[Project-ttrade] #5 GP 알고리즘 사용 결과

[Project-ttrade] #4 GP 알고리즘 (Python deap)

유전자 프로그래밍(Genetic Programming, GP)는 진화 알고리즘을 기반으로 학습, 추론, 문제 해결을 실현하는 방식입니다. 돌연변이 및 교차에 따른 유전자 선택을 적용해서 새로운 세대의 프로그램에 적용하는 방법으로, 일반적으로 각 세대의 구성원들은 이전 세대의 구성원들보다 평균적으로 더 적합합니다. 말은 어렵지만, 결국은 가장 적합한 파라미터를 찾는 과정입니다. 그 과정중에 초기 파라미터부터 좋은

DogRing Infra OpsChanghwan Lim

이전 포스팅에서 GP 알고리즘을 사용한 코드를 작성해 봤습니다.
이제 이 코드를 가지고 실제 데이터에 적용해 봅시다. 이게 무작위로 진행하다 보니 매번 같은 값이 나오지도 않습니다. 완벽히 최적의 결과가 되지 않습니다.

참고로 아래에 나온 결과는 거래수수료 0.25 % 를 계산한 값입니다.

스토캐스틱 시그널

BTC의 최근 150만 개의 분 데이터에 100개체를 10세대만 돌려봅시다.

10번 돌리는데 2분이 채 안걸리는데, 차선 정도는 찾은 거 같아 보입니다.

150만 개에 3.15 배의 수익률을 올린 파라미터를, 전체 378만개의 데이터에 적용해 보면 34.99배의 수익률을 가질 수 있었습니다.

생각보다 좋은 수익률을 가지고 있죠.
k_win이 최소, sell_p가 최대에 비슷하게 되어 있으니, 범위를 늘리면 시간은 더 걸려도 좋은 결과가 나올 수 있습니다.

MACD - RSI

사실 스토캐스틱 은 제가 어떤 걸 해볼까 해서 이것저것 적용해본 겁니다. 가장 많이 사용하는 MACD와 RSI의 조합을 사용하게 되면 훨씬 좋은 수익률을 얻을 수 있습니다.

150만 개에 7배, 전체 데이터에 121배의 값을 얻을 수 있죠. 17년도 9월부터 이 방식으로 매매를 진행하면, 121배를 벌었습니다.