於 1985 年創立的美國《期貨真相》 Futures Truth 雜志，旨在服務全球股票及商品期貨交易者，而其根本任務是為讀者驗證系統交易策略的實盤效果。www.emoneybtc.com分布在全球各地的交易系統開發商，將開發出的策略提交至 《期貨真相》編輯部，以驗證實盤交易成績。編輯部根據交易成績進行排名，並定期公布排名榜單。在過去的多年裡，以 TSL-[XXX] 命名的交易系統獨占鳌頭。更加令人驚訝的是，TSL 系列交易策略是同一家公司應用同一款量化交易策略設計系統軟件設計而成。

TSL 的大部分客戶，都是通過《期貨真相》的排名榜單而認識、了解 TSL，繼而購置價值不菲的 TSL 產品作為交易生涯中不可或缺的尋優穩健交易策略工具！

什麼是TSL？

Trading System Lab (TSL)是一家位於美國矽谷的高新科技公司，同時也是該公司設計和生產的一款與公司同名的金融量化交易策略設計系統軟件。TSL 的 與眾不同之處在於它被用作優尋的底層算法引擎——AIM-GP(遺傳基因程序二元機器代碼自動歸納合成算法 Automatic Induction of Machine Code with Genetic Programming)。遺傳基因程序(Genetic Programming, GP)是演化算法(Evolution Algorithm)的其中一種。研究者們，例如瑞典科學家彼特·諾丁(Peter Nordin)博士和美國科學家約翰·R·科贊(John R. Koza)博士等人工智能學者，在90年代初便開始積極地開發這種算法的理論和應用。在短短幾年之間，多達數百篇計算機學術論文應運而生(1992-98年，200多位學者發表超過800篇相關GP的論文)，都是圍繞著遺傳基因程序這個題目來做的研究，可見科學家們對它寄予厚望。沃爾夫岡·班茨哈夫(Wolfgang Banzhaf)博士在2013年發表的論文《遺傳基因程序與自然發生現象》(Genetic Programming and Emergence)中更指出，天地萬物之中的的自然發生現象(Emergence)在遺傳基因程序這種算法本質中客觀存在。對很多略懂老子或達爾文的讀者來說，這個論證可能使人振奮，因為計算機不再是一般人心目中生硬的軟件指令和冷冰冰的硬件在運行一些索然無味的重復性操作！中華文化遺產中老子的道法自然可謂自然發生論(Emergentism)的鼻祖。遺傳基因程序更是引用了達爾文理論中的歸納法，通過一群電腦程序不斷的進化演變做機器學習(Machine Learning, ML)，幫助預定義的問題尋優解。更淺白地說，遺傳基因程序有能力好像天地萬物一樣，自然地（自動化地）生成懂得解決問題的計算機程序。

二元機器代碼自動歸納合成(Automatic Induction of Machine Code, AIM)指的是遺傳基因程序算法在計算機

最底層，將指令符用二元機器碼存儲，直接在中央處理器中進行操作，免除了一般程序都需要的程序編譯器或復雜的存儲記憶體操作，極大地增進了運算速度。事實上，在過去的幾十年裡，盡管科技日新月異，計算機硬件速度提升迅猛，但是人們要利用計算機來挖掘數據，尋覓穩健交易策略，仍依然需要耗費幾月，有時甚至是幾年才有機會修成正果。(#)

有鑒於此，TSL公司創始人邁克·班納(Mike Barna)決定組建團隊，幫助用戶縮短策略開發時間，通過尖端的AIM-GP 尋優算法技術，大大縮短優尋策略運算周期，最快短至數分鐘內完成策略開發！

公司創始人兼CEO簡介

邁克·班納(Mike Barna)，美國亞利桑那州立大學數學系本科畢業，斯坦福大學航空航天工程碩士，曾任國防火箭沖壓發動機和導彈制導系統工程師及星球大戰的研究與發展管理工程師，也是著名交易系統—Big Blue * 和R-Mesa ** 的設計者。 Mike 作為商品期貨交易顧問在 90 年代加入的美國全國期貨協會，於 1997 年開始開發自己的交易系統，並創辦 Aaron Asset Management, LLC 來運行該系統。也曾任 Trading and Systems with Regency Stocks and Commodities Fund, L.P. 副總裁。在 1993 年創立了如今的 Trading System Lab，1998 年開始管理資金，擁有將近 40 年的建模經驗。

