Sistema De Trading Con Matlab

Código fuente avanzado. Com. Haga click aquí para descargar. Los algoritmos genéticos pertenecen a una clase de algoritmos de aprendizaje de máquina que se han utilizado con éxito en una serie de áreas de investigación. Existe un interés creciente por su uso en economía financiera, pero hasta ahora ha habido poco análisis formal. En el mercado de valores, una regla técnica de negociación es una herramienta popular para los analistas y los usuarios para hacer su investigación y decidir comprar o vender sus acciones. La clave para el éxito de una regla comercial es la selección de valores para todos los parámetros y sus combinaciones. Sin embargo, el rango de parámetros puede variar en un dominio grande, por lo que es difícil para los usuarios encontrar la mejor combinación de parámetros. Mediante el uso de un algoritmo genético, podemos buscar tanto la estructura como los parámetros de las reglas al mismo tiempo. Hemos optimizado un sistema comercial que ha sido desarrollado por Alfredo Rosa utilizando algoritmos genéticos. Una nueva y compleja regla comercial de 16 barras ha sido descubierta y probada en FIB italiana con brillantes resultados. Términos de Index: Matlab, fuente, código, minería de datos, sistema de comercio, predicción del mercado de valores, extracción de reglas comerciales, algoritmos genéticos, sistemas comerciales, gráfico de barras, gráfico de velas, patrones de precios, combinación de parámetros. Figura 1. Estructura genética Un patrón de precios complejo optimizado descubierto por algoritmos genéticos. Código de demostración (archivos P protegidos) disponible para evaluación de rendimiento. Matlab Financial Toolbox, Genetic Algorithm y Direct Search Toolbox son necesarios. Recomendamos comprobar la conexión segura con PayPal, para evitar fraudes. Esta donación debe considerarse un estímulo para mejorar el código mismo. Genetic Trading System - Haga clic aquí para su donación. Para obtener el código fuente hay que pagar una pequeña suma de dinero: 90 EUROS (menos de 126 dólares americanos). Una vez que haya hecho esto, por favor envíenos un correo electrónico luigi. rosatiscali. it Tan pronto como sea posible (en unos días) recibirá nuestro nuevo lanzamiento de Genetic Trading System. IB-Matlab: el comercio con InteractiveBrokers usando Matlab Hola allí Si eres nuevo aquí, tal vez quieras suscribirte a la fuente RSS o correo electrónico de las actualizaciones sobre temas indocumentados de Matlab. Acceda a los datos de mercado / portafolio y envíe órdenes comerciales en Matlab a través de Interactive-Brokers (IB), utilizando la aplicación IB-Matlab. IB-Matlab proporciona una interfaz de Matlab fácil de usar a InteractiveBrokers, permitiendo a los quants, comerciantes y gente común aprovechar fácilmente las capacidades de análisis y visualización de Matlab8217s, con la plataforma de bajo costo IB para acciones, ETFs, fondos mutuos, bonos, Opciones, futuros, materias primas y Forex. IB-Matlab puede utilizarse tanto para el comercio automatizado de algo como para el comercio manual selectivo, así como para el suministro continuo de datos de mercado, que es utilizado activamente por cientos de instituciones financieras e individuos de todo el mundo. La necesidad Mientras IB8217s Java conector, que es proporcionado por IB. Puede ser utilizado directamente en Matlab, la configuración de los devoluciones de llamada de eventos y conversiones de datos entre Matlab y el conector no es definitivamente fácil. Necesitas estar familiarizado con Matlab Y Java, al menos hasta cierto punto. Otras aplicaciones que solucionan estos problemas son costosas, no soportadas o limitadas en funcionalidad o despliegue. Por ejemplo, las soluciones ActiveX sólo funcionan correctamente en Windows de 32 bits e incluso pierden algunos eventos y son relativamente lentas. Matlab2ib quant2ib IB-Matlab resuelve el problema de conectividad IB-to-Matlab con una interfaz Matlab fácil de usar que funciona fuera de la caja en todas las plataformas Matlab (Win32, Win64, Mac, Linux). IB-Matlab permite a los usuarios de Matlab aprovechar la plataforma IB para: consultar los datos actuales del mercado (cotizaciones e información del contrato) en los modos de instantánea o transmisión. Consultar datos históricos e intradía del mercado, utilizando IB como proveedor de datos. Recuperar el contenido actual de la cartera, saldo, P038L, margen y otros valores de la cuenta IB. Colocan escáneres que filtran el mercado de valores que cumplen ciertos criterios. Colocar órdenes comerciales para múltiples tipos de seguridad y parámetros comerciales en decenas de intercambios en todo el mundo. Monitorear las órdenes comerciales y las ejecuciones (parcial / total). Adjuntar las funciones de devolución de llamada de Matlab definidas por el usuario a 40 eventos de datos enviados por IB (ejecuciones comerciales, datos de ticks en tiempo real, etc.) combinan todo lo anterior para un sistema de comercio automatizado de principio a fin completo usando Matlab simple. IB-Matlab supera las alternativas en términos de rendimiento, fiabilidad, características, estabilidad, despliegue, compatibilidad, coste y valor total. IB-Matlab (PDF) Solución completa 8211 IB-Matlab es una aplicación de bajo costo que permite El acceso simple de Matlab a toda la funcionalidad API IB. Conectividad 8211 IB-Matlab permite a los usuarios conectar Matlab a TWS o al IB Gateway, en el ordenador Matlab8217s o en un ordenador diferente. Estabilidad 8211 IB-Matlab ha sido instalado, probado y utilizado por cientos de comerciantes desde el año 2010. IB-Matlab se utiliza para comerciar activamente 100 millones al día. Es sólida en la roca. El barato 8211 IB-Matlab ofrece un valor excelente en comparación con otros conectores de su clase o con la cantidad de tiempo que se necesitaría para desarrollar un conector robusto similar desde cero. Una versión de prueba gratuita completamente funcional está disponible (ver abajo). Fácil de usar 8211 Los usuarios pueden activar la API IB8217s mediante comandos simples de Matlab, sin necesidad de conocer Java (en el que se basa la API) ni la programación de Matlab. IB-Matlab simplifica la API IB en una interfaz muy fácil de usar y potente que puede ser utilizada por cualquier usuario de Matlab, principiante o avanzado. Funciones completas del API 8211 Acciones comerciales activas: comprar, vender, cortar, cerrar, modificar, cancelar, ejercitar, caducar Numerosos atributos de contrato y de orden configurables Acciones de consulta de mercado: datos de mercado actuales, filtro de escáner, citas de flujo continuo, barras en tiempo real, instantánea y Información de la cuenta, lista de cartera, órdenes abiertas, datos de las