1. РАЗРАБОТКА АВТОМАТИЧЕСКОЙ ТОРГОВОЙ
СИСТЕМЫ

2. Основная идея
Кластеризация исторических данных
 Кластеризуем массив исторических
данных, чтобы выделить наиболее
разнородные ценовые модели

3. Иерархическая кластеризация
Алгоритм

4. Иерархическая кластеризация
Пример

5. Кластеризация методом K
средних
{K} непересекающихся
кластеров с
центроидами {C}

6. Основная идея
 Далее, используя генетический алгоритм,
построим специфические торговые
стратегии для выделенных кластеров.

7. Генетический алгоритм
Общая схема
Фитнесс-функция:
Граничное значение = 1.3

8. Генетический алгоритм
 Генетический алгоритм
распараллеливается
 Используем это для увеличения
быстродействия алгоритма

9. Генетический алгоритм
Параллельный подход
Отдельный поток:
lBest – локальное значение максимума
Фитнесс – функции
lEdge – локальное значение граничного
значения фитнесс-функции
SendGlobal(…) – событие, возникающие
при lBest>=lEdge

10. Генетический
алгоритм
 Общий процесс
gBest – глобальное значение максимума
Фитнесс-функции. Хранится в общей
(Shared) памяти.
lBest – значение максимума
Фитнесс-функции в потоке n. Хранится
В локальной памяти потока, передается
в общий процесс с помощью события.

11. Генетический алгоритм
Параллельный подход, общая схема

12. Основная идея
 Далее будем пытаться выяснить, к какой
ценовой модели относятся текущие
котировки.
 После этого будем применять известную
стратегию к реальным данным.

13. Общая схема системы

14. Экономическая сводка
Наименование показателя Единица Значение показателя
измерения
Технические показатели
Автоматическая торговля на
Назначение программы
фондовых биржах
Тип ЭВМ IBM-совместимая
Тип процессора Intel Core i5
Частота работы процессора ГГц ≥2
Объём оперативной памяти Гб ≥2
Свободное пространство на
Гб ≥ 100
жестком диске
Технология для реализации .NET, язык С#
Операционная система Windows XP/Windows 7
Экономические показатели
Трудоёмкость разработки Чел.-ч. 1080
Число разработчиков чел. 3
Срок реализации разработки год 0,25

15. Заключение
 В ходе работы была разработана архитектура
автоматической торговой системы
 Были исследованы генетические алгоритмы, их
применимость к контексту динамически
изменяющихся цен на бирже и возможность
параллельной реализации
 Был реализован алгоритм иерархической
кластеризациии;
 Был реализован алгоритм кластеризации методом K
средних;
 Был разработан генетический алгоритм,
соответствующий контексту задачи;
 Был разработан комплекс программ, решающих
поставленную задачу.