TSL用戶怎樣生成一個交易策略呢？

TSL 用戶只需要操作幾個簡單的步驟就可以建立出一套有利可圖的穩健交易系統。

1. 導入原始數據：無需用戶設置，TSL可以導入多種不同排版模式的原始數據，例如 CSI (Commodity Systems Inc), MetaStock, AIQ, TradeStation, Multicharts (MC), Free Internet data, ASCII, TXT, CSV, CompuTrac, DowJones, FutureSource, TeleChart2000v3, TechTools, XML, 二進制數和互聯網實時數據。

2. 自定義輸入：用戶可以選擇以自定義的指標、價格形態、產品相關性描述和基本面數據，作為 TSL 策略生成器的輸入信號。

3. 預處理數據：用預處理器(Preprocessor)預先對原始數據和自定義輸入進行格式處理。（此舉可以極大地加快系統的回測運行速度，然而大多數入門級別交易策略設計系統都忽略了這簡單卻至關重要的一步）。

4. 選擇訓練框架：40個目標函數模型(資金增長曲線形態)、 25個下單模型(建倉、平倉和止損)。一般商品、期權交易模型。定義樣本內(In-Sample)和樣本外(Out of Sample, OOS)數據比例。

5. 人工智能訓練開始：TSL每秒生成幾百個甚至幾千個的新的交易策略。視乎電腦硬件配置和數據量，不消片刻(幾分鐘)就能生成數十萬個策略。

6. 實時檢測策略表現：每次進化過程中存活下來的優解策略，都會在樣本外(Out of Sample, OOS)數據做模擬交易，得出樣本外OoS盈利 (OoS Profit)和回撤(OoS Draw Down)的成績。TSL將成績標示在"運行路徑記錄圖表"(Run-Path Log, RPL)。RPL讓用戶一目了然地看到進化過程中每一個的優解策略的盈利和回撤。用戶在斟酌RPL的表現後，如果對交易策略尚不滿意，可以選擇重回第4步，挑選其他不同框架重新訓練。

7. 轉化策略成第三方交易平台代碼：用戶在當中找到了合意的交易策略， 則可利用 TSL，將策略自動轉換為基於如 Multicharts (MC)、Java、C、 C# 等等為基礎的平台原始代碼，在用戶習慣使用的平台上進行回測、模擬交易或實盤交易。

TSL如何防止過度曲線擬合？

TSL通過以下特征防止過度擬合(overfitting)，進而提升交易策略的魯棒性(穩健、健壯性) robustness。

1. 大道至簡，簡化模型參數：一個交易系統的策略越簡單，它持久生存能力就越強；換言之，它在未來有越高幾率維持其過往表現。(經典電腦程序語言簡化優選方法 Parsimony Pressure，可以理解為奧卡姆剃刀 Occam's Razor，即占據空間越短的交易邏輯程序，其權重越高，也就是 Minimum description length (MDL) principle)

2. 進化過程中隨機化：在進化過程中引入隨機性，避免陷入局部最優的尴尬局面。在這個過程中隨機加入的，不僅僅是遺傳算法染色體配對，還有更高階的遺傳進化程序。

3. 進化目標隨機化：在遺傳基因程序的進化中產生新的策略， 並不完全以目標函數的指引方向作為進化目標。進而，在算法理論上避免陷入局部最優的尴尬局面。

4. 初始策略隨機化：TSL 開始進化之前，以隨機策略作為初始策略。防止了 n-D 空間中局部的最大化，從而提升尋找到全局最優值的幾率。

5. 策略檢驗多元化：TSL 除了用於驗證是否過度擬合 overfitting 外，還進行樣本外(Out of Sample, OOS)

測試，在優解運行路徑記錄圖表 Run Path Log, RPL

6. 中對每個在優勝劣汰中產生的策略實時展示，進而說明框架運行的魯棒性。

7. 進化設置市場無偏化：進化的設置沒有市場偏見，不對任何的輸入數據信息做方向性釋義，利用不 同方向、組合考驗它們的實質利用價值。

8. 權重結構合理化：在 TSL 中，Trade-to-Parameter Ratio (TTPR) 越高越好，交易次數越多且交易策略越簡單，那麼其權重越高(自由度具體化)。例如，一個通道突破系統，可以在一籃子的金融產品中產生超過一萬次可觀的交易。