ejecuciones Eventos IB: todos los 40 eventos asíncronos enviados por el servidor IB son accesibles en Matlab (ver A continuación) Los usuarios principiantes y avanzados 8211 Los usuarios pueden utilizar comandos sencillos Matlab de una línea o objetos internos expuestos por IB-Matlab para acceder a la gama completa de la API IB8217s. Múltiples cuentas (FA) 8211 Los asesores financieros pueden administrar fácilmente múltiples cuentas de IB a partir de una única sesión / script de Matlab, incluyendo consultas de cartera y enrutamiento de órdenes comerciales a perfiles / grupos de AF. El acceso remoto 8211 IB-Matlab se puede instalar en la misma plataforma que TWS, o en una máquina separada que se conecta al cliente IB de forma remota. Repeticiones de eventos 8211 Los usuarios pueden adjuntar fácilmente código de Matlab (devoluciones de llamada) a eventos IB. Por ejemplo, esto permite agregar una entrada en un archivo de Excel, o enviar un mensaje de correo electrónico / SMS (mensaje de texto), siempre que se ejecute una orden comercial o se alcance un precio especificado. Funcionalidad adicional 8211 IB-Matlab también proporciona funcionalidad que no está fácilmente disponible en la API básica de IB: la capacidad de especificar operaciones automatizadas que especifican operaciones personalizadas tales como corchetes o spreads combinados que cambian automáticamente los límites no cumplidos basados ​​en los precios de oferta / Tipos en un momento determinado. Compatibilidad 8211 Plataformas: IB-Matlab funciona en todas las plataformas en las que Matlab se ejecuta: Windows (32 y 64 bits), Mac, Linux / Unix. Matlab: IB-Matlab funciona en todos los lanzamientos de Matlab desde 2006, incluyendo la última versión (R2016b). Clientes de IB: IB-Matlab trabaja tanto con Trading WorkStation (TWS) como con IB Gateway. IB API: IB-Matlab trabaja con todas las instalaciones de IB desde 2009, incluyendo la última IB API (9.72) y los últimos clientes de IB. Otras configuraciones IB también son compatibles. Seguridad 8211 IB-Matlab no transmite ninguna información externa excepto a IB, por lo que su cartera e información comercial son tan seguras como su propia computadora. Performance 8211 IB-Matlab está optimizado para el rendimiento, proporcionando conectividad rápida y sensible. Aunque Matlab no es una plataforma adecuada para HFT, IB-Matlab todavía permite colocar múltiples solicitudes por segundo y recibir docenas de citas de transmisión u otros mensajes IB por segundo. Desarrollo 8211 IB-Matlab fue desarrollado por un reconocido experto de Matlab, que escribió los libros de texto de referencia sobre la interfase Matlab-Java y el rendimiento de Matlab. Soporte 8211 El desarrollo personalizado y el soporte continuo están disponibles directamente desde el desarrollador, con tiempos de respuesta extremadamente rápidos. Documentación 8211 Documentación extensa y completa, con numerosos ejemplos de código y consejos de uso (ver más abajo). Base de clientes 8211 IB-Matlab es utilizado activamente por muchos cientos de comerciantes en todo el mundo, que van desde los comerciantes individuales, a los fondos de cobertura y los bancos. Backtesting 8211 IB-Matlab no incluye la funcionalidad de backtesting, pero puede integrarse con la aplicación de backtesting y análisis de WFAToolbox, para desarrollar, probar e implementar algoritmos de trading, todo dentro del entorno de Matlab. Ninguna otra solución proporciona este rico conjunto de características 8211 ni siquiera cerca (ver comparación). Don8217t tome nuestra palabra para ella 8211 conseguir su prueba gratuita y comprobar por ti mismo. Usted no será decepcionado. Bueno, IB-MATLAB es robusto, muy fácil de aprender a usar y hace exactamente lo que pretende hacer 8211 a saber proporcionar una interfaz de órdenes simple y eficiente entre MATLAB Y Interactive Brokers8217 API. También cuesta peanuts8230 Así que sí, nos gusta 8211 mucho. En total, consideramos las mejoras a IB-MATLAB desde que la revisamos por última vez como significativa. El proceso de envío de órdenes era sólido como antes, pero las nuevas capacidades realmente abren las posibilidades especialmente para el comercio que es analíticamente intensivo pero no de alta frecuencia. Hemos sido capaces de desplegar múltiples modelos en tiempo real a la plataforma de comercio IB8217s sin ninguna dificultad o problemas. 8230 IB-MATLAB contradice efectivamente la declaración que hemos visto en más de unos pocos sitios web que MATLAB no es para el comercio en tiempo real. Haga clic para ver el vídeo de la presentación Fácil integración con IB a través de IB-Matlab8230 La Caja de herramientas isn8217t muy robusto, it8217s realmente buggy, 8230 Me encantaría tener la Caja de herramientas en funcionamiento, pero creo que Yair lo tiene cubierto para Interactive Brokers, I Sólo tiene que utilizar su programa8230 IB-Matlab es nuestro envoltorio para el IB API, por lo que don8217t tiene que escribir nuestro propio conector Java. IB-Matlab es un robusto conector Java, envoltorio completo para la API IB. Una inversión barata, it8217s definitivamente vale la pena. Incluso puedo insistir bastante en cuánto tiempo te ahorrará. Don8217t construir desde cero, es más barato y más rápido para comprar de terceros proveedores. Si yo fuera a construir IB-Matlab que me llevaría varias semanas y por sólo 400 que podría tener una solución llave en mano, quiero decir que es un no-brainer there8230 It8217s mejor que las plataformas de comercio al por menor. Éste es el sistema más barato del profesional-grado que usted puede conseguir. IB conectado a IB-Matlab conectado a Matlab conectado a la Data-Feed Toolbox conectada a IQFeed es la pila de tecnología más barata que le dará robustez comercial. Yair es extremadamente útil, proporciona gran atención al cliente. También se cita: IB-Matlab es el envoltorio más robusto para la API IB que he encontrado. Valor asombroso para el precio 8211 creeves, 23 de febrero de 2015 (comentario publicado sobre IB-Matlab en IB8217s Marketplace) 8230En ese punto me volví a Yair Altman8217s IB-Matlab producto. Afortunadamente, esto utiliza la API de IB8217s Java, que es mucho más robusta que la plataforma ActiveX. Ha pasado mucho tiempo desde que utilicé por última vez IB-Matlab y me complace ver que Yair ha estado muy ocupado durante el período intermedio, construyendo las capacidades del sistema y proporcionando una documentación muy completa para ello. Con la ayuda de Yair8217s, no me tomó tiempo en absoluto levantarse y correr y dentro de un día o dos el sistema estaba ejecutando órdenes de manera impecable en IB8217s TWS. 8230 Yair es muy generoso con su tiempo en proveer apoyo a sus usuarios y sus respuestas a mis preguntas fueron rápidas y detalladas. 