Diferentes modos de construcción

Consulte también el artículo ¿Cómo funciona StrategyQuant? para entender cómo genera las estrategias.

Puedes elegir entre dos modos de construcción:

Generación aleatoria

En este modo, StrategyQuant genera y prueba continuamente nuevas estrategias aleatorias, una tras otra, hasta que se detiene.
Los mejores candidatos (basados en criterios predefinidos) se almacenan en la base de datos para que pueda revisarlos más tarde.

Pros:

• más rápida y sencilla que la evolución genética
• puede funcionar hasta que se detenga, de modo que si se deja funcionar durante unos días puede generar y evaluar millones de estrategias
• menos propensa al sobreajuste, la estrategia no se optimiza ni se mejora más.

Contras:

• una vez generada, la estrategia no evoluciona ni se optimiza, pero siempre se puede utilizar en una población inicial para la siguiente construcción basada en la evolución genética.

Evolución genética

StrategyQuant genera primero una población inicial de candidatos aleatorios (utilizando el modo Generación Aleatoria) y luego utiliza el proceso de evolución genética para hacer evolucionar la población y producir candidatos cada vez mejores con cada generación.

El proceso termina cuando se alcanza un número predefinido de generaciones o cuando no hay más mejoras.

Pros:

• en teoría debería conducir a estrategias mejores que la generación aleatoria inicial
• esto significa que las estrategias ya buenas de la primera generación pueden mejorarse aún más
• la búsqueda de una estrategia rentable en los trillones de combinaciones posibles puede ser más eficaz con el poder de la evolución genética

Contras:

• la evolución puede ser más lenta
• a veces la evolución puede conducir a un callejón sin salida, por lo que la generación debe ser vigilado
• el grupo de estrategias generadas está limitado por el tamaño de la población
• más propenso al sobreajuste, es básicamente un proceso de optimización.

Proyectos a medida

Los proyectos personalizados no son exactamente otro tipo de modo de compilación, pero es bueno mencionarlos aquí porque le permiten crear flujos de trabajo de tareas múltiples - por ejemplo, puede ejecutar múltiples compilaciones aleatorias una tras otra, o utilizar la generación aleatoria, seguida de la evolución genética que utilizará las estrategias de la generación aleatoria como población inicial.

Consulte Introducción a los proyectos personalizados para más información.