GP Lab · Genetic Programming sui segnali
Work in progressEsperimento isolatoSola letturaLo Stocastico (DKSlow) continua a generare da solo i BUY e i SELL. Un Genetic Programming evolve, per ogni titolo, due regole che decidono quali segnali approvare e quali respingere, con l'obiettivo di eliminare i falsi segnali conservando quelli profittevoli. Ogni titolo ha il suo modello, creato da te; le regole si misurano su un periodo finale mai usato.
Come funziona
Genetic Programming. Una popolazione di regole (alberi logici: foglie come RSI > 51,2, nodi AND, OR, NOT) evolve per generazioni. Ogni regola riceve un punteggio (fitness) simulando i segnali che approva; si scelgono le migliori con un torneo (si pescano 3 regole a caso e vince la migliore), si combinano scambiando sottoalberi (crossover), si modificano a caso (mutazione: soglia, verso del confronto, operatore, sottoalbero nuovo), si copiano intatte le 2 migliori (elitismo). L'evoluzione si ferma dopo il numero di generazioni fissato, oppure prima se in validazione non migliora per 10 generazioni.
Soglie. Il GP non inventa numeri: le soglie candidate sono i quantili (10%…90%) delle variabili nel solo training. Complessità. Profondità massima degli alberi e una penalità per nodo nella fitness favoriscono regole semplici.
Fitness (pesi fissati prima dei risultati, ogni termine relativo a DKSlow senza filtro): profitto totale 30%, expectancy 15%, profit factor 10%, drawdown 15%, operazioni vincenti 5%, BUY profittevoli mantenuti 15%, BUY perdenti eliminati 10%, al netto di costi e slippage. Per impedire di "vincere" approvando pochissimi segnali, una regola che approva meno della copertura minima dei BUY o dei SELL, o produce meno trade di quella quota rispetto a DKSlow, viene penalizzata pesantemente. Respingere quasi tutti i SELL, cioè tenere la posizione per anni, sarebbe un buy-and-hold travestito.
Wavelet De-Noise (Liu, Ji e Jin, Entropy 2016): il prezzo viene ripulito dal rumore con una trasformata wavelet a soglia, calcolata su una finestra che termina nel giorno del segnale (nessun dato futuro). Soglia hard: i coefficienti piccoli si azzerano, gli altri restano; soft: si azzerano e gli altri si riducono, stima più liscia. Il paper mostra il beneficio su dati intraday di future cinesi con GP che genera regole di trading; usarlo su segnali giornalieri dello Stocastico è una applicazione nuova, che questo laboratorio verifica.
Validazione. Segnali divisi nel tempo: training 60% (evoluzione), validazione 20% (scelta del modello e arresto), test 20% (mai usato in nessuna scelta). In più un walk-forward: sui segnali dopo il training si rievolve più volte con i soli dati precedenti. Il modello si confronta con DKSlow senza filtro e con 500 filtri casuali che approvano le stesse quote di segnali.