Self Learning AI system for automatic trading

基于基因进化算法 将操盘策略的变量编码为基因对，分别对应上边界和下边界

条件组用稀疏数据表达 基础DNA序列 48种分组 环境条件

• 250趋势 [0,1]
• 10日趋势 [0,1]
• 5日趋势 [0,1]
• 250日价格分位 [0,1,2,3,4,5]

可扩展序列 触发条件

• 连续N日下跌 [1,2,3]
• 之前连续N日上涨
• 下跌幅度
• 5日的日均振幅

• 最大持仓天数 [1,7]
• 止赢点 [min: 0.5%, max: 5.5%, step: 0.5%]
• 止损点 [min:-2.0%, max: 0.0%, step: 0.5%]
• 回落卖出 [min:-1.0%, max:-3%, step:0.5%]
• 连续红卖出 [1,2,3,4]

• 样本命中次数
• 胜率
• 收益率平均数
• 收益率中位数
• 损失中位数 （这个参数用于决定补仓点位）

根据信息熵决定

先考虑用枚举，即在每种情况下的最佳操盘策略

按目标样本的计划数量，随机从股票中找到用于训练的样本数量，建议每种策略至少测试300+组随机样本

• 随机选择几组股票
• 对选择出来的股票提取特征
• 分别比较同一个策略在不同样本集合组中的表现，

保存进度/继续学习 累加经验

回合胜率最大化

通过基因算法推算出根据随机股票的环境策略最优解

• 按历史回测胜率排序 稀疏分位数值
• 按股价的价位排序

根据损失中位数决定每次触发时候的仓位设置

其实还是判断每一个下一日的涨跌概率 如果持仓且有盈利则持仓观望 回落止损

lib.KnowledgeBase

• load
• save

lib.DataSource

• preprocess
• loadDataforGALearner
• loadDataforBacktest

lib.DynamicPositionProcessor

lib.GALearner

2% 严格止损 试探仓小于5% 主力仓15% 准主力仓 备用仓 50%以上才加仓