利用多种交易工具制定日内外汇交易策略

)，或其他数据点频率，无需进一步修改。这项工作中使用的能力指标基于获得的最终回报，这取决于数据集长度。综合选择标准将在培训和验证数据集中获得的分数联系在一起。由于在所提出的评估中，训练集和测试集的长度不同，尽管仍然显示出有希望的结果，但综合标准在学习风险较低模式方面的有效性与其最大的潜在效益是有区别的。因此，为了更好地评估其有效性，有必要在训练集和测试集长度相同的情况下对其进行评估。或者，可以通过定义不同的、数据集长度不变的适应性得分来解决这个问题。考虑到文献和行业实践中使用自回归成分的交易模型的多样性，有必要研究将过去的证券价格引入遗传规划策略可以访问的变量库对绩效的影响。7.参考文献[1]F.艾伦和R.卡贾莱宁。使用遗传算法寻找技术交易规则。《金融经济学杂志》，51（2）：245–271，1999年。[2] L.阿尔滕伯格。基因编程中的突发现象。第三届年会进化编程会议记录，第233-241页。世界科学出版社，1994年。[3] E.M.Azoff。金融市场的神经网络时间序列预测。约翰·威利父子公司，1994年。[4] 国际清算银行。2013年4月中央银行三年一次的外汇周转调查——国际清算银行发布的初步结果。http://www.bis.org/press/p130905.htm，2013年9月。[5] W·班扎夫、P·诺丁、R·E·凯勒和F·D·弗兰科。遗传编程：导论，第1卷，第7章。摩根·考夫曼，旧金山，1998年。[6] W.Banzhaf，P.Nordin，R.E。

凯勒和F.D.Francone。遗传编程：导论，第1卷，第5章。摩根·考夫曼，旧金山，1998年。[7] 巴克莱对冲。巴克莱对冲|巴克莱btop货币指数。http://www.barclayhedge.com/research/indices/btopfx/index.html，2014年6月。[8] A.布拉巴松和M.奥尼尔。金融建模的生物启发算法。斯普林格，2006年。[9] S.Cirillo和S.Lloyd。用于heuristiclab优化框架的可扩展符号表达式树解释器。2014年7月第1141-1148页《2014年遗传和进化计算会议论文集》。[10] M.Dempster和C.Jones。采用遗传编程的实时自适应调节系统。定量金融，1（4）：397-4132001。[11] C.埃文斯、K.帕帕斯和F.沙法。利用人工神经网络和遗传算法建立日内外汇交易的ANAGO交易模型。数学和计算机建模，2013年。[12] R.根凯、M.达科罗尼亚、R.奥尔森和O.皮克特。外汇交易模式和市场行为。《经济动力与控制杂志》，27（6）：909-9352003。[13] C·L·贾尔斯、S·劳伦斯和A·C·蔡。使用递归神经网络和语法推理进行噪声时间序列预测。机器学习，44（1-2）：161-1832001。[14] P.戈迪尼奥。有带宽限制的货币能获得异常回报吗？来自代理算法的证据。《经济问题》，第17（1）页，2012年。[15] A.Hirabayashi、C.Aranha和H.Iba。利用遗传算法优化外汇交易规则。第11届遗传和进化计算年度会议记录，第1529-1536页。ACM，2009年。[16] A.格里什科和T.唐斯。使用遗传算法和强化学习的外汇交易系统。《国际系统科学杂志》，35（13-14）：763-7742004。[17] A.格里什科和T.唐斯。

为金融市场的高频交易开发机器学习软件。商业应用与计算智能，第406页，2006年。[18] J·R·科扎。遗传编程：第一卷，关于通过自然选择编程计算机，第一卷。麻省理工出版社，1992年。[19] J·R·科扎。人类的竞争结果是由基因编程产生的。遗传编程与可进化机器，11（3-4）：251–2842010。[20] A.W.Lo。适应性市场假说。《投资组合管理杂志》，30（5）：15-292004。[21]A.罗吉诺夫。基于标准的再培训的外汇市场交易代理人的效用。2013年[22]V.马纳霍夫和R.哈德逊案。技术交易可行性的新证据。《经济学公报》，33（4）：2493-2503，2013年。[23]V.马纳霍夫、R.哈德逊和B.盖布卡。高频交易是否会影响技术分析和市场效率？如果是，怎么做？《国际金融市场、机构和货币杂志》，2014年28:131–157。[24]D.麦肯尼。文献综述：在agpu设备上使用遗传编程加速股票交易规则的创建。2010年[25]L.门德斯、P.戈迪尼奥和J.迪亚斯。基于遗传算法的外汇交易系统。《神经学杂志》，18（4）：627-6562012。[26]C.Neely、P.Weller和R.Dittmar。外汇市场的技术分析是否具有优势？代理编程方法。剑桥大学出版社，1997年。[27]C.J.尼利和P.A.韦勒。外汇市场的日内技术交易。《国际货币和金融杂志》，22（2）：223-2372003。[28]C·J·尼利和P·A·韦勒。外汇交易策略演变的教训。《银行与金融杂志》，37（10）：3783-37982013。[29]C·J·尼利、P·A·韦勒和J·M·乌尔里奇。适应性市场假说：来自外汇市场的证据。

《金融与定量分析杂志》，44（02）：467-4882009。[30]J.-Y.Potvin、P.Soriano和M.Vall\'ee。用基因编程在股票市场上生成交易规则。计算机与运筹学，31（7）：1033-1047，2004。[31]G.A.Vasilakis、K.A.Theo Filatos、E.F.Georgopoulos、A.Karathanasopoulos和S.D.Likothanasis。外汇/美元汇率预测和交易的遗传规划方法。计算经济学，2012年第1-17页。[32]S.Wagner、G.Kronberger、A.Beham、M.Kommenda、A.Scheibenp flug、E.Pitzer、S.Vonolfen、M.Ko fler、S.Winkler、V.Dorfer等。启发式实验室优化环境的架构和设计。计算智能中的先进方法和应用，第197-261页。斯普林格，2014年。[33]G.威尔逊和W.班扎夫。利用发展性和线性遗传规划预测日间股价。《进化计算的应用》，第172-181页。斯普林格，2009年。[34]G.威尔逊和W.班扎夫。使用概率自适应映射的日间和日内股票交易发展性遗传规划和线性遗传规划。《计算金融中的自然计算》，第191-212页。斯普林格，2010年。[35]G.威尔逊和W.班扎夫。使用线性遗传规划的日间外汇交易。第12届遗传学和进化计算年会论文集，第1139-1146页。ACM，2010年。