想做一个基于GA的智能交易系统的分布式，有感兴趣的么？

tcogh327

RT，我已经用GA做了一个基于4条均线的交易系统，但是可怜的它只能看到4条均线的变化，如果想看到成百上千条的均线，GA的遗传编码将导致一个巨大的解空间，所以想做一个分布式来算算拉。有感兴趣的朋友讨论一下么？
也许它能告诉我们此路不通，也许它能用来发财。

duligavin

不懂，还没有查到具体应用案例。

现在需要知道 算法和历史数据。

希望看到LZ源代码
引用：
http://www.aptchina.com/
城市交通智能诱导信息服务平台         
城市交通智能诱导信息服务平台：根据国内城市智能交通的发展现状和基础，研究能够集成已建智能交通系统与设施的交通诱导综合信息服务平台，并运用可拓信息融合与预测算法、智能交通诱导的理论算法，将多源交通流数据进行D_S证据理论的可信度概率分析与矛盾信息的可拓化解，为交通诱导提供准确、全面的交通流信息，为个性化行车路线优化、智能诱导信息服务平台的构筑奠定基础。通过公共服务发布平台和个性服务通信平台，为出行者提供交通状况及行车路线选择的信息服务；拟以杭州市城市交通为具体实践范例，在申报单位承担的智能交通工程基础上，开发面向公众的实时交通信息的服务平台。 需解决的问题： 1、源交通流数据的基于D_S证据理论以及可拓逻辑的可拓信息融合方法。 2、通历史数据的挖掘方法与短时交通流的分形预测方法。 3、基于GA与经典启发式算法结合的联合算法的行车路径优化。 4、交通信息的智能获取与应答技术与个性化短信服务构件。

tcogh327

具体的算法和数据我这里都有，这个不是问题，但是怎么搞成分布式来运算呢？
呼唤分布式的编程高手一起合作

[ 本帖最后由 tcogh327 于 2008-7-9 09:45 编辑 ]

JUST

交易系统应该需要很强的实时性吧？

tcogh327

呵呵，JUST你来了。
我说的交易系统并非即时在线交易的EA，这个系统所做的工作就是从浩繁的GA解空间里寻找合适的交易策略。然后，这个找出来的策略就可以指导人们去如何交易。
如果只有4条均线，那么它基本上是个瞎子，只能看到一些最简单的变化，如果有8根，那么它可以辨别的变化就是2的28次方那么多，如果继续增加均线的数量，它就可以描述丰富多彩的交易行情，但同时这也将导致一个巨大得无可想象的计算量。
好在分布式很适合做这样的工作，各台PC都可以独立进化一个或几个个体，然后在服务器端进行汇总，不断优胜劣汰。这些遗传进化工作甚至是分时的，因为每个人开机运行的时间都不会一样。这可能给这个实验带来意想不到的收获。
如果有兴趣，给我留言。

老冬腌菜

不仅仅有均线系统，还有各种可能的技术指标……

tcogh327

老冬，

JUST

大体明白了，是对历史数据的研究
GA的确易于并行，每个WU之间作种群隔离，因此也不需要通信

我觉得主要设计难点是，如何找到适宜的操作参数，特别是每个WU迭代的次数。每个WU维持的种群要足够大，避免陷入局部。每次通信的成本可能会比较高
做出来后参与的人数估计会比较多的

可惜我过两天就要去国外读书了，应该会比较忙，恐怕不能直接参与开发了。当然我会持续关注的

tcogh327

原帖由 JUST 于 2008-7-11 10:35 发表
大体明白了，是对历史数据的研究
GA的确易于并行，每个WU之间作种群隔离，因此也不需要通信

我觉得主要设计难点是，如何找到适宜的操作参数，特别是每个WU迭代的次数。每个WU维持的种群要足够大，避免陷入局部。每次通信的成本 ...

既然这样，恐怕暂时是无法实施了。
至于迭代次数的问题，我的考虑是当种群个体适应度方差小于一个值的时候就人为判断，是否停止进化，结束项目。（当然，这个时候加大变异率，继续搜寻解空间也是可以的，但是考虑到分布的种群够多的话，似乎不太可能陷入局部极值，所以种群开始收敛的时候，可以考虑为已经找到当前全局最优，不知妥否。）
另外，每个WU维持的种群如果能够尽量大，自然是好的，但是可能会引发一些问题，比如你说的通信成本的问题。所以我的想法是每个WU只负责个体的适应度计算，这部分工作是计算量最大的地方，然后把适应度计算需要的数据连同个体染色体数据一同上传给服务器，由服务器来汇总，排序，淘汰，并产生新的个体，形成WU下发给PC。当然，对分布式计算的东东我还没入门，也不知道该如何具体实现才更合理。
希望这个项目能最终成功运行。如果能赚钱的话，就成立一个分布式的慈善基金…… YY无罪

[ 本帖最后由 tcogh327 于 2008-7-12 09:11 编辑 ]

JUST

“当种群个体适应度方差小于一个值的时候”停止计算是一种比较自然的GA停止判断，或者可以限定代数，停止时选出最优个体。

如果WU只计算个体的适应度，我感觉服务端的计算量还是很大。而且WU还是需要包含所有个体的基因型，通信量还是不小。要考虑传输一个个体用时和计算一个个体的适应度用时的比例。还有，如果有一些WU没有及时返回结果，可能会拖慢整个进度，或者如果丢弃这些数据则可能漏掉一些优质基因。因此一般来说，GA的分布式计算还是采用种群隔离的方式进行。

BOINC的架构就完全能够适应这个计算。不过至于赚钱，我觉得有点玄。第一，技术面的分析不是交易的全部。第二，能赚钱意味着信息不对等，如果要得出比现有交易系统更好的结果肯定需要相当数量的人来参与，而计算的结果一定会外泄，成为尽人皆知的秘密也就没用了。

当然，拿这个做研究还是不错的

tcogh327

我自己做的8均线系统差不多在年化15%的复合收益率的地方就已经收敛了（深成指历史数据），当然，这是在5年的时间范围内（测试外汇保证金的效果要好得多）。我们能否指望一个简单的多均线系统就能获得超过25%的年收益，还要看这个研究的结果。说实话，我并不报太大的希望。至于信息泄露问题，确实是一个麻烦，如果太多人知道这个系统的最后成果，必然会发生这样的事情，——要么这个系统并不能提供我们期待的丰厚收益，要么丰厚的收益很快就会被侵蚀掉。但是这个系统一旦成功，那么它是可以根据历史数据滚动进化的，一个不会被淘汰的系统。
另外，可以肯定的是，如果没有分布式计算，这个计算量简直难以想象能由一台PC来完成，也无法享受分布计算在GA上的巨大好处。
现在的问题是，该从哪里着手开始。

JUST

先要有一个管理整个工程/研究的组织，负责协调。可以找志愿者松散的组织，也可以成立一个机构。

议最好能够先找到一些合作机构，提供资金、技术等支持。这些机构可以是大学，投资机构，或者有影响力的开发工作室。介于目前的情况，我建议找国外的机构，他们有钱，对分布式了解多一些，也对你算出的数据感兴趣。

tcogh327

你的建议很中肯，但是在感情上，我还是倾向于我们自己搞，最好不要用BOINC平台，自己写个平台。重要的是这个过程，结果能不能赚钱，其实不那么重要。

(Y)

能创造价值不？能挣钱就不怕花钱。

怕泄密就自己买机器。反正一主机3、5钱就已经不错了。

从15％提高到25％这对某些行业，尤其是金融行业来说是天文数字。人家根本不在乎计算机的钱