8211 Jonathan Kinlay, Investigación cuantitativa y comercio, 5 de marzo de 2015 (artículo 8220Algorithmic trading8221) Testimonios de los usuarios Haga clic para ver el Mercado del IB Los siguientes testimonios aparecen en el mercado de IB8217s. Donde IB-Matlab es el producto más valorado, con una puntuación perfecta de 5.000 estrellas de docenas de comerciantes: 8220 Gran producto que es muy estable. Los documentos son excelentes con muchos ejemplos. El soporte es de primera calidad ya que Yair responde rápidamente a las preguntas. 8222 8211 Producto sólido cbmitch 8220Truly. Fácil de trabajar y tiene toda la funcionalidad para ejecutar sin problemas nuestro comercio, no hemos tenido un solo problema con it.8221 8211 STCMF 8220Este es un excelente producto que da un acceso extremadamente profundo a todas las capacidades de IB. Sorprendentemente fácil de usar también8221 8211 jones13 8220Super útil y estable. Yair es muy sensible, fácilmente programable (en su mayor parte). Robust.8221 8211 fluffpin 8220Un excelente producto con una guía de usuario detallada. Soporte rápido y detallado de su desarrollador, Yair, un experto practicante de Matlab. Muy recomendable.8221 8211 TR 8220Raramente son las afirmaciones de un desarrollador tan subestimado. El software es simplemente un 8220must have8221 para el desarrollo de IB dentro de Matlab. Gracias a Yair.8221 8211 kvargas 8220Puede cobrar más por ello. El mejor valor por su dinero. No hay errores. Guía detallada del usuario contiene explicaciones concisas. Fácil de usar y asombroso support.8221 8211 Constant 8220Este software es un MUST. 15 días de prueba, documentación EXCELENTE, soporte de primera clase, la API es de clase mundial de diseño, fácil de usar y fácil de usar.8221 8211 bayes 8220Very respuesta rápida. El soporte es de calidad profesional sin paralelo. El software funciona muy bien, sin duda una herramienta fácil de usar para ganar dinero.8221 8211 CLVoting 8220Yair8217s API es el mejor y el tiempo de ayuda, soporte y respuesta de Yair8217s es envidiable para cualquier proveedor de servicios.8221 8211 m1chael2 8220 Software de alta calidad con soporte rápido y estable Con información de guía de usuario la información pertinente para las operaciones de la API 8221 8211 ccjasia 8220Recuperación altamente competente, profesional, rápida, comprensión en profundidad de la micro-estructura del mercado electrónico8221 8211 sgoyvote 8220El software funciona sin problemas y el apoyo de Yair es incomparable. Sin duda vale la pena comprar.8221 8211 asselall 8220Super. Desperdicia demasiado tiempo tratando de otras soluciones, por ejemplo. Caja de herramientas de comercio. IB-Matlab es el camino a seguir. Robusto, lógico y muy bien documentado.8221 8211 jt1010 8220Excelente conector para MatLab. Lo evaluamos contra el producto de Mathworks y encontramos la versión de Yair8217s mucho mejor. Lo usamos diariamente.8221 8211 AP1234 8220El gran software 8211 es muy útil para implementar estrategias propias. Interfaz completa y fácil de usar para la API. Yair es muy sensible y atento8221 8211 quantD 8220Me ahorró mucho tiempo realizando algunas herramientas adicionales y automatización para mi trading. Muy robusto y fácil de usar Sólo se puede recomendar8221 8211 MartinMM 8220Excelente software, fácil de usar y seguir la documentación, recomiendo encarecidamente. Yair es extremadamente sensible y dispuesto a resolver todas las cosas que necesita.8221 8211 cheers 8220Code funciona y es fácil de instalar e interfaz con Matlab. El código está bien documentado también. 8222 8211 ericdonn 8220Producto altamente recomendado. Fácil de usar, robusto, económico, rápido y de calidad de apoyo del desarrollador. Producto de alto valor por el dinero.8221 8211 scap 8220Inteligente interfaz Respuestas rápidas a correos electrónicos. Conector robusto, sin problemas todavía. Sin duda recomendamos a cualquier persona que desee utilizar MATLAB con IB.8221 8211 harjas 8220Highly recomendable para cualquier persona haciendo el comercio automatizado. Las rutinas de interfaz IB son muy fáciles de aprender e integrar. Combinación de gran alcance con Matlab.8221 8211 ber7t 8220Muy buen producto. Fácil de seguir la documentación. Yair es muy rápido en el correo electrónico. Muy recomendable para cualquiera que busque un IB a Matlab connection.8221 8211 incluso 8220IB-Matlab es excelente. La conexión es robusta, la documentación es completa y bien escrita, y Yair es muy útil.8221 8211 Markmaj 8220Estamos contratando a Yair para que escribiera algunas funciones para nuestro prop-shop. Conseguido ayuda excelente dentro de 10 horas y él está impaciente resolver todas las cosas que usted need.8221 8211 johlof aplicación de 8220Clean que bien puentes la brecha entre Matlab e IB. Servicio servicial cuando lo necesitas. Todo funciona como se esperaba.8221 8211 johnd 8220 Fácil de usar. Guía de usuario muy completa. Gran apoyo del fundador8221 8211 EAfb 8220Robust. Rápido servicio de respuesta8221 8211 Anon 8220IBMatlab me ha permitido acelerar el desarrollo del proyecto por muchos meses y viene con gran soporte para el producto.8221 8211 jamesr 8220Everyone debe comprarlo. El precio es razonable. He estado usando por tres years.8221 8211 flash201 8220System ha trabajado sin problemas durante el año pasado. Yair es extremadamente sensible (I8217m no estoy seguro cuando duerme) y servicial. Excelente valor.8221 8211 billj 8220IB-Matlab es el contenedor más robusto para la API IB que he encontrado. Increíble valor para el price8221 8211 creeves 8220IBMatlab ha sido invaluable para probar estrategias de negociación es fiable e incluye muchas funciones útiles. Yair es muy receptivo y atento.8221 8211 algo1410 8220Excelente software 8211 I8217ve ha estado buscando algo así por casi un año. 5/58221 8211 sysdo 8220Yair ha hecho un gran producto y ofrece un apoyo valioso. Bueno para la gestión de riesgos y herramientas de análisis de datos y recomendarlo.8221 8211 mkrause 8220IB-Matlab es un excelente producto. Es muy sólido y Yair es muy rápido en responder a las preguntas. Lo recomiendo encarecidamente 8221 8211 FinLab 8220Support es rápido. Fácil de usar. La velocidad no es tan rápida como pensaba. De todos modos, puede ser debido al retraso de IB.8221 8211 JeffKoh 8220IB-Matlab ofrece una excelente gama de herramientas para sistemas de comercio automatizado. Soporte excelente y rápido. 