Abstract
EDDIE is a Genetic Programming (GP) tool, which is used to tackle problems in the field of financial forecasting. The novelty of EDDIE is in its grammar, which allows the GP to look in the space of technical analysis indicators, instead of using prespecified ones, as it normally happens in the literature. The advantage of this is that EDDIE is not constrained to use prespecified indicators; instead, thanks to its grammar, it can choose any indicators within a pre-defined range, leading to new solutions that might have never been discovered before. However, a disadvantage of the above approach is that the algorithm's search space is dramatically larger, and as a result good solutions can sometimes be missed due to ineffective search. This paper presents an attempt to deal with this issue by applying to the GP three different meta-heuristics, namely Simulated Annealing, Tabu Search, and Guided Local Search. Results show that the algorithm's performance significantly improves, thus making the combination of Genetic Programming and meta-heuristics an effective financial forecasting approach
چکیده
EDDIE یک ابزار برنامه نویسی ژنتیک است که برای مواجهه با مسائل در زمینه ی پیش بینی مالی استفاده می شود. تازگی EDDIE در دستور زبان آن است، که به برنامه نویسی ژنتیک اجازه می دهد به جای استفاده از شاخص های از قبل مشخص شده که معمولا در نوشتجات اتفاق می افتد به فضای شاخص های تحلیل فنی توجه داشته باشد. مزیتش این است که EDDIE به شاخص های از قبل مشخص شده توجهی نمی کند؛ در عوض، دستور زبان آن می تواند هر شاخصی را در یک طیف از قبل تعریف شده انتخاب کند که به راه حل های جدیدی منجر می شود که ممکن است هرگز قبلاً کشف نشده باشند. با این حال، ایراد روش بالا این است که فضای جستجوی الگوریتم به طور چشمگیری بزرگتر است و در نتیجه بعضی وقتها راه حل های خوب به سبب جستجوی بیهوده از دست می روند. این مقاله برای بررسی این مسئله با اشاره به سه الگوریتم فراابتکاری مختلف یعنی الگوریتم تبرید شبیه سازی شده، الگوریتم جستجوی ممنوع، جستجوی محلی هدایت شده تلاش می کند. نتایج نشان می دهند که عملکرد الگوریتم به طور معناداری بهبود می یابد، بنابراین ترکیب برنامه نویسی ژنتیک و الگوریتم های فراابتکاری یک روش پیش بینی مالی مؤثر ایجاد می کند.
1-مقدمه
پیش بینی مالی یک روش کاربردی و معروف در صنعت است. اهمیت آن سرمایه گذاران و محققین را به تمرکز بر خلق روش های کارآمدتر برای بکارگیری پیش بینی مالی سوق می دهد. در این زمینه هوش محاسباتی، یک ابزار پیش بینی مالی جدید ارائه داده است که EDDIE8 (ED8) نامیده می شوند [1]. ابزار ED8، که یک نسخه ی گسترده از EDDIE (ارزیاب سرمایه گذاری داده های پویای تکاملی)[1] است، برنامه نویسی ژنتیک [2] و [3] را برای پیش بینی ها بکار می برد...