基于優(yōu)化遺傳算法的股票選擇規(guī)劃研究

張金良

摘 要：最優(yōu)股票選擇規(guī)劃方法在股民規(guī)避風(fēng)險方面能發(fā)揮一定的作用。股市環(huán)境比較復(fù)雜，傳統(tǒng)的股民規(guī)避風(fēng)險的方法應(yīng)用在實際的股市中，往往會出現(xiàn)主觀性強(qiáng)、不穩(wěn)定、風(fēng)險大的缺點。為了避免上述問題，文章提出了優(yōu)化遺傳算法的股票選擇規(guī)劃的方法。將自適應(yīng)遺傳算法和貪婪算法很好的結(jié)合，獲取最優(yōu)的投資方向，最大限度地為股民服務(wù)。實驗結(jié)果表明，利用優(yōu)化遺傳算法實現(xiàn)最優(yōu)股票選擇規(guī)劃，可在股票發(fā)生很大波動時，很好地規(guī)避風(fēng)險，防止股民產(chǎn)生重大損失，最終有效提高了股民的收益。

關(guān)鍵詞：優(yōu)化遺傳算法;股票選擇;最優(yōu)規(guī)劃;規(guī)避風(fēng)險

中圖分類號：TM714 ? ? ? ? ?文獻(xiàn)標(biāo)識碼：A ? ? ? ? ? ? ? ?文章編號：2095-1302（2015）09-00-03

0 ?引 ?言

股票做為風(fēng)險大、收益高的債券，在現(xiàn)在的社會中，很多人都把自己的一部分收入做為投資投入到股市中。股市的波動時刻影響著股民的切身利益，由于股市存在極強(qiáng)的波動性，使得人們對股市沒有很好的預(yù)測。規(guī)避風(fēng)險的可能性很多，大多數(shù)股民都是通過自己的經(jīng)驗和小道消息來選擇股票，這樣帶有一定的盲目性，從而給自己帶來一定的投資風(fēng)險[1]。

但是隨著人們生活水平的不斷提高，手里的閑錢也越來越多，人們更愿意把手里的閑錢投入到股市中，但目前卻沒有一種很好的方法來使人們規(guī)避股市風(fēng)險。為了避免上述弊端，提出基于優(yōu)化遺傳算法[2-4]的股票選擇規(guī)劃方法，并對傳統(tǒng)算法和優(yōu)化遺傳算法進(jìn)行了比較，驗證優(yōu)化算法的優(yōu)點。

1 ?股票選擇規(guī)劃方法原理

在股民選擇股票的最優(yōu)規(guī)避風(fēng)險規(guī)劃過程中，可以將所有的股票做為蜜源成為初始集合，在該集合中，所有元素都能代表股民選擇股票規(guī)避風(fēng)險過程中的解，所有解構(gòu)成的集合是Xi（1，2，…，n），采用蜜蜂式搜索方式在類似區(qū)域內(nèi)進(jìn)行相同屬性個體的搜索，重復(fù)執(zhí)行搜索模式，以獲取最優(yōu)解。根據(jù)公式：

Mik=Xik+Sik（Xik-Xjk） ? ? ? ? ? ? ? ? ? ? ? ? ? （1）

對所有的股票選擇線路進(jìn)行實時跟蹤監(jiān)測，并對蜜源更新定位。設(shè)置j和k表示隨機(jī)選取的下標(biāo)，且j∈（1，2，…，A），k∈（1，2，…，e）。Sik的取值范圍在[-1，1]之間，且Sik和Xik具有一定的關(guān)聯(lián)性，若監(jiān)測系統(tǒng)搜索到股市里的股票有很好的適應(yīng)性，漲幅穩(wěn)定，則Xik的取值范圍越小。

在股民最優(yōu)的股票選擇中，利用公式：

（2）

可計算具有穩(wěn)定性的股票占股市總體風(fēng)險的概率。其中，Ti表示第i個解的穩(wěn)定值。

利用公式：

Xi=Xmin+rand（0，1）（Xmax-Xmin） ? ? ? ? ? ? ? ? ?（3）

可對單個蜜源進(jìn)行優(yōu)化練習(xí)，重復(fù)循環(huán)直至最優(yōu)解產(chǎn)生為止，該解替換優(yōu)化之前解所在的相應(yīng)位置。

為了保證股票選擇路線的多樣性，利用公式（3）對控制端中具有強(qiáng)穩(wěn)定性的股市中股民對股票的選擇路線進(jìn)行變異處理，以便找出具有更強(qiáng)穩(wěn)定性的選擇路線。具體步驟如下：

