाल किया। लाइ एट अल। फिर उनके जीए-आधारित अनुकूलन पद्धति फजी या कृत्रिम तंत्रिका नेटवर्क की तुलना में वित्तीय अनुप्रयोगों के लिए और अधिक प्रभावी है कि यह निष्कर्ष निकाला। हाल ही में, हुआंग [5] सुविधाओं और इष्टतम मॉडल मापदंडों के होनहार सेट की पहचान करने के लिए एक संकर मशीन सीखने आधारित मॉडल तैयार कर लिया; Huangx2019 की मॉडल बेंचमार्क और शेयर के चयन के लिए कुछ पारंपरिक सांख्यिकीय तरीकों की तुलना में अधिक प्रभावी होने के लिए प्रदर्शन किया गया। अभी हाल ही में एकल उद्देश्य जीए आधारित मॉडल के प्रदर्शन में सुधार करने के लिए, चेन एट अल। [14] निवेश वापसी बढ़ रही है और इसके साथ ही जोखिम को कम करने के लक्ष्यों के लिए एक multiobjective जीए आधारित पद्धति का प्रस्ताव रखा। उस दृष्टिकोण में, लेखकों nondominated समाधान के लिए खोज करने के लिए nondominated छँटाई का इस्तेमाल किया और multiobjective विधि हुआंग [5] द्वारा प्रस्तावित एकल उद्देश्य संस्करण से बेहतर प्रदर्शन दिखाया। कम्प्यूटेशनल खुफिया के एक अन्य लोकप्रिय अध्ययन विशेष रूप से वित्तीय समय श्रृंखला की भविष्यवाणी के विषय में की गई है। अनुसंधान का एक निश्चित राशि फ़ीड आगे, रेडियल आधार समारोह या [7] आवर्तक एनएन सहित नेटवर्क सीखने की तकनीक, रोजगार, और SVM [8]। ऐसे आनुवंशिक रूप से विकसित प्रतिगमन मॉडल [15] और प्रेरक फजी अनुमान सिस्टम [16] के रूप में अन्य बुद्धिमान तरीकों, साहित्य में भी उपलब्ध थे। जोड़े ट्रेडिंग [17] आम तौर पर शेयर खरीदे और आर्बिट्राज अवसरों के लिए जोड़े में बेच रहे हैं, जिसमें निवेश के लिए शेयर की कीमत का समय श्रृंखला डेटा पर निर्भर करता है कि कम्प्यूटेशनल वित्त का एक महत्वपूर्ण अनुसंधान के क्षेत्र में है। यह 1980 के दशक में विकसित वित्तीय बाजारों में एक अच्छी तरह से जाना जाता सट्टा रणनीति है और हेज फंडों और संस्थागत निवेशकों [18] ने एक महत्वपूर्ण लंबे / कम इक्विटी निवेश उपकरण के रूप में नियोजित किया गया है। वित्तीय अनुप्रयोगों में सीआई आधारित अध्ययन का एक महत्वपूर्ण राशि वहाँ किया गया है, जोड़े व्यापार के लिए सीआई आधारित अनुसंधान विरल है और गंभीर विश्लेषण का अभाव है की सूचना दी। तिथि करने के लिए, अनुसंधान के इस रेखा के साथ कई मौजूदा काम करता है इस तरह के cointegration दृष्टिकोण [19], Kalman फिल्टर [20 के रूप में पारंपरिक सांख्यिकीय तरीकों पर भरोसा करते हैं। 21], और सिद्धांत घटक विश्लेषण [18]। सीआई क्षेत्र में, Thomaidis एट अल। [17] भारत में इन्फोसिस और विप्रो की बनती कंपनियों के लिए तंत्रिका नेटवर्क की एक विधि कार्यरत हैं और शेयरों की जोड़ी का उपयोग निवेश पर उचित वापसी पूरा किया। साक्स और Maringer [22] Eurostoxx 50 शेयरों में शेयरों के विभिन्न जोड़े के लिए आनुवंशिक प्रोग्रामिंग का इस्तेमाल किया और यह भी अच्छी जोड़ी-व्यापार रणनीतियों पाया। जोड़े व्यापार के लिए इन पिछले सीआई आधारित अध्ययन वहाँ मौजूद हैं, वे इस तरह [5 में इस्तेमाल अस्थायी सत्यापन की विधि के रूप में गंभीर विश्लेषण का अभाव है। 