Optimización avanzada

Descripción general

StockSharp proporciona herramientas avanzadas para ajustar con precisión el proceso de optimización de estrategias. Esta sección describe componentes avanzados: configuración de algoritmo genético mediante GeneticSettings, compilación de fórmulas de fitness personalizadas mediante FitnessFormulaProvider y supervisión del progreso mediante OptimizationProgressTracker.

GeneticSettings

La clase GeneticSettings gestiona todos los aspectos del algoritmo de optimización genética. Se encuentra en el espacio de nombres StockSharp.Algo.Strategies.Optimization.

Parámetros de población y generaciones

Propiedad	Tipo	Predeterminado	Descripción
`Population`	int	8	Tamaño de población inicial
`PopulationMax`	int	16	Tamaño máximo de población
`GenerationsMax`	int	20	Número máximo de generaciones
`GenerationsStagnation`	int	5	Detener por estancamiento (generaciones sin mejora)

Parámetros de probabilidad

Propiedad	Tipo	Predeterminado	Descripción
`MutationProbability`	decimal	0.1	Probabilidad de mutación (0-1)
`CrossoverProbability`	decimal	0.8	Probabilidad de crossover (0-1)

Operadores genéticos

Propiedad	Predeterminado	Descripción
`Reinsertion`	ElitistReinsertion	Estrategia de reemplazo de generación
`Mutation`	UniformMutation	Operador de mutación
`Crossover`	OnePointCrossover	Operador de crossover
`Selection`	TournamentSelection	Operador de selección

FitnessFormulaProvider

La clase FitnessFormulaProvider compila expresiones de string C# en funciones Func<Strategy, decimal> usadas para evaluar estrategias durante la optimización.

Método Compile

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

Variables disponibles

Las siguientes variables están disponibles en fórmulas de función fitness, correspondientes a indicadores estadísticos de estrategia:

Variable	Descripción
PnL	Beneficio neto
WinTrades	Operaciones ganadoras
LosTrades	Operaciones perdedoras
TCount	Operaciones totales
RTrip	Round-trips
AvgTPnL	Beneficio medio por operación
AvgWTrades	Operación ganadora media
AvgLTrades	Operación perdedora media
MaxLong	Posición larga máxima
MaxShort	Posición corta máxima
MaxPnL	Beneficio máximo
MaxDD	Drawdown máximo
MaxRelDD	Drawdown relativo máximo
Ret	Rentabilidad
Recovery	Factor de recuperación
MaxLatReg	Latencia máxima de registro
MaxLatCan	Latencia máxima de cancelación
MinLatReg	Latencia mínima de registro
MinLatCan	Latencia mínima de cancelación
OrdCount	Número de órdenes
OrdRegErrCount	Errores de registro
OrdCancelErrCount	Errores de cancelación
OrdFundErrCount	Errores de fondos insuficientes

Las variables se pueden combinar en expresiones matemáticas arbitrarias: "PnL - MaxDD * 2", "Recovery * WinTrades", "PnL / (MaxDD + 1)".

OptimizationProgressTracker

La clase OptimizationProgressTracker proporciona una supervisión cómoda del proceso de optimización.

Propiedades

Propiedad	Tipo	Descripción
`TotalIterations`	int	Número total de iteraciones
`CompletedIterations`	int	Número de iteraciones completadas
`TotalProgress`	double	Progreso general (0-100)
`StartedAt`	DateTimeOffset	Hora de inicio de la optimización
`Elapsed`	TimeSpan	Tiempo transcurrido
`Remaining`	TimeSpan	Tiempo restante estimado

Métodos

Método	Descripción
`IterationCompleted()`	Marca una iteración como completada
`Reset(totalIterations)`	Restablece el tracker para una nueva ejecución

Clases de optimizador

StockSharp proporciona dos optimizadores que heredan de BaseOptimizer:

BruteForceOptimizer -- enumeración exhaustiva de todas las combinaciones de parámetros. Adecuado para espacios de parámetros pequeños.
GeneticOptimizer -- algoritmo genético. Eficiente con una gran cantidad de parámetros, converge automáticamente hacia la solución óptima.

Ejemplo de uso

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

// Fórmula de función fitness personalizada
var fitnessProvider = new FitnessFormulaProvider();
var fitness = fitnessProvider.Compile("PnL / (MaxDD + 1)");

// Crear el optimizador genético
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;

// Supervisión del progreso
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}");
	}
};