Loading ...

数字货币自适应均线交易系统以及KAMA算法解析——基于发明者量化交易软件

Author: Hukybo, Created: 2019-07-06 16:21:15, Updated: 2019-07-16 16:47:32

[TOC]

1、自适应均线KAMA简介

顾名思义自适应均线(KAMA)属于移动平均线(Moving Average)类别,但是与传统移动平均线不一样的是它很“聪明”。我们知道普通均线有很多缺点,比如:短期均线贴近价格走势,非常敏感,但是很容易产生虚假信号;长期均线在趋势判断上非常准确,但是往往行情已经走了一段,它才反应过来。

KAMA的“聪明”就体现在,它能根据当前的市场状态,也就是波动率,来自主调节敏感性。其变现形式就是:在震荡行情中,KAMA的变化明显减慢;当趋势来临的时候,又反应迅速。那么在实盘中,它的好处就是:既能减少因“日常杂波”产生的交易成本,又能在行情起飞时及时上车。

2、图表中的KAMA

img

3、KAMA的计算方法

  • 方向(DIR) = 收盘价 - n日前收盘价
  • 波动率(VIR) = sum(abs(收盘价 - 上一个交易日收盘价), n)
  • 效率(ER) = 方向 / 波动率
  • 快速 = 2 / (n1 + 1)
  • 慢速 = 2 / (n2 + 1)
  • 平滑(CS) = 效率 * (快速 - 慢速) + 慢速
  • 系数(CQ) = 平滑 * 平滑
  • KAMA = 指数加权平均(动态移动平均(收盘价, 系数), 2)

其中,n、n1、n2都是周期参数,默认情况下n周期数是10,n1是短期周期数为2,n2是长期周期数为30。这也是KAMA作者Perry Kaufman认同的一组参数,n用于方向和波动率计算效率,n1和n2是快速均线和慢速均线的周期数,理论上n1的参数越大,KAMA就越平滑。

KAMA的计算方法是:首先计算出方向(DIR)和波动率(VIR),然后在跟两者的比例计算出效率。效率(ER)是衡量价格的变化程度,计算方式也很简单:方向 / 波动率。计算结果是0~1之间,当ER的值越接近0表明市场处于震荡状态,当ER的值越接近1表明市场处于趋势状态。

当计算出效率(ER)就可以结合快速均线和慢速均线推导出平滑常数(CS):效率 * (快速 - 慢速) + 慢速。CS代表了趋势运行的速度,根据CS的计算公式,我们可以发现,CS的变化始终与ER的变化成正比。

然后根据平滑的乘方计算出系数(CQ),其目的是使慢周期参数在计算中起到更重要的作用,这也是一个较为保守的做法。KAMA最终的平滑程度是由系数(CQ)决定,在KAMA的计算中,系数(CQ)决定了最后两次均线平滑的周期参数,即:指数加权平均(动态移动平均(收盘价, 系数), 2)。

4、如何使用KAMA

尽管KAMA的计算方法非常复杂,但是使用方法与普通均线类似,在实际应用中,它不仅可以判断行情走势,还可以用于精确的买卖点。由于它非常“聪明”,可以用于很多交易策略中,甚至在数字货币中也值得一试。

  • 当价格大于KAMA,并且KAMA向上时,多头开仓。
  • 当价格小于KAMA,并且KAMA向下时,空头开仓。
  • 当价格小于KAMA,或者KAMA向下时,多头平仓。
  • 当价格大于KAMA,或者KAMA向上时,空头平仓。

5、基于KAMA构建交易策略

第一步:计算KAMA 注意!在左上角选择编程语言为:My语言。在talib库中已经有现成的KAMA,但是它只有一个外部参数(n)周期,n1和n2已经默认为2和30。本篇中的策略只作抛砖引玉直接使用,动手能力强的小伙伴也可以自己写哈。那么在My语言中也可以直接与JavaScript语言混合,注意看下面的代码:

%%  // My语言内JavaScript的标准格式
scope.KAMA = function() {
    var r = _C(exchange.GetRecords);  // 获取K线数组
    if (r.length > 140) {  // 过滤K线长度
        var kama = talib.KAMA(r, 140);  // 调用talib库计算KAMA
        return kama[kama.length - 2];  // 返回KAMA的具体数值
    }
    return;
}
%%  // My语言内JavaScript的标准格式

第二步:计算交易条件并下单

%%
scope.KAMA = function() {
    var r = _C(exchange.GetRecords);
    if (r.length > 140) {
        var kama = talib.KAMA(r, 140);
        return kama[kama.length - 2];
    }
    return;
}
%%

K^^KAMA;  // 把KAMA打印到图表上
A:CLOSE;  // 把收盘价打印到图表上

K > REF(K, 1) && CLOSE > K,BK;  // 开多
K < REF(K, 1) && CLOSE < K,SK;  // 开空
K < REF(K, 1) || CLOSE < K,SP;  // 平多
K > REF(K, 1) || CLOSE > K,BP;  // 平空

第三步:设置策略信号过滤方式

%%
scope.KAMA = function() {
    var r = _C(exchange.GetRecords);
    if (r.length > 140) {
        var kama = talib.KAMA(r, 140);
        return kama[kama.length - 2];
    }
    return;
}
%%

K^^KAMA;
A:CLOSE;

K > REF(K, 1) && CLOSE > K,BK;
K < REF(K, 1) && CLOSE < K,SK;
K < REF(K, 1) || CLOSE < K,SP;
K > REF(K, 1) || CLOSE > K,BP;

AUTOFILTER;  // 启用一开一平信号过滤机制

6、策略回测

为了更接近真实的交易环境,我们在回测时采用开平仓各2跳的滑点来压力测试,测试环境如下:

  • 交易所:BitMEX
  • 行情品种:XBTUSD
  • 交易品种:XBTUSD
  • 时间:2017年07月01日~2019年07月01日
  • K线周期:日线
  • 滑点:开平仓各2跳

测试环境 img 收益明细 img 资金曲线 img

单从上面的回测结果看,这个简单的KAMA策略果然不负众望,即使在数字货币2018年的超级大熊市中,资金曲线并没有出现较大的回撤,并且在行情长期处于震荡时期,也没有来回开平仓,造成不必要的亏损。同时在2019年的牛市中也有不错的表现。

7、策略源码

点击复制完整策略源码,基于My语言,适用于商品期货和数字货币

7、总结

一个优秀的可以实盘的策略一定是经过千锤百炼的打磨,本篇中的策略还有很多可以优化升级的空间,比如增加一定的过滤条件、主动的止盈止损条件等等。作为均线的一种,KAMA继承了普通均线优缺点,同时又进行了升华。在一个变化莫测的市场,即便是固定一个“最好的参数”也很难适应未来的行情,因此这种随势而动,随行情变化而变化的方法或许是一个更好的选择。


More