100 estable en funcionamiento vivo. 8221 8211 sunbear6 8220I8217ve lo ha estado utilizando por más de un año y no tengo ninguna queja. Es robusto y hace lo que se supone que debe hacer. Servicio al cliente muy rápido.8221 8211 hank99 8220Muy útil enlace interactivo con TWS. Ahorra cientos de horas-hombre en el desarrollo de características personalizadas.8221 8211 cekaulII 8220I encuentro muy fiable y fácil de usar. Fui capaz de codificar un sistema de comercio automático en tiempo real con relativa facilidad. El servicio detrás de es excelente.8221 8211 khalfina 8220I he estado usando IB-Matlab durante casi 3 años y he encontrado que funcione perfectamente. Yair responde puntualmente a preguntas con respuestas detalladas.8221 8211 kChuck 8220Producto asombroso. Ejecutarlo durante un mes. Estable. No hay ningún caso de avería. El Sr. Altman es muy rápido en tiempo de respuesta. Altamente recomendado.8221 8211 sujitm 8220IBMatlab es una forma muy conveniente de acceder a la API IB8217s. La documentación es completa y es fácil integrar el software en el código MATLAB.8221 8211 prateek1 8220Excelente producto, soporte técnico de primera clase.8221 8211 nobull 8220Excelente conocimiento sobre Matlab, Java e IB 8211 perfecto para el comercio automatizado. Fue una verdadera alegría y voy a trabajar con ellos de nuevo.8221 8211 human123 8220Excelente producto de software, soporte al cliente y la integración perfecta. Totalmente confiable y una adición magnífica para el comercio automatizado. 8221 8211 gazza75 8220Este producto es confiable y bien documentado. El creador siempre es rápido de responder y útil.8221 8211 MacKG 8220I he estado utilizando IB-Matlab durante tres meses y ha sido impecable. Gran valor.8221 8211 wajv 8220IB-Matlab es una solución fácil de usar de extremo a extremo para los usuarios de Matlab.8221 8211 BenTam 8220Excelente. Ahorra 1600 de Mathworks8217 built-in solution.8221 8211 muller 8220A producto de calidad a buen precio. Me parece que funciona mejor y de una manera más flexible que la propia caja de herramientas de IB de Matlab8217.8221 8211 Vasastan 8220IB-Matlab me permite realizar transacciones totalmente automatizadas, utilizando mi propio código desarrollado. Yair8217s apoyo es muy profesional. Lo recomiendo.8221 8211 wimvwijn 8220IB-Matlab es un producto tremendo. La documentación es sobresaliente y Yair responde INCREDIBLE a cualquier pregunta o problema que surja. 8221 8211 wgpCap 8220I encontré a Yair Altman fácilmente accesible cuando tengo preguntas y el producto ha funcionado bien.8221 8211 hwshiau 8220IB-Matlab le permite aprovechar la profundidad y la eficiencia De MATLAB It8217s intuitivo, robusto, completo y asequible. Gran documentación y soporte.8221 8211 JTrade 8220IBMatlab es una interfaz profesional de Matlab TWS API. Funciona muy confiable y es fácil de usar. El soporte es muy centrado en el cliente y apoyo.8221 8211 drepl 8220Excelente producto, soporte de respuesta y ejemplos / documentación muy útiles para que pueda ponerse en marcha sin mucho trabajo. Altamente recommend8221 8211 CharlesM 8220Robust producto, fácil de usar, difícil de decir que no con el precio y el nivel de apoyo. Altamente recomendado.8221 8211 stephenw 8220 Gran producto Plataforma estable, muy flexible, gran soporte y fácilmente escalable para implementar cualquier estrategia de negociación automatizada. Bien vale la pena el dinero8221 8211 BenM 8220Worth cada centavo y un excelente apoyo. Las posibilidades con la combinación Matlab / IB parecen ilimitadas. El sistema MAC resultante es extremadamente estable.8221 8211 onmac 8220 Gran producto que permite utilizar la potencia y la flexibilidad de Matlab para crear sistemas automatizados.8221 8211 jbusse00 8220Producto bueno (IBMatlab): Buena gama de funcionalidad, buen rendimiento, buena documentación y muy Buen soporte de Yair.8221 8211 intacto 8220As un antiguo ingeniero de sistemas de control, usé MATLAB. Estaba muy emocionado al escuchar acerca de IBMatlab. Todas las citas son de comerciantes reales del IB, que se tomaron el tiempo para comentar sobre IB-Matlab en el sitio web de IB8217s. Numerosos otros comerciantes han proporcionado declaraciones similares por correo electrónico. Además de los testimonios citados anteriormente, todos los comerciantes clasificados IB-Matlab con un perfecto 5 estrellas 8211 ni siquiera un solo comerciante ha votado Matlab con un voto más bajo. Esta puntuación perfecta de 5.000 estrellas de docenas de comerciantes es incomparable por cualquier otro programa en el mercado del IB. Nos enorgullecemos de proporcionar un gran producto, valor excepcional y excelente servicio al cliente. (Compilado o OEM) Desarrollo de características personalizadas Desarrollo de programas comerciales personalizados Las licencias comerciales y académicas están limitadas a un solo usuario en un solo dispositivo físico computadora. La licencia EZ-pay puede ser convertida en una licencia comercial estándar de la misma duración, por un costo único de 150. La licencia académica sólo está disponible para usuarios que tengan una dirección de correo electrónico activa de la institución académica que termina en. edu o. ac (Por ejemplo, johnharvard. edu, janeoxford. ac. uk). La licencia académica puede convertirse en una licencia comercial estándar de la misma duración, por un costo único de 200. El costo de la licencia incluye soporte de instalación, corrección de errores y cualquier corrección que se requiera debido a cambios en la API IB. El costo de renovación incluye la instalación de la última versión del producto disponible en el momento de la renovación. La renovación tiene siempre el mismo término de duración que la compra de la licencia original. Los precios están sujetos a cambios de vez en cuando. El pago es procesado por PayPal (no se requiere una cuenta PayPal, se aceptan todas las tarjetas de crédito). Póngase en contacto con nosotros si desea pagar a través de transferencia bancaria. Versión de prueba gratuita Solicite una prueba y obtenga una copia de IB-Matlab sin ninguna obligación con instrucciones detalladas de instalación y uso. No hay absolutamente ninguna cuerda atada: el ensayo es completamente libre y completamente funcional, apenas limitado en duración (cerca de 2 semanas). El proceso comienza en el momento en que usted lo solicita, recibirá instrucciones de descarga e instalación para su correo electrónico especificado. Sólo necesita el Matlab básico, no se requiere ninguna caja de herramientas. Puede estar en funcionamiento en cuestión de minutos. Estamos seguros de que le encantará el producto, por lo que le animamos a que lo pruebe: Aclaración legal ESTE SOFTWARE SE PROPORCIONA 8220AS IS8221, SIN GARANTÍA DE NINGÚN TIPO, EXPRESA O IMPLÍCITA, INCLUYENDO PERO SIN LIMITARSE A LAS GARANTÍAS DE COMERCIABILIDAD, ADECUACIÓN PARA UN PROPÓSITO PARTICULAR Y NO INFRACCIÓN. EN NINGÚN CASO, LOS AUTORES O TITULARES DE DERECHOS DE AUTOR SERÁN RESPONSABLES POR CUALQUIER RECLAMACIÓN, DAÑOS, PÉRDIDA O OTRA RESPONSABILIDAD, YA SEA EN UNA ACCIÓN