Programmation génétique pour générer des règles d'analyse technique optimales
Bibliographic record
Abstract
Tout d'abord, nous supposons que la perception des investisseurs se modifie dans le temps et que ceci peut mener des biais comportementaux temporaires dans les marchés financiers. Ceci peut permettre qu'une régie d'analyse technique en particulier donne un rendement positif différent de zéro pendant un certain temps. Étant donné la supposition précédente, les régies d'analyse technique utilisées dans cette recherche seront modifiées fréquemment. 19 blocs différents de 18 mois chacun seront utilisés pour élaborer et tester vingt régies d'analyse technique optimales différentes par bloc. Chaque bloc de dix-huit mois sera décalé de six mois et la programmation génétique sera utilisée dans chaque bloc comme méthode d'optimisation pour créer des régies d'analyse technique ex ante. La stratégie utilisée pour vérifier la rentabilité des régies d'analyse technique sera de prendre une seule position tous les jours et de fermer cette position le même jour. Ceci est pour répliquer le plus fidèlement possible une stratégie que pourrait adopter un négociateur sur séance. Chaque bloc de dix-huit mois va être séparé en trois périodes de six mois. Une première période de six mois sera utilisée pour élaborer les régies d'analyse technique (période de construction). Une deuxième période (période de sélection) de six mois permettra de sélectionner les vingt régies d'analyse technique optimales. Finalement, la dernière période de six mois permettra de comparer la stratégie avec les régies d'analyse technique obtenues par rapport à une détention passive de l'indice S&P TSX (période de test). Les régies d'analyse technique seront testées sur trente-quatre titres canadiens de grande capitalisation et chaque régie d'analyse technique pourra être utilisée comme signal de vente ou d'achat sur n'importe quel titre. La stratégie avec les régies d'analyse technique ne performe pas mieux qu'une détention passive de l'indice S&P TSX composite lorsque l'on compare a l'aide du ratio de Sharpe, d'une relation rendement / écart type ainsi que du rendement seulement. L'écart type quotidien de la stratégie est supérieur à celui de l'indice et le rendement moyen de la stratégie est plus faible que celui de l'indice.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.002 | 0.005 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.009 | 0.003 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".