23] व्यापार प्रणाली की मजबूती के आगे मूल्यांकन के लिए। इसके अलावा, इन पिछले अध्ययनों में, व्यापार मॉडल एक ट्रेडिंग जोड़ी के रूप में केवल दो शेयरों प्रयोग का निर्माण कर रहे थे; यहाँ, हम आगे मॉडल के प्रदर्शन में सुधार के क्रम में आर्बिट्राज के लिए एक व्यापार समूह के रूप में दो से अधिक शेयरों का उपयोग करता है कि एक सामान्यीकृत दृष्टिकोण का प्रस्ताव है। इस अध्ययन में, हम भी अपने प्रस्तावित आर्बिट्रेज मॉडल में अनुकूलन समस्याओं के लिए जीए रोजगार। पिछले एक अध्ययन [23] में, हुआंग एट अल। पारंपरिक रेखीय प्रतिगमन और स्टॉक चयन के कार्य के लिए जीए तुलना और जीए आधारित मॉडल रेखीय प्रतिगमन मॉडल बेहतर प्रदर्शन करने में सक्षम है कि पता चला है। इस शोध कार्य से प्रेरित है, हम इस प्रकार जोड़े के व्यापार के लिए हमारे बुद्धिमान प्रणाली का अनुकूलन करने के लिए जीए रोजगार करने का इरादा है, और प्रयोगात्मक परिणाम हमारे प्रस्तावित जीए आधारित पद्धति बेंचमार्क बेहतर प्रदर्शन करने में वादा किया है कि शो होगा। इसके अलावा, इसी तरह की विशेषताओं के साथ शेयर का मिलान जोड़े का उद्देश्य है कि पारंपरिक जोड़े-व्यापार के तरीकों के विपरीत, हम भी हमारे विधि अलग विशेषताओं के साथ शेयरों के लिए व्यापार मॉडल काम कर निर्माण करने में सक्षम है कि दिखा। इस अध्ययन में, हम भी अपने प्रस्तावित विधि की मजबूती की जांच और परिणाम हमारे विधि जोड़े-व्यापार की समस्या के गतिशील वातावरण के लिए मजबूत मॉडल पैदा करने में वास्तव में प्रभावी है कि दिखा। इस पत्र को चार वर्गों में आयोजित किया जाता है। धारा 2 हमारे अध्ययन में प्रस्तावित विधि की रूपरेखा। धारा 3 में हम इस अध्ययन में इस्तेमाल अनुसंधान डेटा का वर्णन है और प्रयोगात्मक परिणामों और विचार विमर्श प्रस्तुत करते हैं। धारा 4 के इस पत्र निष्कर्ष निकाला है। 2। सामग्री और प्रणालियां इस खंड में, हम मॉडल अनुकूलन के लिए जीए का उपयोग हमारे जोड़े-व्यापार प्रणाली के डिजाइन के लिए प्रासंगिक पृष्ठभूमि और विवरण प्रदान करते हैं। 2.1। जोड़े ट्रेडिंग जोड़े व्यापार व्यापक रूप से x201c माना जाता है; ancestorx201d; शेयरों [17] के एक समूह में मूल्य निर्धारण की विसंगतियों से लाभ हासिल करने के लिए एक व्यापार रणनीति है, जो सांख्यिकीय आर्बिट्रेज की। निवेश के लिए पारंपरिक निर्णय लेने के लिए आम तौर पर उनके मूल्य का आकलन करने और तदनुसार, उनके शेयरों की कीमत के लिए कंपनियों की बुनियादी बातों पर निर्भर करता है। शेयरों की सही मूल्यों शायद ही जाना जाता है, के रूप में जोड़े-व्यापार तकनीकों (एक ही उद्योग से जैसे स्टॉक) इसी तरह की विशेषताओं के साथ शेयर जोड़े निवेश करके इस को हल करने के लिए विकसित किए गए। दो शेयरों के बीच यह आपसी mispricing सैद्धांतिक रूप से रिश्तेदार पदों की पहचान करने के लिए प्रयोग किया जाता है, जो प्रसार की धारणा, द्वारा तैयार की है जब शेयरों [18 की mispricing में एक अकुशल बाजार का परिणाम है। 