（1）應(yīng)用迭代方法，按照一定規(guī)律對舊值變量進(jìn)行不斷的遞推，從而得到新值。設(shè)置蜜源的初始迭代次數(shù)用Q表示，且Q=0，最大迭代次數(shù)用Qmax表示，最大限制次數(shù)為L。

（2）在蜜源中隨機(jī)選取N個股民的股票選擇線路，并利用公式（1）計算每個股民選擇股票的穩(wěn)定值，根據(jù)每個股民選擇股票的穩(wěn)定值能夠判斷該解的優(yōu)越性。

（3）利用公式（2）計算具有強(qiáng)穩(wěn)定性的股民選擇股票路線占總股民穩(wěn)定性的概率Pi，根據(jù)概率Pi選擇最優(yōu)蜜源，并記錄較優(yōu)蜜源股票，對數(shù)據(jù)B位置進(jìn)行實時更新。

（4）在仿真模型中，假如B（i）的值大于最大限制次數(shù)L的值，在解空間內(nèi)進(jìn)一步搜索，并記錄最優(yōu)解的位置，保留在監(jiān)測系統(tǒng)中。

（5）Q+1表示在Q基礎(chǔ)上進(jìn)行一次迭代算法更新，當(dāng)Q>Qmax時，記錄最優(yōu)蜜源代表股民選擇股票路線的最優(yōu)解。接著進(jìn)行下一步驟操作。反之，當(dāng)Q

（6）根據(jù)當(dāng)前股民選擇股票穩(wěn)定性規(guī)劃的最優(yōu)解，可以很好地規(guī)避風(fēng)險。

2 ?股民在選擇股票的最優(yōu)穩(wěn)定性股票的方法相關(guān)理論

利用傳統(tǒng)算法進(jìn)行股市股民選擇股票的最優(yōu)方法的規(guī)劃，建立的模型需要很多條件、耗時長。為此提出了基于優(yōu)化遺傳算法的股票選擇規(guī)劃方法。

2.1 ?查找股民選擇最優(yōu)股票的方法

根據(jù)遺傳算法對股民選擇最優(yōu)股票的規(guī)劃進(jìn)行運算。遺傳算法中交叉率PD和變異率PN決定股民選擇最優(yōu)解，表達(dá)式：

（4）

（5）

在上述表達(dá)式中，hmax表示股民在選擇股票穩(wěn)定性的最大適應(yīng)度，havg表示股民選擇股票穩(wěn)定性的平均適應(yīng)度，h'表示參與交叉運算的兩個股民選擇股票穩(wěn)定性的較大的適應(yīng)度，h表示經(jīng)過變異處理后股民選擇股票穩(wěn)定性的適應(yīng)度。設(shè)置j1，j2∈[0，1]，j3，j4∈[0，1]，分別表示交叉概率和變異概率的調(diào)整參數(shù)，在進(jìn)行交叉運算后保留適應(yīng)度最強(qiáng)的股票最優(yōu)解。

提高計算效率，對交叉概率和變異概率進(jìn)行優(yōu)化處理，使Pd1>Pd2>Pd3，Pn1>Pn2>Pn3，且Pd1，Pd2，Pd3，Pn1，Pn2，Pn3∈[0，1]，可以得到如下表達(dá)式：

（6）

（7）

由上式可得，隨機(jī)選取兩個不同股民的股票選擇路線做為交叉或者變異元素[5，6]，在進(jìn)行交叉和變異計算時，當(dāng)兩個股民選擇股票中最大的穩(wěn)定度值小于當(dāng)前穩(wěn)定值的平均穩(wěn)定度值時，對于穩(wěn)定值變異或者交叉概率的選擇，在最大和最小穩(wěn)定度范圍之間進(jìn)行最優(yōu)求解。

2.2 ?股民選取穩(wěn)定值最優(yōu)的股票

由于股市環(huán)境存在一定的復(fù)雜性和風(fēng)險性，使得自適應(yīng)遺傳算法[7，8]建立的模型，具有一定的限制。而利用貪婪算法優(yōu)化股民初始選擇股票的穩(wěn)定值，就可以幫助股民最大限度地規(guī)避風(fēng)險。假設(shè)股民有m個股票選擇，貪婪算法[9]的基本思想是：通過自己獲得的股票上市公司的一些資訊和國家政策導(dǎo)向，隨機(jī)選穩(wěn)定值最優(yōu)的股票，設(shè)為1，然后從余下（m-1）個股票選擇收益最高的股票進(jìn)行對比。綜合各種外在條件，如果第（m-1）個股票的穩(wěn)定值高于第m個股票，則用第（m-1）個股票代替第m條股票，將已經(jīng)作比較的股票排除，依次進(jìn)行選擇，生成新的個體。