DE CONTRATO O DE OTRA MANERA, QUE SURJA DE O EN RELACIÓN CON EL SOFTWARE O EL USO 8212 O OTROS NEGOCIOS EN EL SOFTWARE. Procedimientos de la Conferencia Internacional sobre Métodos Computacionales en Ciencias e Ingeniería 2004 Mejora de los sistemas técnicos de comercio mediante el uso de un nuevo algoritmo genético basado en MATLAB procedimiento Stephanos Papadamou a ,. George Stephanides b. Departamento de Economía, Universidad de Tesalia, Argonauton y Filelinon, Volos, Grecia b Departamento de Informática Aplicada, Universidad de Macedonia Economía y Ciencias Sociales, Egnatias 156, Salónica 54006, Grecia Recibido el 18 de mayo de 2006. Aceptado el 15 de diciembre de 2006. Available online 24 Enero 2007. Resumen Estudios recientes en los mercados financieros sugieren que el análisis técnico puede ser una herramienta muy útil para predecir la tendencia. Los sistemas de comercio son ampliamente utilizados para la evaluación del mercado, sin embargo, la optimización de parámetros de estos sistemas ha atraído poco interés. En este artículo, para explorar el potencial del comercio digital, presentamos una nueva herramienta MATLAB basada en algoritmos genéticos que la herramienta se especializa en la optimización de parámetros de reglas técnicas. Utiliza el poder de los algoritmos genéticos para generar soluciones rápidas y eficientes en términos comerciales reales. Nuestra herramienta ha sido probada ampliamente sobre datos históricos de un fondo UBS que invierte en mercados emergentes a través de nuestro sistema técnico específico. Los resultados muestran que nuestro propuesto GATradeTool supera a las herramientas de software comúnmente utilizadas y no adaptativas con respecto a la estabilidad del retorno y ahorro de tiempo durante todo el período de la muestra. Sin embargo, hemos proporcionado pruebas de un posible efecto de tamaño de la población en la calidad de las soluciones. Palabras clave Mercados financieros Predicción Algoritmos genéticos Inversión Reglas técnicas 1 Introducción Los comerciantes de hoy y los analistas de inversión requieren herramientas rápidas y eficientes en un mercado financiero despiadado. Las batallas en el comercio se llevan a cabo principalmente a velocidad de la computadora. El desarrollo de nuevas tecnologías de software y la aparición de nuevos entornos de software (por ejemplo, MATLAB) proporcionan la base para resolver problemas financieros difíciles en tiempo real. La extensa funcionalidad matemática y financiera de MATLABs, el hecho de que es un lenguaje de programación interpretado y compilado y su independencia de plataforma lo hacen muy adecuado para el desarrollo de aplicaciones financieras. Las pruebas sobre los rendimientos obtenidos por las reglas técnicas, incluidas las estrategias de impulso (por ejemplo, 14. 15. 16. 16. 25 y 20), las reglas de media móvil y otros sistemas de comercio 6. 2. 9 y 24 pueden apoyar la importancia del análisis técnico. Sin embargo, la mayoría de estos estudios han ignorado la cuestión de la optimización de parámetros, dejándolos abiertos a la crítica de la investigación de datos y la posibilidad de sesgo de supervivencia 7. 17 y 8. Tradicionalmente, los investigadores utilizaron la especificación ad hoc de las normas comerciales. Utilizan una configuración popular por defecto o prueban al azar algunos parámetros diferentes y seleccionan el mejor con criterios basados ​​principalmente en el retorno. Papadamou y Stephanides 23. implementaron una nueva caja de herramientas basada en MATLAB para el comercio técnico asistido por computadora que ha incluido un procedimiento para problemas de optimización de parámetros. Sin embargo, el punto débil de su procedimiento de optimización es el tiempo: la función objetivo (por ejemplo, beneficio) no es una simple función de error cuadrático sino complicada (cada iteración de optimización pasa a través de los datos, genera señales comerciales, calcula beneficios, etc.). Cuando los conjuntos de datos son grandes y le gustaría reoptimizar su sistema a menudo y necesita una solución tan pronto como sea posible, a continuación, probar todas las posibles soluciones para obtener el mejor sería una tarea muy tediosa. Los algoritmos genéticos (GAs) son más adecuados ya que realizan búsquedas aleatorias de forma estructurada y convergen muy rápido en poblaciones de soluciones casi óptimas. La GA le dará un conjunto (población) de buenas soluciones. Los analistas están interesados ​​en obtener algunas buenas soluciones lo más rápido posible en lugar de la mejor solución global. La mejor solución global existe, pero es altamente improbable que continúe siendo la mejor. El objetivo de este estudio es mostrar cómo los algoritmos genéticos, una clase de algoritmos en la computación evolutiva, pueden emplearse para mejorar el rendimiento y la eficiencia de los sistemas de negociación computarizados. No es el propósito aquí proporcionar justificación teórica o empírica para el análisis técnico. Demostramos nuestro enfoque en una tarea de previsión particular basada en mercados de valores emergentes. Este artículo está organizado de la siguiente forma: Los trabajos anteriores se presentan en la Sección 2. El conjunto de datos y nuestra metodología se describen en la Sección 3. Los resultados empíricos se analizan en la Sección 4. Conclusiones sigue a la Sección 5. 2 Trabajos previos Hay un gran cuerpo de trabajo GA en los campos de la informática y la ingeniería, pero poco se ha hecho en relación con las áreas relacionadas con los negocios. Últimamente, ha habido un creciente interés en el uso de GA en la economía financiera, pero hasta ahora ha habido poca investigación sobre el comercio automatizado. Bauer y Liepins 4. Bauer 5 en su libro Algoritmos Genéticos y Estrategias de Inversión ofreció orientación práctica sobre cómo las GA podrían ser utilizadas para desarrollar estrategias comerciales atractivas basadas en información fundamental. Estas técnicas pueden ampliarse fácilmente para incluir otros tipos de información, como datos técnicos y macroeconómicos, así como precios anteriores. Según Allen y Karjalainen 1. el algoritmo genético es un método apropiado para descubrir las reglas comerciales técnicas. Fernndez-Rodrguez et al. 11 mediante la adopción de la optimización de algoritmos genéticos en una simple regla de negociación proporcionan evidencia para el uso exitoso de GAs de la Bolsa de Madrid. Otros estudios interesados ​​son los de Mahfoud y Mani 18 que presentaron un nuevo sistema basado en algoritmos genéticos y lo aplicaron a la tarea de predecir las actuaciones futuras de las poblaciones individuales por Neely et al. 21 y por Oussaidene et al. 22 que aplicó la programación genética a la predicción de