9. 策略回測最簡化：用戶在交易品種中生成的交易策略， 可以方便地調用其在其市場或品種上進行回測，並以此驗證該策略的魯棒性。該過程中，無需先轉化為第三方平台 的代碼，可直接在 TSL 中調用進行測試。高級日交易系統計策：TSL如何對付辣手的區制轉移(Regime Switching)問題？

遺傳基因程序(Genetic Programming, GP)能夠多端輸出，允許多個子交易系統共存在一個更大的交易系統中。

每個子系統都會對大系統的資本回報曲線作用。這種自動化策略生成系統威力很大，因為眾所周知，綜合多個穩健策略的系統比單個有更優秀的表現。例如，一個形態交易策略可能對建立看漲倉位有良好表現，一個指標型策略產生的信號對建立看空倉位有良好表現。這種情況，在未來有可能隨時交替變化。區制轉移(Regime Switching)機制一直都是系統交易者需要長期面對的極其棘手的問題。然而，因為日交易培訓數據精度高，數據量相對大，區制轉移(Regime Switching)參考樣本比較豐富，TSL的遺傳基因程序能生成多個輸出，圍繞著歷史數據中的各種情況，自動優尋和組合多個子系統來形成一個大系統。

子系統的優尋過程中，TSL循著用戶定義的目標函數，例如夏普比率(Sharpe Ratio)，自動化地將回報率相關度(correlation)低的子系統組合起來目標函數值。以此，最終得出交易策略的回報和交易穩健度都能因而得到提高。用戶使用TSL做交易策略設計，不單因為二元機器代碼自動歸納合成(Automatic Induction of MachineCode, AIM)技術的貢獻而得以節省運算時間，更因為遺傳基因程序本質對子系統多端輸出的特質，一站式地解決了辣手的區制轉移問題。用戶開發策略的速度和策略回報效益都因而得以提升。

TSL 的遺傳基因程序 Genetic Programming 算法引擎

TSL 針對任何市場交易品種，都能在短短幾分鐘內自動生成穩健的交易系統。它之所以有如此超凡的運算能力，得益於其底層算法引擎——Discipulus。RML Tech 公司研制的 Discipulus 引擎是基於一種高級計算機編程算法理論 AIM-GP (遺傳基因程序二元機器代碼自動歸納合成算法 Automatic Induction of Machine Code with Genetic Programming) 研制而成的商用算法引擎。 TSL 憑借 Discipulus 實現了 AIM-GP 這個尖端的搜索尋優算法理論。

這裡 AIM-GP 的 GP 是采用了遺傳基因程序中其中一種程序排列方法——"線性排列式遺傳基因程序" Linear Genetic Programming (LGP)。線性排列式遺傳基因程序 LGP 有別於"樹狀排列式遺傳基因程序" Tree-based Genetic Programming (TGP)。我們可以理解線性排列式遺傳基因程序 LGP 是啟發自命令式編程 (Imperative Programming)；樹狀排列式遺傳基因程序 TGP 啟發自函數式編程 (Functional Programming)。命令式編程包含一些會影響狀態(state)的指令，例如委派變量的數值。大多數商業用編程程序都是命令式編程，例如 C++，Pascal 和 Fortran。很多研究者甚至索性將樹狀結構下的分支看待成命令式，而不是函數式，因為很多應用程序，用線性排列式處理顯得更為自然。

研究顯示，AIM-GP的性能超越神經網絡、向量機 SVM、分類回歸樹 CART、樹狀網絡和隨進森林。AIM-GP被譽為當今最成功的二元機器代碼自動歸納合成算法 。它能夠在遺傳進化過程中，將交易中涉及到的各種元素，如指標、形態和不同的市場數據，在最底層的二元機器代碼進行基因和合成，從而速度能夠快如閃電！ 進化和合成策略，往往不是一般設計師憑直覺創想出來的，而是由完全嶄新的數學邏輯組成的技術分析指標。一般應用遺傳算法 Genetic Algorithm (GA) 尋優的交易軟件，只能基於自帶或用戶提供的邏輯做拼湊，那麼，尋優的創新能力自然受到限制。

事實上，很多交易平台都提供了以 GA 來做交易策略優化的軟件系統。例如，期貨交易券商提供的 Multicharts (MC)也自帶有 GA 策略優化功能。但是， 一般的以 GA 算法為基礎的尋優系統，其速度僅僅呈線性增加。而引用 AIM-GP 技術的 TSL 尋優引擎運行的速度，卻是以幾何級數增長，具有越算越快的性能。最終整體運算時長大量地縮短。

