It is always difficult and challenge to obtain suitable trading signals for the desired securities in financial markets. The popular way to deal with it is through the use of trading strategies (TSs) made up of technical or fundamental indicators. Due to the different properties of TSs, an algorithm was proposed to find trading signals by obtaining the group trading strategy portfolio (GTSP), which is composed of strategy groups that can be employed to generate various TS portfolios (TSP) instead of a single TS. The stop-loss and take-profit points (SLTP) are widely utilized by shareholders to avoid massive losses. However, the appropriate SLTP is hard to set by users. Therefore, in this paper, the algorithm, namely GTSP-SLTP algorithm, is proposed to not only obtain a reliable GTSP but also find appropriate SLTP using the grouping genetic algorithm. A chromosome is encoded by the generated SLTP and GTSP along with the weights for strategy groups that are the SLTP, grouping, weight, and strategy parts. To assess the goodness of a chromosome, the evaluation function that consists of the group balance, weight balance, risk factor, and profit factor, is employed. Genetic operators are then performed to produce new solutions for next population. The genetic process is performed iteratively until the stop conditions have achieved. Last but not the least, empirical experiments were conducted on three financial datasets with different trends and a case study is also given to reveal the effectiveness and robustness of the designed GTSP-SLTP algorithm.

为金融市场中的所需证券获取合适的交易信号始终是困难和挑战。解决该问题的常用方法是使用由技术或基本指标组成的交易策略（TS）。由于交易系统的性质不同，提出了一种算法，该算法通过获取群组交易策略投资组合（GTSP）来查找交易信号，该交易策略组合由可用于生成各种交易系统投资组合（TSP）的策略组组成，而不是单个交易系统。股东广泛使用止损和止盈点（SLTP）来避免巨额亏损。但是，用户很难设置适当的SLTP。因此，在本文中，该算法即GTSP-SLTP算法，提出不仅要获得可靠的GTSP，而且要使用分组遗传算法找到合适的SLTP。一条染色体由生成的SLTP和GTSP以及策略组的权重（即SLTP，分组，权重和策略部分）编码。为了评估染色体的优劣，使用了由组平衡，体重平衡，风险因素和利润因素组成的评估函数。然后执行遗传算子以为下一个种群提供新的解决方案。遗传过程反复进行，直到达到终止条件为止。最后但并非最不重要的一点是，对三个具有不同趋势的金融数据集进行了实验，并进行了案例研究，以揭示所设计的GTSP-SLTP算法的有效性和鲁棒性。一条染色体由生成的SLTP和GTSP以及策略组的权重（即SLTP，分组，权重和策略部分）编码。为了评估染色体的优劣，使用了由组平衡，体重平衡，风险因素和利润因素组成的评估函数。然后执行遗传算子以为下一个种群提供新的解决方案。遗传过程反复进行，直到达到终止条件为止。最后但并非最不重要的一点是，对三个具有不同趋势的金融数据集进行了实验，并进行了案例研究，以揭示所设计的GTSP-SLTP算法的有效性和鲁棒性。一条染色体由生成的SLTP和GTSP以及策略组的权重（即SLTP，分组，权重和策略部分）编码。为了评估染色体的优劣，使用了由组平衡，体重平衡，风险因素和利润因素组成的评估函数。然后执行遗传算子以为下一个种群提供新的解决方案。遗传过程反复进行，直到达到终止条件为止。最后但并非最不重要的一点是，对三个具有不同趋势的金融数据集进行了实验，并进行了案例研究，以揭示所设计的GTSP-SLTP算法的有效性和鲁棒性。为了评估染色体的优劣，使用了由组平衡，体重平衡，风险因素和利润因素组成的评估函数。然后执行遗传算子以为下一个种群提供新的解决方案。遗传过程反复进行，直到达到终止条件为止。最后但并非最不重要的一点是，对三个具有不同趋势的金融数据集进行了实验，并进行了案例研究，以揭示所设计的GTSP-SLTP算法的有效性和鲁棒性。为了评估染色体的优劣，使用了由组平衡，体重平衡，风险因素和利润因素组成的评估函数。然后执行遗传算子以为下一个种群提供新的解决方案。遗传过程反复进行，直到达到终止条件为止。最后但并非最不重要的一点是，对三个具有不同趋势的金融数据集进行了实验，并进行了案例研究，以揭示所设计的GTSP-SLTP算法的有效性和鲁棒性。