divisas y reportó cierto éxito. Una de las complicaciones en la optimización GA es que el usuario debe definir un conjunto de parámetros tales como la tasa de crossover, el tamaño de la población y la tasa de mutación. Según De Jong 10, quien estudió algoritmos genéticos en la optimización de funciones, un buen desempeño GA requiere alta probabilidad de cruce (inversamente proporcional al tamaño de la población) y un tamaño de población moderado. Goldberg 12 y Markellos 19 sugieren que un conjunto de parámetros que funciona bien a través de muchos problemas es un parámetro crossover 0,6, el tamaño de la población 30 y el parámetro de mutación 0,0333. Bauer 4 realizó una serie de simulaciones sobre problemas de optimización financiera y confirmó la validez de las sugerencias de Goldberg. En el presente estudio realizaremos un estudio de simulación limitado mediante la prueba de varias configuraciones de parámetros para el sistema de comercio elegido. También proporcionaremos evidencia para la GA propuesta comparando nuestra herramienta con otras herramientas de software. 3 Metodología Nuestra metodología se realiza en varios pasos. En primer lugar, tenemos que implementar nuestro sistema de comercio basado en el análisis técnico. En el desarrollo de un sistema de comercio, es necesario determinar cuándo entrar y cuándo salir del mercado. Si el comerciante está en el mercado la variable binaria es igual a uno de lo contrario es cero. Como comerciantes de posición, basamos la mayoría de nuestras decisiones de entrada y salida en gráficos diarios mediante la construcción de un indicador de tendencia siguiente (Dimbeta). Este indicador calcula la desviación de los precios actuales de su promedio móvil de longitud. Los indicadores utilizados en nuestro sistema de negociación pueden formalizarse de la siguiente manera: donde es el precio de cierre del fondo en tiempo y función MovAv calcula la media móvil simple de la variable Cerrar con tiempo de duración. Nuestro sistema de comercio consiste en dos indicadores, el indicador de Dimbeta y el Promedio móvil de Dimbeta dado por la siguiente ecuación: Si cruzar hacia arriba el entrar entonces largo en el mercado (es decir, comprar la señal). Si cruz hacia abajo, luego cierre la posición larga en el mercado (es decir, vender la señal). En segundo lugar, tenemos que optimizar nuestra estrategia comercial. Es bien sabido que la maximización de funciones objetivas como el beneficio o la riqueza puede optimizar los sistemas comerciales. La función objetivo más natural para un comerciante insensible al riesgo es el beneficio. En nuestra herramienta de software consideramos beneficios multiplicativos. Multiplicative profits are appropriate when a fixed fraction of accumulated wealth is invested in each long trade. In our software no short sales are allowed and the leverage factor is set fixed at , the wealth at time is given by the following formula: where is the return realized for the period ending at time , are the transaction costs and is the binary dummy variable indicating a long position or not (i. e. 1 or 0). The profit is given by subtracting from the final wealth the initial wealth, . Optimizing a system involves performing multiple tests while varying one or more parameters ( , ) within the trading rules. The number of tests can quickly grow enormous (Metastock has a maximum of 32 000 tests). In the FinTradeTool 23. there is no limit, however, on the time processing depending on the computer system used. In this paper we investigate the possibility of solving the optimization problem by using genetic algorithms. Genetic algorithms (GAs) that were developed by Holland 13 constitute a class of search, adaptation and optimization techniques based on the principles of natural evolution. Genetic algorithms lend themselves well to optimization problems since they are known to exhibit robustness and can offer significant advantages in solution methodology and optimization performance. GAs differ from other optimization and search procedures in some ways. First, they work with a coding of the parameter set, not the parameters themselves. Therefore GAs can easily handle the binary variables. Second, GAs search from a population of points, not a single point. Therefore GAs can provide a set of globally optimal solutions. Finally, GAs use only objective function information, not derivatives or other auxiliary knowledge. Therefore GAs can deal with the non-continuous and non-differentiable functions that are actually existed in a practical optimization problem. 4 Proposed GATradeTool In GATradeTool . a genetic algorithm operates on a population of candidate solutions encoded ( , ). Each decision variable in the parameter set is encoded as a binary string and all are concatenated to form a chromosome. Chromosome representation is a two-element vector containing , parameters in bunary genetic coding. The precision of binary representation is eight bits per parameter (i. e. 1 0 0 1 0 1 1 1 1 0 0 1 0 1 1 1). It begins with a randomly constructed population of initial guesses. These solution candidates are evaluated in terms of our objective function (Eq. (4) ). In order to obtain optimality each chromosome exchanges information by using operators (i. e. arithmetic crossover 1 ) borrowed from natural genetics to produce a better solution. The objective function (Eq. (4) ) is used to measure how individuals have performed in the problem domain. In our case, the most fitted individuals will have the highest numerical value of the associated objective function. The fitness function transforms the raw objective function values into non-negative figures of merit for each individual. The tool supports the offsetting and scaling method of Goldberg 12 and the linear-ranking algorithm of Baker 3 . Our selection technique employs a roulette wheel mechanism to probabilistically select individuals based on their performance. A real-valued interval Sum is determined as the sum of the row fitness values over all the individuals in the current population. Individuals are then mapped one to one into contiguous intervals in the range 0, Sum. The size of each individual interval corresponds to the fitness value of the associated individual. To select an individual a random number is generated in the interval 0, Sum and the individual whose segment spans the random number is selected. This process is repeated until the desired number of individuals has been selected 26. These candidates were allowed to participate in an arithmetic crossover, the procedure that recombines promising candidates in order to create the next generation. These steps were repeated until a well-defined criterion is satisfied. Because the GA is a stochastic search method, it is difficult to formally specify convergence criteria. As the fitness of population may remain static for a number of generations before a superior individual is found, the application of conventional termination criteria becomes problematic. As a result we proposed the achievement of a specific number of iterations as the termination criterion. Our genetic algorithm can be presented in the following frame: 5 Empirical results In this section, we apply our methodology in a UBS mutual fund investing in emerging stock markets. 