(筆者試用量化交易軟件無數，大膽認為，除 TSL 之外，在用戶有生之年，沒有任何其它商用或開源遺傳算法的尋策系統足夠高效地生出一套高穩健度的策略，供用戶實盤交易之用！)Discipulus 具體實現了 AIM-GP 的算法功能。眾多行業的數據分析研究人員，如天然資源、生物科技等，如今都采用了 Discipulus 的強大尋優算法引擎來驅動他們的數據挖掘和數據預測應用系統。 在金融交易策略尋優領域，用戶如果希望用到強大高效的 Discipulus，非選擇 TSL 不可。因為在全球范圍內只有 TSL 獲得 Discipulus在金融交易領域的開發應用權限。

時至今日，TSL 的交易策略尋優系統，經過十多年的不斷改進，在眾多金融交易領域(股票、期貨、外匯和期權交易)中都達到了無懈可擊的境界。 TSL 更憑借著被獨家授權的 Discipulus，獨霸 AIM 二元機器代碼自動歸納合成算法在金融交易領域的應用。沒有任何一家競爭對手的交易策略設計系統，能比得上 TSL 的尋策速度和生成策略之長期穩健性。

學者、行業人士及專業用戶評語

Trading System Lab 將我們公司開發的AIM-GP(遺傳基因程序二元機器代碼自動歸納合成算法 Automatic

Induction of Machine Code with Genetic Programming) 打造精煉成一個完備和易用的自動化生成交易策略

系統。在這個過程中，TSL制作出來了一個物理是在技術、設計、和概念性創新方面都是在我下筆寫《遺傳基因程序：入門》的時候依然還萬萬沒想到的。設計方面來說，交易策略中培訓用的目標函數制定，我看來，是開天辟地的。

-- 法蘭克·D·弗蘭科尼，RML Tech 公司總裁，大學教科書《遺傳基因程序：入門》(Genetic Programming: An Introduction) 作者

我們和TSL公司共事過並欣賞和承認他們對其產品質量和科研方面的努力。我們相信TSL和利用機器學習來設計交易策略，都將會是未來發展的大趨勢。

-- 著名量化基金 Cerebellum Capital CEO 大衛·安德烈(David Andre)

邁克·班納(Mike Barna)制作了一個軟件是用以開發交易系統的。他的TSL軟件用了人工智能系統，在任何交易市場中，都可以進行策略開發。如果你對機器學習感興趣，我推薦你去下邁克的TSL官網去下載他寫的白皮書。記得保持著一顆開放的心態面對這種系統開發的新興典范。

電腦真的可以擊倒技術分析老手嗎？很多人未必相信。但是，我經常發覺技術分析師們作分析的時候，蠻有傾向性的。但電腦則不然，它會千方百計地把各種方法都試遍。

邁克在2008年一月時候將三套交易系統提交給我，請我跟蹤18個月之後才發表它們。然後，這三個系統一直都在我跟蹤系統中的前十名。在2010年，他給多了我三套系統。我也在跟蹤。它們到底是不是聖杯交易系統呢？不！就跟那些其他靠人腦研發的交易系統一樣，它們照樣會有一定程度上的回撤。在我跟蹤這些系統的日子裡，它們的表現一直都保持優異。在最近一期的排行榜中，四個系統都晉身了前十(在芸芸數百個商用交易系統裡面脫穎而出)。事實就是，邁克的這個軟件，給了所有系統開發者自己動手開發系統的能力。他們不需要懂得任何交易策略的基本知識或理念，只需要輸入了風險系數和所需交易市場，電腦就會生成 EasyLanguage 語言，可以直接扔進去TradeStation 做實盤交易了。我可能過分簡化了整個流程，希望你別太介意呀。

一開始的時候，我心裡面總以為這些軟件生成的系統會過度擬合，但和邁克討論之後，就知道他用了樣本外的數據做過驗證，證實在開發過程中，魯棒性(穩健度)已經被反復確認。在過往三年，六套系中，三套系統都在這段波動性大的市況中被成功驗證其魯棒性。