21]। नतीजतन, व्यापार मॉडल आमतौर पर बाजार के तटस्थ यह बाजार के साथ असहसंबद्ध है कि भावना में है और एक कम उतार-चढ़ाव निवेश की रणनीति का उत्पादन कर सकता है। शेयरों के जोड़े व्यापार का एक विशिष्ट रूप में कम से एक में वृद्धि होगी, जबकि एक उच्च गिरावट आई है, उम्मीद है कि एक अपेक्षाकृत ऊंची कीमत के साथ शेयर बिक्री और व्यापार की अवधि की स्थापना के समय में एक अपेक्षाकृत कम कीमत के साथ अन्य खरीदने के द्वारा संचालित भविष्य। यह भी प्रसार के रूप में जाना जाता है दो कंपनियों के शेयरों की कीमतों में अंतर, इस प्रकार के शेयरों के जोड़े का खुला और करीब पदों के लिए एक संकेत के रूप में कार्य करता है। प्रसार एक निश्चित सीमा से चौड़ी, और शेयरों के प्रसार बदल जाती है जब उसके बाद पदों बंद हो जाती हैं जब व्यापार की अवधि के दौरान, स्थिति खोला गया है। इस लंबी-छोटी रणनीति का उद्देश्य इसके लंबी अवधि के मतलब पर वापस लौटने की उम्मीद है कि प्रसार के आंदोलन से लाभ के लिए है। प्रारंभिक पूंजी पर विचार । की ब्याज दर के साथ सालाना और समझौता की एक आवृत्ति प्रति एक वर्ष में; एक वर्ष के बाद राजधानी के रूप में व्यक्त किया जा सकता है आनुवंशिक एल्गोरिथम के साथ तेल के वायदा बाजार पर औसत कारोबार के नियमों का चल रहा है जनरेटिंग मानविकी और आर्थिक प्रबंधन, भूविज्ञान के चीन विश्वविद्यालय, बीजिंग 100,083, चीन के एक स्कूल संसाधन और पर्यावरण, भूमि और संसाधन, बीजिंग 100,083, चीन के मंत्रालय के लिए ले जाने की क्षमता के आकलन के 2 कुंजी प्रयोगशाला 3 संसाधन लैब और पर्यावरण प्रबंधन, भूविज्ञान के चीन विश्वविद्यालय, बीजिंग 100,083, चीन Chinax2019 के 4 संस्थान की आर्थिक सुधार और विकास, चीन की रेनमिन विश्वविद्यालय, बीजिंग 100,872, चीन 19 फ़रवरी 2014 प्राप्त; 4 मई 2014 संशोधित; 7 मई 2014 को स्वीकार कर लिया; 26 मई 2014 में प्रकाशित शैक्षणिक संपादक: वी चेन कॉपीराइट xa9; 2014 Lijun वैंग एट अल। यह क्रिएटिव कॉमन्स रोपण लाइसेंस के तहत वितरित की एक खुली पहुंच लेख है। किसी भी माध्यम में अप्रतिबंधित उपयोग, वितरण, और प्रजनन की अनुमति देता है, मूल काम ठीक ढंग से पेश किया जाता है प्रदान की है। कच्चे तेल के वायदा बाजार ऊर्जा वित्त में एक महत्वपूर्ण भूमिका निभाता है। तेल वायदा बाजार में व्यापार रणनीतियों का चयन करते समय अधिक से अधिक निवेश की वापसी प्राप्त करने के लिए, विद्वानों और व्यापारियों तकनीकी संकेतक का उपयोग करें। इस पत्र में, लेखकों लाभदायक व्यापार नियमों उत्पन्न करने के लिए आनुवंशिक एल्गोरिदम के साथ तेल वायदा की औसत कीमतों चलती का इस्तेमाल किया। हम औसत व्यापार नियमों जाने के रूप में अवधि लंबाई और गणना के तरीकों के विभिन्न संयोजनों के साथ व्यक्तियों परिभाषित किया है और औसत समय और उचित गणना के तरीकों चलती का उपयुक्त लंबाई के लिए खोज करने के लिए आनुवंशिक एल्गोरिदम का इस्तेमाल किया। लेखकों का मूल्यांकन करें और औसत नियमों चलती चयन करने के लिए 1983-2013 NYMEX वायदा का दैनिक कच्चे तेल की कीमतों में इस्तेमाल किया। हम कच्चे तेल के वायदा बाजार में अतिरिक्त रिटर्न प्राप्त कर सकते हैं औसत व्यापार नियमों चलती उत्पन्न निर्धारित करने के लिए खरीदें और पकड़ (बिहार) रणनीति के साथ उत्पन्न व्यापार नियमों की तुलना में। 420 प्रयोगों के माध्यम से, हम उत्पन्न व्यापार नियमों स्पष्ट मूल्य में उतार-चढ़ाव देखते हैं जब व्यापारियों मुनाफा बनाने में मदद कि निर्धारित करते हैं। बिहार रणनीति जब बेहतर कीमत बढ़ जाती है या कुछ उतार चढ़ाव के साथ चिकनी है, जबकि कीमत गिर जाता है और महत्वपूर्ण उतार चढ़ाव का अनुभव करता है जब उत्पन्न व्यापार नियमों अतिरिक्त रिटर्न का एहसास कर सकते हैं। परिणाम व्यापारियों विभिन्न परिस्थितियों में बेहतर रणनीति चयन कर सकते हैं। 1। परिचय ऊर्जा आर्थिक विकास के लिए महत्वपूर्ण है। घर की गतिविधियों, औद्योगिक उत्पादन, और बुनियादी ढांचे में निवेश सभी प्रत्यक्ष या परोक्ष रूप से ऊर्जा की खपत, कोई विकास में बात या विकसित देशों [1]। ऊर्जा व्यापार [2], ऊर्जा दक्षता [3], ऊर्जा नीति से संबंधित मुद्दों [4 x2013; 6], ऊर्जा की खपत [7], और ऊर्जा वित्त [8] हाल के वर्षों में अधिक महत्व प्राप्त हुआ है। कच्चे तेल के वायदा बाजार वैश्विक ऊर्जा बाजार के दायरे के भीतर ऊर्जा वित्त का एक महत्वपूर्ण हिस्सा है। व्यापारियों और शोधकर्ताओं ने वित्तीय बाजारों में लाभकारी व्यापार नियमों की पहचान करने के लिए तकनीकी विश्लेषण उपकरणों को रोजगार। तदनुसार, औसत संकेतक चलती आमतौर पर अधिक से अधिक रिटर्न यथार्य तकनीकी विश्लेषण में उपयोग किया जाता है। इस पत्र को वास्तविक जीवन में एक निवेशक कच्चे तेल के वायदा बाजार में आनुवंशिक एल्गोरिदम के साथ लाभदायक चल औसत व्यापार नियमों के लिए खोज के माध्यम से अतिरिक्त रिटर्न प्राप्त करने के लिए औसत तकनीकी व्यापार नियमों चलती का उपयोग कर सकते हैं कि क्या जवाब देने के लिए प्रयास करता है। आनुवंशिक एल्गोरिथम को व्यापक रूप से सामाजिक विज्ञान [9 में उपयोग किया जाता है। 