Using Genetic Algorithm for Trading Strategy Optimization

Richard Kramoliš

Master's thesis

Využití genetického algoritmu pro optimalizaci obchodní strategie

Abstract:

Tato práce aplikuje genetický algoritmus na problém optimalizace obchodní strategie. Genetické algoritmy mají potenciál důkladně prohledat stavový prostor obchodních strategií a najít tu, která funguje nejlépe. Cílem práce je navrhnout a vyvinout genetický algoritmus, natrénovat jej a otestovat výkon konkrétní strategie generované genetickým algoritmem na datech o ceně akcií. K trénování algoritmu se používají dvě různé účelové funkce. Výsledky studie ukazují, že i když algoritmus může dosáhnout dobrých výsledků na tréninkové sadě, není schopen překonat strategii buy and hold na testovací sadě.

Abstract:

This thesis applies a genetic algorithm to the trading strategy optimization problem. Genetic algorithms have potential to thoroughly search the state space of the trading strategies and find the one that works the best. The thesis aims to design and develop a genetic algorithm, train it and test the performance of a particular strategy generated by the genetic algorithm on the stock price data. Two different objective functions are used to train the algorithm. The results of the study show that even though the algorithm can achieve good results on the training set, it is unable to outperform the buy and hold strategy on the test set.

Keywords

genetické algoritmy, technická analýza, Sharpe ratio, fitness function, tradingová stratégia, akcie, genetické operátory

Keywords

technical analysis, Sharpe ratio, fitness function, trading strategy, genetic algorithms, stocks, genetic operators

Language used: English

Date on which the thesis was submitted / produced: 12. 1. 2023

Thesis defence

• Date of defence: 2. 2. 2023
• Supervisor: Milan Fičura
• Reader: Jakub Drahokoupil

Vysoká škola ekonomická v Praze

Master programme / field:
Finance a účetnictví / Finanční inženýrství