-- 喬治·普魯特(George Pruitt)，美國《期貨真相》 Futures Truth 雜志調研總監

購買TSL是我的公司成立以來其中一個最優秀的投資。TSL 不是給一般只需要生成1-2個策略的客戶用的。它是給需要跑很多套策略的客戶用的。你只要熟悉了 TSL，你就可以用它來生成很多不同的高魯棒性(穩健)策略在不同的市場中做交易。我覺得TSL最大的優勢之一，就是每次生成的策略都與之前不一樣。這麼一來，我就可以在在同一個品種上同時交易五個不同的策略。我發覺這樣做，我的回撤可以大大減低。另外一個優勢，就是TSL老板麥克很敬業，我幾乎在什麼時候都能找到他幫忙。我相信任何基金經理都會覺得TSL是創建穩健系統的不二選工具。我也知道像TSL這些只不過是工具罷了，始終還有很多人工互動操作的部分。但我相信，用了這些工具之後，結果是遠遠比不用要好多了。我以我親身使用TSL的感受作此聲明。

-- 某TSL用戶，專業交易投資者，美國佛羅裡達州

我是一個TSL用戶，設計過幾個高頻和中頻的系統，在幾個不同的期貨和股票品種中都能獲利。我嘗試過設計中長期系統，努力調整過不同的設置，例如K線、建倉模式等等，徒勞無功。我試過很多其他系統設計軟件，沒有一個能接近TSL生成策略的穩健度。話雖如此，但TSL依然需要很多功夫和時間去鑽研。TSL的開發者經常有更新該軟件，加入一些新的功能和使得它運行得更快。最新的功能教 Evorun，聽起來是一個很棒的功能，因為他可以節省時間。它之前，我要人手去調整框架，選擇例如K線和建倉模式等等。有了它，這些勞動就可以被自動化了。我難以估算這個新功能到底價值會有多巨大！TSL需要用戶花很多時間去鑽研，才產出在今時今日能夠做實盤交易的可靠策略。一般非專業交易人士，我個人認為不合適購置TSL。

-- 某TSL用戶，專業交易投資者，芝加哥

更多用戶評語，請閱： http://tradingsystemlab.com/comments.aspx

結語

TSL 在美國市場中的表現，可以通過《期貨真相》得以驗證，在官網 Flash demos 中也提供了幾十盤交易品種培訓樣本以供參考。可是，TSL 在亞太區市場中的表現，鑒於系統交易潛在客戶稀缺，團隊未曾對大中華區的交易品種進行演示。讀者如果對個別市場或交易品種熟悉，並希望知道 TSL 是否可以在此交易品種中找到更優策略，請聯絡我們，提交歷史交易數據和明確的回報指標。我們會嘗試用 TSL 來幫你尋策。這樣做，可能比較直接了當。

溫馨提醒

TSL 不是一款大眾化的量化交易平台軟件，它更不是坊間比比皆是的交易策略，它是一個協助用戶無限量地生產的形似聖杯狀的交易策略的利器。讀者在考慮如何應用 TSL 之前，可能需要先問問自己：“TSL 這麼昂貴，我負擔得起它嗎？ 我用作交易的資本足夠去交易 TSL 生成的策略，繼而賺回 TSL 高昂的使用權費用嗎？” 所以推薦讀者擁有至少等值六百萬人民幣系統化交易資本，才考慮購置 TSL！

TSL產品售價：

全球統一售價，在TSL官網上有公開，無任何折扣。

前三年授權費：6萬美元

三年後每年延續費：2萬美元

 ($) 學術界有不少研究者對GP作出進一步的開發研究，並基於GP理論做改進，發展出新的算法，例如 MEP, GE, GEP, LGP, CGP, GADS, IFGP 等等。TSL 使用的 AIM-GP 技術，由 RML 公司提供。RML 公司一直都保持著在 GP 領域研究的領先地位，將最高效的算法理論和技術，結合 AIM 二元機器代碼自動歸納合成技術， 編成方便整合的應用軟件。

(#) 在系統交易暢銷書作家 Irene Aldridge 2013 年發行的《高頻交易實用指南》第二版 High-Frequency Trading A Practical Guide to Algorithmic Strategies and Trading Systems, 2nd 中，她說："開發穩定、盈利的超短線交易策略，至少需要三年時間"； "development of consistently profitable ultra-short-term trading strategies takes at least three years."

* http://www.tradingsystemlab.com/systemsdata/THEBIGBLUE2TRADINGSYSTEM.pdf

** http://www.tradingsystemlab.com/systemsdata/TSL_SP_0.1_RMESA_Description.pdf