CONCLUSIONS AND OUTLOOKIn this pape

CONCLUSIONS AND OUTLOOK
In this paper, we presented a GA approach for finding an optimal tracking portfolio of the Dutch AEX stock index.
The overall optimal portfolio is found using a hybrid(memetic) genetic algorithm where the fitness function of each chromosome (possible subset of stocks) equals the minimal tracking error achievable.
This minimal tracking error is determined by solving the corresponding quadratic
programming problem.
We have shown the experimental setup of the experiments as well as the simulation results.
We conclude that the performance of the tracking portfolio found is much better than that of randomly selected portfolios and that of low capitalized portfolios which can be derived from the AEX-index.
In addition, it is shown that the performance of high capitalized portfolios is similar although worse than the optimal GA tracking portfolio.
This research shows that even a small stock index like the AEX-index can be tracked quite well by a small subset of its composing stocks.
We also analyzed two types of crossover operators.
Generally spoken, the two-point order-based crossover performed much less than the two-point bit equalizer crossover operator.
We further conclude that for our problem, that of tracking the AEX-index, the two-point bit equalizer crossover operator with optimized parameter settings always yields the optimal solution using a relatively small number of generations namely, on average, less than 23 generations.

ผลลัพธ์ (ไทย) 1:

บทสรุปและ OUTLOOK
ในกระดาษนี้ เรานำเสนอวิธี GA หาผลงานการติดตามที่ดีที่สุดของ AEX ดัตช์หุ้นดัชนี
พบผลงานโดยรวมดีที่สุดโดยใช้ขั้นตอนวิธีพันธุกรรม hybrid(memetic) ที่ฟังก์ชันการออกกำลังกายของแต่ละโครโมโซม (เป็นชุดย่อยของหุ้น) เท่ากับข้อผิดพลาดน้อยที่สุดการติดตามทำได้
ข้อผิดพลาดน้อยที่สุดการติดตามนี้เป็นไปตามแก้กำลังสองสอด
ปัญหาเขียนโปรแกรม
เรามีแสดงการทดลองการทดลองตลอดจนผลการจำลอง
เราสรุปว่า ประสิทธิภาพของผลงานติดตามพบดีกว่าของพอร์ตการลงทุนแบบสุ่มเลือก และที่ ต่ำของสินทรัพย์พอร์ตการลงทุนที่สามารถได้รับมาจาก AEX-ดัชนี
นอกจากนี้ มันจะแสดงว่าประสิทธิภาพการทำงานของพอร์ตการลงทุนบันทึกเป็นสินทรัพย์สูงคล้ายกันแต่แย่กว่าติดตามผลงานดีที่สุดของ GA
นี้วิจัยแสดงให้เห็นว่าแม้ตัวเล็กหุ้นดัชนีเช่นดัชนี AEX สามารถติดตามค่อนข้างดี โดยชุดย่อยขนาดเล็กของตน composing หุ้น
เราวิเคราะห์ชนิดสองตัวไขว้กัน
พูดโดยทั่วไป ไขว้ตามสั่งสองจุดดำเนินการมากน้อยกว่าจุดสองบิตตัวปรับแต่งเสียงไขว้ตัวดำเนินการ
เราเพิ่มเติมสรุปว่า ปัญหาของเรา ว่า การติดตามดัชนี AEX ดำเนินการไขว้ตัวปรับแต่งเสียงบิตสองจุดพร้อมปรับตั้งค่าพารามิเตอร์เสมอทำให้โซลูชันที่เหมาะสมที่สุดโดยใช้จำนวนรุ่นเล็กได้แก่ เฉลี่ย น้อยกว่า 23 รุ่น

ผลลัพธ์ (ไทย) 3:

บทสรุปและแนวโน้ม
ในกระดาษนี้เราเสนอ GA วิธีการหาผลงานการติดตามที่เหมาะสมของชาวดัตช์อุตสาหกรรม ดัชนีหุ้น .
ผลงานที่ดีที่สุดโดยรวมพบใช้ไฮบริด ( มีม ) ขั้นตอนวิธีทางพันธุกรรมที่ฟิตเนส ฟังก์ชันของแต่ละโครโมโซม ( ย่อยที่สุดของหุ้น ) มีค่าเท่ากับข้อผิดพลาดติดตามน้อยที่สุดที่ทำได้
นี้น้อยที่สุดติดตามข้อผิดพลาดจะถูกกำหนดโดยการแก้ที่ปัญหาท่อแก๊ส


เราได้แสดงการติดตั้งทดลองการทดลองตลอดจนผล .
สรุปได้ว่า ประสิทธิภาพของการติดตามผลงาน พบว่าดีกว่าที่พอร์ตการลงทุนสุ่มและทุนต่ำ ) ซึ่งได้มาจากดัชนีอุตสาหกรรม .
นอกจากนี้พบว่าประสิทธิภาพสูงนิยามผลงานคล้ายคลึงแม้ว่าแย่กว่าเกมที่เหมาะสมติดตามผลงาน
งานวิจัยนี้แสดงให้เห็นว่าแม้มีขนาดเล็ก ดัชนีหุ้น เช่น ดัชนีอุตสาหกรรมสามารถติดตามได้ค่อนข้างดีโดยส่วนย่อยเล็กของการแต่งเพลงหุ้น .
เรายังวิเคราะห์สองประเภทของผู้ประกอบการแบบไขว้
โดยทั่วไปการพูดการใช้คำสั่งแบบสองแสดงน้อยกว่าสองจุด - บิต Equalizer ครอสโอเวอร์โอเปอเรเตอร์
เราเพิ่มเติม สรุปได้ว่า ปัญหาของเรา คือการติดตามดัชนีอุตสาหกรรม , อีควอไลเซอร์แบบสองบิตการปรับพารามิเตอร์การตั้งค่าผู้เสมอสามารถโซลูชั่นที่เหมาะสมโดยใช้จำนวนที่ค่อนข้างเล็กของรุ่นคือ เฉลี่ยไม่ถึง 23 รุ่น