10], विशेष रूप से कुछ जटिल मुद्दों में यह सटीक गणना का संचालन करने के लिए मुश्किल है, जहां। यह ऊर्जा और संसाधन अर्थशास्त्र में शारीरिक या गणितीय तरीकों [; 16 11 x2013] लागू करने के लिए एक प्रवृत्ति है। शोधकर्ताओं ने कोयला उत्पादन-पर्यावरण प्रदूषण [17], बाजार [18] में आंतरिक चयन और बाजार चयन व्यवहार की भविष्यवाणी करने के लिए आनुवंशिक एल्गोरिदम आवेदन किया है, कच्चे तेल की मांग का पूर्वानुमान [19], ईंधन लागत और गैसीय उत्सर्जन के न्यूनीकरण विद्युत उत्पादन [20], और विदेशी मुद्रा व्यापार प्रणाली [21]। वित्तीय तकनीकी विश्लेषण के मुद्दों के लिए सम्मान के साथ, विद्वानों सबसे अच्छा व्यापार नियमों और लाभदायक तकनीकी संकेतक निवेश के फैसले [; 25 22 x2013] बनाने के लिए जब खोज करने के लिए आनुवंशिक एल्गोरिदम का उपयोग करें। आनुवंशिक एल्गोरिदम ऐसे एजेंट आधारित मॉडल [26], फजी गणित सिद्धांत [27], और तंत्रिका नेटवर्क [28] के रूप में अन्य उपकरणों के साथ संयुक्त कर रहे हैं। वित्तीय बाजार [29 में कीमत प्रवृत्तियों की भविष्यवाणी करने के लिए आनुवंशिक एल्गोरिदम का इस्तेमाल किया है कि कुछ अध्ययनों से यह भी कर रहे हैं। 30] या विदेशी मुद्रा बाजार [31 की विनिमय दर]। तकनीकी व्यापार के नियमों और कच्चे तेल के वायदा बाजार में उपलब्ध तकनीकी संकेतकों की एक विशाल संख्या में हैं, यह एर्गोडिक गणना या कुछ अन्य सटीक गणना के तरीकों का उपयोग करने के लिए अव्यावहारिक है। इसलिए, आनुवंशिक एल्गोरिदम का उपयोग इस समस्या को हल करने के लिए एक व्यावहारिक तरीका है। चल औसत संकेतक व्यापक रूप से स्टॉक और वायदा बाजार [; 37 32 x2013] के अध्ययन में इस्तेमाल किया गया है। अलग अलग लंबाई के दो चल औसत के विभिन्न बाजारों में कीमत प्रवृत्तियों की भविष्यवाणी की तुलना कर रहे हैं। कम चलती औसत लंबे लोगों की तुलना में मूल्य परिवर्तन के प्रति संवेदनशील हैं। एक छोटी चल औसत मूल्य औसत कीमत बढ़ने के लिए एक लंबी अवधि की तुलना में अधिक है, तो व्यापारियों महंगाई और लॉन्ग पोजीशन ले जाएगा पर विश्वास करेंगे। लघु चल औसत मूल्य गिर जाता है और लंबे समय से एक साथ पार करते हैं, विपरीत व्यापारिक गतिविधियों ले जाया जाएगा [38]। एलेन और Karjalainen (ए) [39] Sx26 के दैनिक कीमतों के साथ शेयर बाजारों में तकनीकी व्यापार नियमों की पहचान करने के लिए आनुवंशिक एल्गोरिदम का इस्तेमाल किया; P 500 चल औसत कीमत तकनीकी नियमों के कई संकेतकों में से एक के रूप में इस्तेमाल किया गया था। निवेश निर्णय करते समय मतलब मूल्य और अधिकतम मूल्य के रूप में अन्य संकेतक, भी उपयोग किया जाता है। विधि अलग कैप शेयरों को आकार की प्रासंगिकता का निर्धारण करने के लिए; वांग [40] [41] AKx2019 लागू किया कैसे, जबकि आनुवंशिक प्रोग्रामिंग का उपयोग कर हाजिर और वायदा बाजार पर इसी तरह के अनुसंधान का आयोजन किया। विलियम, विभिन्न तकनीकी नियम और तेल वायदा बाजार के बारे में कृत्रिम तंत्रिका नेटवर्क (एएनएन) के नियमों की तुलना, इस प्रकार तेल बाजार [38] की क्षमता पर शक कास्टिंग, ऐन एक अच्छा उपकरण है कि निर्धारित। इन अध्ययनों के सभी व्यापारिक नियमों उत्पन्न करने के लिए अन्य संकेतकों के साथ औसत संकेतक चलती गठबंधन। हालांकि, इस पत्र में, हम एक सरल और कारगर