2 The data analyzed consists of 2800 observations on daily closing prices of that fund for the period 1/5/9825/6/04. The optimization period is defined between 1/5/98 to 25/6/03. The optimized system was evaluated through the extended period 25/6/0325/6/04. The optimization problem is set as to determine the optimal lengths of Dimbeta indicator and its moving average for the simple Dimbeta model that will maximize profits. Firstly, the effect of different GA parameter configurations will be studied. More specifically we are interested to measure the effect of the population size and the crossover parameter in the performance of the genetic algorithm based optimization procedure. Based on Goldbergs 12 and Bauers 4 recommendations, the population size should be equal to 30 and the crossover rate should be 0.6 (default values). The number of iterations was set to 300 for all simulations. Second, we compared the solutions of optimization problem conducted by different software tools in order to measure the validity of the GATradeTool proposed. Table 1 provides the GA optimization results for different sizes of populations. The first row of the table shows the best parameters for the Dimbeta indicator and the moving average of Dimbeta . In order to measure the effect of population size in the best solution we examine a series of different statistics. The solution with the maximum and minimum return, the average return, the standard deviation of these solutions, the time needed for convergence of the algorithm, and an efficiency index calculated by dividing max return solution by the standard deviation of solutions. Table 1. Population size effect By looking in Table 1 we can say that as long as you increase the population size the best and the average solutions are higher. However, after a population size of 30 the performance decreased. In order to take into consideration the computational costs involved since increase in population size, we calculate the time needed for solving the problem. Low population size leads to low performance and low completion time. According to the efficiency index the best solution is that given by the population size 20. In order to establish a base performance of the algorithm, 30 trials of the GA were performed, with a different random starting population for each trial. Higo. 1a. shows how performance improved over time by plotting average maximum fitness as percentage of the optimal value versus the generation number. We first captured the maximum fitness value for each of the 30 trials this is done for every generation and every trial. We then averaged the maximum fitness values and divided that number by the optimal fitness value, which was obtained by enumerative search (FinTrade tool, 23 ) this gave us the average maximum fitness as a percentage of the optimum value per generation. Higo. 1a. Base parameter settings: percentage of optimal. As can be seen in Fig. 1a. the average maximum fitness of the first generation is about 74 of the optimal value. However, by the fiftieth generation, the algorithm has usually found at least one solution that was within 90 of the optimal value. After the fiftieth generation, the solution could reach 98 of the optimal value. With performance measures from our base settings as a reference point, we examined the possible variations in the basic procedure. We studied the effect of changes in population size and crossover rate. For each different parameter setting, we performed 30 trials of the algorithm and then compared the graphs of average maximum fitness with those obtained for the base setting. First, we tried crossover rates 0.4 and 0.8. The results are shown in Fig. 1b and Fig. 1c. which are similar to Fig. 1a. As a result crossover parameters do not affect the optimal solution to a critical degree. However, the results are different when we alter the population size. According to Fig. 1d and Fig. 1e. with a small population size we had poorer results than with a large population. When we selected 80 as population size we achieved high returns in early generations. Higo. 1b. Crossover 0.40: percent of optimal. Higo. 1c. Crossover 0.80: percent of optimal. Higo. 1d. Population 80: percent of optimal. Higo. 1e. Population 20: percent of optimal. By looking at Table 2 you can compare the results of optimization of our trading system by using three different software tools. The first row gives the result for the GATradeTool against the Metastock and the FinTradeTool 23. Our proposed software tool ( GATradeToo l) can solve the optimization problem very fast without any specific restrictions about the number of total tests. The maximum number of tests that can be performed in Metastock software is 32 000. The FinTradeTool needs much more time in order to find the optimal solution. The solution provided by the GATradeTool . is close to the optimal solution of the FinTradeTool . Table 2. Comparison of three different software tools Optimized parameters (Dimbeta. MovAv (DimBeta)) The trading systems with the optimum parameters that have been found in period 1/5/9825/6/03 were tested in the evaluation period 25/6/0325/6/04. The performance of our trading system has been increased in all software tools. However, the cost of time has to be considered very seriously (column 4). Higo. 2 depicts the evolution of the maximum, minimum and average return across the 300 generations for the Dimbeta trading system (population size 80, crossover rate 0.6). It can be observed that the maximum return has a positive trend. It appears to be relatively stable after 150 generations and moves in the range between 1.2 and 1 (i. e. 120100 return). For the minimum fitness no pattern seems to exist. For the average population return a clear upward trend can be found in the first 180 generations, this is an indication that the overall fitness of the population improves over time. Concerning the volatility of the solutions, standard deviation of solutions after an increase in the first generations stabilizes in a range between 0.3 and 0.6 providing evidence of a stable and efficient set of solutions. Higo. 2. Evolution