概述

该策略是基于Faytterro Estimator的交易信号进行交易的策略。Faytterro Estimator是一个通过计算价格的收敛离散率来判断趋势的指标。该策略结合Faytterro Estimator的交易信号,以及一些附加条件,在理想的点位发出不同大小的买入和卖出信号。

策略原理

该策略的核心是Faytterro Estimator。它的计算方法是:先计算价格的收敛离散率CR,然后构建一个二次函数,该二次函数通过设置不同的系数,能够反映CR的曲线特征。通过观察二次函数曲线的拐点,判断价格趋势的变化。

具体来说,策略首先计算价格的收敛离散率CR。然后构建一个长度为2*len的数组dizi,依次填充二次函数值。其中二次函数系数反映CR的值。之后,通过观察下标为len+1+5和len+1+4的两个值,判断二次函数是否出现拐点,如果出现拐点就发出买入或卖出信号。

在此基础上,策略还设置了一些附加条件,如设置价格突破的最小间距,避免频繁交易;设置不同大小的入场信号等。这些条件都是为了过滤掉一些不理想的交易点位。

优势分析

该策略具有以下几点优势:

1. 使用Faytterro Estimator指标判断趋势,该指标对价格波动具有敏感度,能提早捕捉到趋势的变化。

2. 构建二次函数反映CR曲线特征,寻找拐点信号,判断方法直观有效。

3. 设置不同大小的入场信号,能在理想点位进行pyramid交易,提高盈利空间。

4. 增加最小间距设置,有效过滤信号,避免频繁无效交易。

5. 可调参数较多,能针对不同品种进行优化,适应性强。

6. 策略思路清晰易懂,代码易读性高,便于学习借鉴。

风险分析

该策略也存在一些风险需要注意:

1. Faytterro Estimator对曲线fitting有风险,在某些品种效果可能不佳。

2. 仅依靠二次函数拐点判断信号可能过于粗放,导致误判。

3. 频繁pyramid交易会加重手续费负担。

4. 大量可调参数增加了调优难度。

5. 无法有效处理价格震荡期的误判问题。

6. 没有止损机制,可能导致亏损扩大。

对应风险的解决方案如下:

1. 针对不同品种优化参数,提高健壮性。

2. 增加其他指标过滤,避免仅靠拐点造成误判。

3. 合理设置止损,控制单笔亏损。

4. 通过大数据方法自动调优参数。

5. 增加震荡识别机制,避开震荡阶段。

6. 设置合理的止损逻辑。

优化方向

该策略的优化方向包括:

1. 增加止损逻辑,控制单笔亏损。可以设置移动止损或时间止损。

2. 增加其他指标组合,避免Faytterro Estimator单一指标判断误判风险。例如结合MACD、KDJ等指标进行过滤。

3. 增加确认机制,避免因价格短期回调被stop loss出场。可以考虑二次入场确认。

4. 优化 adjustable parameters,针对不同品种设定合理参数。可以使用遗传算法、贝叶斯优化等方法。

5. 增加对震荡行情的识别,在震荡期避免交易。可以用ATR、DMI等指标识别。

6. 优化pyramid逻辑,防止追涨杀跌。比如根据趋势强度动态调整加仓幅度。

7. 测试不同时间周期的参数设置,寻找最佳周期。

总结

本策略基于 Faytterro Estimator 的交易信号进行决策,在其基础上增加逻辑判断,并设置不同大小入场信号,形成具有 pyramid 特性的趋势跟踪策略。该策略直观易懂,具有较强的趋势捕捉能力。但也存在指标误判、无止损、参数调优难等问题。未来的优化方向包括增加过滤机制、止损逻辑、参数优化等,以提高策略的稳定性和适应性。总体来说,本策略提供了一种利用指标判断趋势变化的思路,值得学习和借鉴。