तरीका हो सकता है, जो व्यापार के नियम, उत्पन्न करने के लिए चल औसत का उपयोग। एक चलती औसत व्यापार नियम के प्रदर्शन की अवधि लंबाई [42] से काफी प्रभावित होता है। इसलिए, दो अवधियों के अधिकतम लंबाई खोजने उपरोक्त तकनीकी विश्लेषण साहित्य में एक केंद्रीय मुद्दा है। लंबाई की एक किस्म मौजूदा अनुसंधान परियोजनाओं [; 48 43 x2013] में करने की कोशिश की गई है। मौजूदा अनुसंधान में, औसत नियमों चलती का सबसे औसत अवधि लंबाई और एकल चल औसत गणना पद्धति चलती तय उपयोग करें। हालांकि, यह अलग निवेश अवधि [49 के लिए चर लंबाई का उपयोग करने के लिए बेहतर है। तकनीकी विश्लेषण में इस्तेमाल किया जा सकता है कि औसत गणना पद्धति चलती के विभिन्न प्रकार के 50] और देखते हैं। इस पत्र में, चल औसत अवधि और सबसे अच्छा गणना पद्धति की अधिकतम लंबाई एक अवसर से हम चल औसत अवधि के उपयुक्त लंबाई और उचित विधि का निर्धारण करने के लिए आनुवंशिक एल्गोरिदम का उपयोग दूसरे भिन्न हो सकता है कि विचार। छह चल औसत गणना के तरीकों इस पत्र में माना जाता है और आनुवंशिक एल्गोरिदम हमें विभिन्न परिस्थितियों के लिए सबसे अच्छा तरीका है और उचित अवधि लंबाई पता लगाने में मदद कर सकते हैं। तदनुसार, हम कच्चे तेल के वायदा बाजार में व्यापारियों के लिए सबसे उपयुक्त चल औसत व्यापार नियमों को पेश करने में सक्षम हैं। 2. डेटा और विधि हम न्यूयॉर्क मर्केंटाइल एक्सचेंज (: eia. gov/dnav/pet/petx5f;prix5f;futx5f;s1x5f;d. htm डेटा स्रोत) से 2013 तक की अवधि के 1983 के लिए कच्चे तेल के वायदा अनुबंध 1 के दैनिक कीमतों का उपयोग करें। हम नमूना डेटा के 20 समूहों, प्रत्येक युक्त 1000 दैनिक कीमतों का चयन करें। 1000 दैनिक कीमतों में, एक 500 दिन मूल्य श्रृंखला हर पीढ़ी में व्यापार नियमों प्रशिक्षित करने के लिए प्रयोग किया जाता है। निम्नलिखित 200 कीमतें सभी पीढ़ियों से सबसे अच्छा उत्पन्न व्यापार नियम का चयन करने के लिए इस्तेमाल कर रहे हैं, और पिछले 300 दैनिक कीमतों उत्पन्न नियम अतिरिक्त रिटर्न हासिल कर सकते हैं या नहीं यह निर्धारित करने के लिए इस्तेमाल कर रहे हैं। पहला समूह 1985 में, पिछले समूह 2013 में समाप्त हो जाती है, और 300 के एक कदम के साथ प्रत्येक 1000 दिन की कीमत श्रृंखला चयन किया जाता है शुरू होता है। प्रत्येक नमूना श्रृंखला नमूना अवधि के लिए आगे बढ़ कीमतों की गणना करने के लिए इससे पहले कि हम भी 500 से अधिक दैनिक कीमतों को शामिल करना चाहिए। इस प्रकार, हर स्वतंत्र प्रयोग एक 1500 दिन की कीमत श्रृंखला की आवश्यकता है। हम उपयोग डेटा चित्रा 1 में प्रस्तुत कर रहे हैं। चल औसत कारोबार के नियमों का अलग अलग समय के दो चल औसत की तुलना द्वारा व्यापारियों के लिए निर्णय लेने की सुविधा। इस तरह, व्यापारियों चल औसत कीमतों में उतार-चढ़ाव का विश्लेषण करके कीमत प्रवृत्ति भविष्यवाणी कर सकते हैं। विचार करना