of several statistics over 300 generations. Higo. 3 provides a three dimensional plot of the optimum solutions given by the GATradeTool. In axes and we have the parameters , for the dimbeta indicator and its moving average. Axis 2 shows the return of the Dimbeta trading system for the selected optimum parameters. As can be easily understood our tool provides an area of optimum solutions in contrast with the FinTradeTool that provides only the best solution. Higo. 3. A 3-D plot of the optimum area. 6 Conclusions While technical analysis is widely used as an investment approach among practitioners or academics, they are rarely focused on the issue of parameter optimization. It is not our role to defend technical analysis here, although our results show that there is some predictability in the UBS mutual fund investing in emerging stock markets based on historical data alone. Our main objective in this paper is to illustrate that the new technology of MATLAB can be used in order to implement a genetic algorithm tool that can improve optimization of technical trading systems. Our experimental results show that GATradeTool can improve digital trading by providing quickly a set of near optimum solutions. Concerning the effect of different GA parameter configurations, we found that an increase in population size can improve performance of the system. The parameter of crossover rate does not affect seriously the quality of the solution. By comparing the solutions of the optimization problem conducted by different software tools, we found that the GATradeTool can perform better, by providing very fast a set of optimum solutions that present a consistency throughout the evaluation period. Finally, it would be interesting for further research to test a series of different systems in order to see the correlation between a genetic algorithm and system performances. At a time of frequent changes in financial markets, researchers and traders can easily test their specific systems in GATradeTool by changing only the function that produces the trading signals. Acknowledgements This research paper was part of the postdoctoral research of Dr S. Papadamou that has been funded by IKY Greek State Scholarships Foundation. References 1 F. Allen. R. Karjalainen Using genetic algorithms to find technical trading rules Journal of Financial Economic. Volume 51. 1999. pp. 245271 2 H. L. Allen. P. f. Taylor The use of technical analysis in the foreign exchange market Journal of International Money and Finance. Volume 11. 1992. pp. 303314 3 J. E. Baker, Adaptive selection methods for genetic algorithms, in: Proceedings of the first International Conference on Genetic Algorithms, 1985, pp. 101111 4 R. J. Bauer. G. E. Liepins Genetic algorithms and computerized trading strategies Expert Systems in Finance. D. E. OLeary. P. R. Watkins. 1992. Elsevier Science Publishers, Amsterdam, The Netherlands 5 R. J. Bauer Jr. Genetic Algorithms and Investment Strategies 1994. John Wiley amp Sons, Inc, New York 6 W. Brock. J. Lakonishok. B. LeBaron Simple technical trading rules and the stochastic properties of stock returns Journal of Finance. Volume 47. 1992. pp. 17311764 7 S. Brown. W. Goetzmann. R. Ibbotson. S. Ross Survivorship bias in performance studies Review of Financial Studies. Volume 5. 1992. pp. 553580 8 S. Brown. W. Goetzmann. S. Ross Survival Journal of Finance. Volume 50. 1995. pp. 853873 9 Y. W. Cheung. C. Y.P. Wong The performance of trading rules on four asian currency exchange rates Multinational Finance Journal. Volume 1. 1997. pp. 122 10 K. De Jong, An analysis of the behavior of a class of genetic adaptive systems, Ph. D. Diss. University of Michigan, University Microfilms No. 76-9381, 1975 11 F. Fernndez-Rodrguez, C. Gonzlez-Martel, S. Sosvilla-Rivero, Optimisation of Technical Rules by Genetic Algorithms: Evidence from the Madrid Stock Market, Working Papers 2001-14, FEDEA, 2001. ftp://ftp. fedea. es/pub/Papers/2001/dt2001-14.pdf 12 D. E. Goldberg Genetic Algorithms in Search, Optimization and Machine Learning 1989. Addison-Wesley 13 J. H. Holland Adaptation in Natural and Artificial System 1975. University of Michigan Press 14 N. Jegadeesh. S. Titman Returns to buying winners and selling losers: Implications for stock market efficiency Journal of Finance. Volume 48. Issue 1. 1993. pp. 6591 15 P. J. Kaufman The New Commodity Trading Systems and Methods 1987. John Wiley amp Sons 16 B. N. Lehmann Fad, martingales, and market efficiency Quarterly Journal of Economics. Volume 105. 1990. pp. 128 17 A. W. Lo. A. C. MacKinlay When are contrarian profits due to stock market overreaction Review of Financial Studies. Volume 3. 1990. pp. 175206 18 S. Mahfoud. G. Mani Financial forecasting using genetic algorithms Journal of Applied Artificial Intelligence. Volume 10. Issue 6. 1996. pp. 543565 19 R. N. Markellos Backtesting trading systems Journal of Computational Intelligence in Finance. Volume 5. Issue 6. 1997. pp. 510 20 L. Menkhoff. M. Schlumberger Persistent profitability of technical analysis on foreign exchange markets BNL Quarterly Review. Volume 193. 1995. pp. 189216 21 C. Neely, P. Weller, R. Ditmar, Is technical analysis in the foreign exchange market profitable A genetic programming approach, in: C. Dunis, B. Rustem, (Eds.), Proceedings, Forecasting Financial Markets: Advances for Exchange Rates, Interest Rates and Asset Management, London, 1997 22 M. Oussaidene. B. Chopard. O. Pictet. M. Tomassini Practical aspects and experiences Parallel genetic programming and its application to trading model induction Journal of Parallel Computing. Volume 23. Issue 8. 1997. pp. 11831198 23 S. Papadamou. G. Stephanides A new matlab-based toolbox for computer aided dynamic technical trading Financial Engineering News. Issue 31. 2003 24 S. Papadamou. S. Tsopoglou Investigating the profitability of technical analysis systems on foreign exchange markets Managerial Finance. Volume 27. Issue 8. 2001. pp. 6378 25 F. M. Werner. D. Bondt. R. Thaler Further evidence on investor overreaction and stock market seasonality Journal of Finance. Volume 42. Issue 3. 1987. pp. 557581 26 D. Whitley, The Genitor algorithm and selection pressure: Why rank-based allocations of reproductive trials are best, in: Proceedings of the Third International Conference on Genetic Algorithms, 1989, pp. 116121 Arithmetic single-point crossover, involves randomly cutting two strings at the same randomly determined string position and then swapping the tail portions. Crossover extends the search for new solutions in far-reaching directions. The structure of this fund and its major position at 25/6/2004 are depicted in the following figure. Copyright 2007 Elsevier Ltd. All rights reserved.