Erweiterte Optimierung

Überblick

StockSharp bietet erweiterte Werkzeuge zur Feinabstimmung des Strategieoptimierungsprozesses. Dieser Abschnitt beschreibt erweiterte Komponenten: Konfiguration genetischer Algorithmen über GeneticSettings, Kompilierung benutzerdefinierter Fitnessformeln über FitnessFormulaProvider und Fortschrittsüberwachung über OptimizationProgressTracker.

GeneticSettings

Die Klasse GeneticSettings verwaltet alle Aspekte des genetischen Optimierungsalgorithmus. Sie befindet sich im Namespace StockSharp.Algo.Strategies.Optimization.

Populations- und Generationsparameter

Eigenschaft	Typ	Standard	Beschreibung
`Population`	int	8	Größe der Anfangspopulation
`PopulationMax`	int	16	Maximale Populationsgröße
`GenerationsMax`	int	20	Maximale Anzahl von Generationen
`GenerationsStagnation`	int	5	Stopp bei Stagnation (Generationen ohne Verbesserung)

Wahrscheinlichkeitsparameter

Eigenschaft	Typ	Standard	Beschreibung
`MutationProbability`	decimal	0.1	Mutationswahrscheinlichkeit (0-1)
`CrossoverProbability`	decimal	0.8	Crossover-Wahrscheinlichkeit (0-1)

Genetische Operatoren

Eigenschaft	Standard	Beschreibung
`Reinsertion`	ElitistReinsertion	Strategie zum Ersetzen von Generationen
`Mutation`	UniformMutation	Mutationsoperator
`Crossover`	OnePointCrossover	Crossover-Operator
`Selection`	TournamentSelection	Selektionsoperator

FitnessFormulaProvider

Die Klasse FitnessFormulaProvider kompiliert C#-Stringausdrücke in Funktionen vom Typ Func<Strategy, decimal>, die zur Bewertung von Strategien während der Optimierung verwendet werden.

Compile-Methode

var fitnessProvider = new FitnessFormulaProvider();
Func<Strategy, decimal> fitness = fitnessProvider.Compile("PnL / (MaxDD + 1)");

Verfügbare Variablen

Die folgenden Variablen stehen in Formeln der Fitnessfunktion zur Verfügung und entsprechen statistischen Kennzahlen der Strategie:

Variable	Beschreibung
PnL	Nettogewinn
WinTrades	Gewinntrades
LosTrades	Verlusttrades
TCount	Gesamtzahl der Trades
RTrip	Round-Trips
AvgTPnL	Durchschnittlicher Gewinn pro Trade
AvgWTrades	Durchschnittlicher Gewinntrade
AvgLTrades	Durchschnittlicher Verlusttrade
MaxLong	Maximale Long-Position
MaxShort	Maximale Short-Position
MaxPnL	Maximaler Gewinn
MaxDD	Maximaler Drawdown
MaxRelDD	Maximaler relativer Drawdown
Ret	Rendite
Recovery	Recovery-Faktor
MaxLatReg	Maximale Registrierungslatenz
MaxLatCan	Maximale Stornierungslatenz
MinLatReg	Minimale Registrierungslatenz
MinLatCan	Minimale Stornierungslatenz
OrdCount	Anzahl der Orders
OrdRegErrCount	Registrierungsfehler
OrdCancelErrCount	Stornierungsfehler
OrdFundErrCount	Fehler wegen unzureichender Mittel

Variablen können in beliebigen mathematischen Ausdrücken kombiniert werden: "PnL - MaxDD * 2", "Recovery * WinTrades", "PnL / (MaxDD + 1)".

OptimizationProgressTracker

Die Klasse OptimizationProgressTracker bietet eine bequeme Überwachung des Optimierungsprozesses.

Eigenschaften

Eigenschaft	Typ	Beschreibung
`TotalIterations`	int	Gesamtzahl der Iterationen
`CompletedIterations`	int	Anzahl der abgeschlossenen Iterationen
`TotalProgress`	double	Gesamtfortschritt (0-100)
`StartedAt`	DateTimeOffset	Startzeit der Optimierung
`Elapsed`	TimeSpan	Verstrichene Zeit
`Remaining`	TimeSpan	Geschätzte verbleibende Zeit

Methoden

Methode	Beschreibung
`IterationCompleted()`	Markiert eine Iteration als abgeschlossen
`Reset(totalIterations)`	Setzt den Tracker für einen neuen Lauf zurück

Optimizer-Klassen

StockSharp stellt zwei Optimierer bereit, die von BaseOptimizer erben:

BruteForceOptimizer -- vollständige Enumeration aller Parameterkombinationen. Geeignet für kleine Parameterräume.
GeneticOptimizer -- genetischer Algorithmus. Effizient bei einer großen Anzahl von Parametern und konvergiert automatisch zur optimalen Lösung.

Verwendungsbeispiel

var geneticSettings = new GeneticSettings
{
	Population = 16,
	PopulationMax = 32,
	GenerationsMax = 50,
	GenerationsStagnation = 10,
	MutationProbability = 0.15m,
	CrossoverProbability = 0.75m,
};

// Benutzerdefinierte Formel für die Fitnessfunktion
var fitnessProvider = new FitnessFormulaProvider();
var fitness = fitnessProvider.Compile("PnL / (MaxDD + 1)");

// Genetischen Optimierer erstellen
var optimizer = new GeneticOptimizer(
	new CollectionSecurityProvider(new[] { security }),
	new CollectionPortfolioProvider(new[] { portfolio }),
	storageRegistry,
	Paths.FileSystem);

optimizer.Settings.Population = geneticSettings.Population;
optimizer.Settings.PopulationMax = geneticSettings.PopulationMax;
optimizer.Settings.GenerationsMax = geneticSettings.GenerationsMax;
optimizer.Settings.GenerationsStagnation = geneticSettings.GenerationsStagnation;
optimizer.Settings.MutationProbability = geneticSettings.MutationProbability;
optimizer.Settings.CrossoverProbability = geneticSettings.CrossoverProbability;

// Fortschrittsüberwachung
var tracker = new OptimizationProgressTracker();
tracker.Reset(totalIterations: 100);

optimizer.SingleProgressChanged += (strategy, parameters, progress) =>
{
	if (progress == 100)
	{
		tracker.IterationCompleted();
		Console.WriteLine($"Progress: {tracker.TotalProgress:F1}%, " +
			$"Remaining: {tracker.Remaining:hh\\:mm\\:ss}");
	}
};