遗传算法在CTA策略参数优化中的应用：提升夏普比率至1.03
本报告详细介绍遗传算法在CTA策略参数优化中的实现方法，包括实数编码、锦标赛选择、两点交叉和高斯突变等，优化后策略夏普比率从0.98提升至1.03，后期年化收益回撤比达1.5，适用于多品种截面规则。
报告摘要
本报告详细介绍遗传算法在CTA策略参数优化中的实现方法，包括实数编码、锦标赛选择、两点交叉和高斯突变等，优化后策略夏普比率从0.98提升至1.03，后期年化收益回撤比达1.5，适用于多品种截面规则。
核心要点
- 简介
- 遗传算法介绍
- 目标波动率法
- 回测结果
- 风险提示
报告信息
- 文件全名
- 《金融工程CTA策略专题报告之十一：遗传算法在参数优化中的应用-渤海证券》
- 适合读者
- 核心数据
- 0.98, 1.03, 1.5
- 核心议题
常见问题
《遗传算法在CTA策略参数优化中的应用：提升夏普比率至1.03》主要包含哪些内容?
本报告详细介绍遗传算法在CTA策略参数优化中的实现方法，包括实数编码、锦标赛选择、两点交叉和高斯突变等，优化后策略夏普比率从0.98提升至1.03，后期年化收益回撤比达1.5，适用于多品种截面规则。核心数据:0.98, 1.03, 1.5。
这份报告由哪家机构发布?
本报告由渤海证券发布,发布于 2019 年。
这份报告覆盖哪一年、篇幅多大?
覆盖 2019 年,全文约 13。
这份报告是免费的吗?如何获取?
本报告免费查阅,登录资料宝后即可在线获取完整内容。
这份报告适合哪些读者?
适合金融工程研究员、量化交易员、CTA策略开发者等读者参考。
报告涉及哪些关键议题?
重点分析了金融投资、遗传算法、CTA等议题。
继续阅读
查看全部 →