3 ?仿真結(jié)果分析

為了更好的驗證優(yōu)化遺傳算法的優(yōu)越性，可選取一個股民五天時間里所選股票的真實走勢和優(yōu)化遺傳算法的預(yù)測值的誤差。再利用傳統(tǒng)算法和優(yōu)化遺傳算法的數(shù)據(jù)分析，就能夠得到表1和表2。

表1 ?傳統(tǒng)算法的數(shù)據(jù)表

時間（天） 股票真實走勢（%） 傳統(tǒng)算法預(yù)測走勢（%）

周一 -3.08 2.03

周二 -7.28 4.38

周三 1.72 -6.02

周四 0.81 7.92

周五 10 0.2

表2 ?優(yōu)化遺傳算法數(shù)據(jù)表

時間（天） 股票真實走勢（%） 優(yōu)化算法預(yù)測走勢（%）

周一 -3.08 -0.93

周二 -7.28 -5.72

周三 1.72 3.84

周四 0.81 -0.13

周五 10 8.02

通過兩種方法預(yù)測股票走勢和股票真實走勢值之間的誤差值比較，我們就可以更加清楚優(yōu)化遺傳算法更接近股票的真實走勢。圖1所示是傳統(tǒng)算法和優(yōu)化遺傳算法預(yù)測值與真實值比較的誤差率。

圖1 ?傳統(tǒng)算法和優(yōu)化遺傳算法預(yù)測值與真實值比較的誤差率

通過比較能夠很好地得出，優(yōu)化遺傳算法的誤差值在2%以內(nèi)，而傳統(tǒng)算法的誤差值不穩(wěn)定，因此優(yōu)化遺傳算法的預(yù)測值更加接近股票的真實走勢，更有利于股民很好地規(guī)避風(fēng)險并獲得收益的提高。

4 ?結(jié) ?語

針對傳統(tǒng)對于股民選擇股票規(guī)劃算法需求滿足較多約束條件造成建模效果與真實值契合度較低的特點，提出基于優(yōu)化遺傳算法的股民選擇最優(yōu)穩(wěn)定值的股票規(guī)劃方法，并對傳統(tǒng)算法和優(yōu)化遺傳算法做了深入的比較，在此基礎(chǔ)上構(gòu)建了新的股票選擇模型。經(jīng)過對于股票穩(wěn)定值的最優(yōu)解分析，采用優(yōu)化遺傳算法能更好地幫助股民規(guī)避風(fēng)險，最大限度的保證了股民的利益。

參考文獻(xiàn)

[1]鄒萍.貨幣政策、股票流動性與資本結(jié)構(gòu)動態(tài)調(diào)整[J].審計與經(jīng)濟(jì)研究，2015（1）：74-82.

[2]陳國良，王煦法，莊鎮(zhèn)泉，等.遺傳算法及其應(yīng)用[M].北京：人民郵電出版社，1996.

[3] Back T.The Interaction of Mutation Rate，Selection and Self-Adaptation within a Genetic Algorithm[J].In：Parallel Problem Solving from Nature 2，North Holland，1992：84-94.

[4] Michalewicz Z， Janikow C Z，Krawczyk J B.A Modified Genrtic Algorithms for Optimal Control Problems[J].Computers Math Application，1992，23（12）：83-94.

[5]熊軍，高敦堂，都思丹，等.變異率和種群數(shù)目自適應(yīng)的遺傳算法[J].東南大學(xué)學(xué)報（自然科學(xué)版），2004，34（4）：533-556.

[6]黎鈞琪，石國楨.遺傳算法交叉率與變異率關(guān)系的研究[J].武漢理工大學(xué)學(xué)報（交通科學(xué)與工程版），2003，27（1）：97-99.

[7]金晶，蘇勇.一種改進(jìn)的自適應(yīng)遺傳算法[J].計算機(jī)應(yīng)用與軟件，2006，23（2）：108-110.

[8]王曉東，薛宏智，馬盈倉.基于自適應(yīng)遺傳算法的神經(jīng)網(wǎng)絡(luò)字符識別[J].西安工程大學(xué)學(xué)報，2008，22（2）：211-213.

[9]李少芳.連續(xù)背包問題貪婪算法最優(yōu)解的實現(xiàn)[J].福建電腦，2003（11）：12-13.