二次拟合交易信号策略


创建日期: 2023-09-23 15:40:57 最后修改: 2023-09-23 15:40:57
复制: 2 点击次数: 381
1
关注
1101
关注者

概述

本策略利用二次曲线拟合K线高低点,形成交易信号。当实际价格突破拟合曲线时,产生买入和卖出信号。该策略试图用数学模型识别关键支撑和阻力,进行突破交易。

策略原理

该策略的主要组成部分和规则如下:

  1. 拟合高低点:使用二次曲线最小二乘法拟合K线高低点。

  2. 买入信号:当K线收盘价突破上轨曲线时产生买入信号。

  3. 卖出信号:当K线收盘价突破下轨曲线时产生卖出信号。

  4. N周期验证:要求突破持续N周期才生效,避免假突破。

  5. 平仓信号:没有明确的平仓信号,通过回测优化确定持仓时间。

该策略试图通过数学模型识别关键价格,并在突破时入场,属于典型的突破系统。

优势分析

相比其他突破系统,该策略主要优势有:

  1. 使用数学模型拟合,较主观判断更客观。

  2. 融合了交易技术与统计模型,方法新颖。

  3. 引入多周期验证,可过滤假突破。

  4. 回测优化可寻找最佳持仓时间。

  5. 实现难度不大,可灵活调整。

  6. 模型自动更新,无需人工维护。

  7. 可检验不同品种和周期的参数健壮性。

  8. 可引入机器学习进一步优化和验证。

  9. 总体来说,新颖程度高,有探索价值。

风险分析

但该策略也存在以下风险:

  1. 拟合效果取决于参数选择,可能过度优化。

  2. 拟合曲线存在滞后,无法完全规避损失。

  3. 未考虑交易量,存在被套盘风险。

  4. 统计套利难以长期稳定获得超额收益。

  5. 回测周期短,需验证模型稳健性。

  6. 多品种环境适应性有待检验。

  7. 固定仓位无法动态调整。

  8. 需严格评估收益回撤比。

优化方向

根据以上分析,该策略可以从以下几个方面提高:

  1. 在不同市场环境中测试参数健壮性。

  2. 加入交易量验证指标。

  3. 优化出入场逻辑,提高信号质量。

  4. 建立动态仓位管理模型。

  5. 引入止损策略限制亏损。

  6. 优化资金管理策略。

  7. 回测窗口滚动验证。

  8. 评估多品种稳定收益能力。

  9. 借助机器学习进行模型优化。

总结

该策略整体来说,具有一定创新性和实验价值。但Statistical Arbitrage长期稳定盈利仍面临考验。需要在回测中全面审视策略的稳健性、风险收益情况,防止过拟合,使策略在多变的市场中保持适应能力。

策略源码
                
                    /*backtest
start: 2023-08-23 00:00:00
end: 2023-09-22 00:00:00
period: 1h
basePeriod: 15m
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/

//@version=4
//
// ▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒ //

strategy(title = " Strategy Quadratic Semaphore ",
         shorttitle = "SQS",
         overlay = true,
         precision = 8,
         calc_on_order_fills = true,
         calc_on_every_tick = true,
         backtest_fill_limits_assumption = 0,
         default_qty_type = strategy.fixed,
         default_qty_value = 2,
         initial_capital = 10000,
         pyramiding=5,
         currency = currency.USD,
         linktoseries = true)

//
// ▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒ //

backTestSectionFrom = input(title = "═══════════════ From ═══════════════", defval = true, type = input.bool)

FromMonth         = input(defval = 1, title = "Month", minval = 1)
FromDay           = input(defval = 1, title = "Day", minval = 1)
FromYear          = input(defval = 2019, title = "Year", minval = 2014)

backTestSectionTo = input(title = "════════════════ To ════════════════", defval = true, type = input.bool)
ToMonth           = input(defval = 31, title = "Month", minval = 1)
ToDay             = input(defval = 12, title = "Day", minval = 1)
ToYear            = input(defval = 9999, title = "Year", minval = 2014)

Config            = input(title = "══════════════ Config ══════════════", defval = true, type = input.bool)
p = input(6)
length = input(30)
//
backTestPeriod() => (time > timestamp(FromYear, FromMonth, FromDay, 00, 00)) and (time < timestamp(ToYear, ToMonth, ToDay, 23, 59))
//
//
// ▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒ //

x1 = bar_index
x2 = sqrt(x1)
y = high
//
S11 = sum(x2,length) - sqrt(sum(x1,length)) / length  
S12 = sum(x1*x2,length) - (sum(x1,length) * sum(x2,length)) / length  
S22 = sum(sqrt(x2),length) - sqrt(sum(x2,length)) / length            
Sy1 = sum (y*x1,length) - (sum(y,length) * sum(x1,length)) / length   
Sy2 = sum (y*x2,length) - (sum(y,length) * sum(x2,length)) / length   
//
max1 = sma(x1,length) 
max2 = sma(x2,length)
may = sma(y,length)
b2 = ((Sy1 * S22) - (Sy2*S12))/(S22*S11 - sqrt(S12))
b3 = ((Sy2 * S11) - (Sy1 * S12))/(S22 * S11 - sqrt(S12))
b1 = may - b2*max1 - b3*max2
qr = b1 + b2*x1 + b3*x2
//
yl = low
//
Sy1l = sum(yl*x1,length) - (sum(yl,length) * sum(x1,length)) / length  
Sy2l = sum(yl*x2,length) - (sum(yl,length) * sum(x2,length)) / length  
//
mayl = sma(yl,length)
b2l = ((Sy1l * S22) - (Sy2l*S12))/(S22*S11 - sqrt(S12))
b3l = ((Sy2l * S11) - (Sy1l * S12))/(S22 * S11 - sqrt(S12))
b1l = mayl - b2l*max1 - b3l*max2
qrl = b1l + b2l*x1 + b3l*x2
//
period = round(p/2)+1
hh = qr[period]
ll = qrl[period]
countH = 0
countL = 0
buy=0
sell=0
//
for i = 1 to period-1
    if qr[i]<hh
        countH:=countH+1
    if qrl[i]>ll
        countL:=countL+1

for i = period+1 to p+1
    if qr[i]<hh
        countH:=countH+1
    if qrl[i]>ll
        countL:=countL+1

if countH==p
    pivotH = high[period]
    buy := 1
    
if countL==p
    pivotL = low[period]
    sell := 1
//    
plotshape(buy == 1 , text='💣', style=shape.arrowup, location=location.belowbar, color=#32CD32, textcolor=color.white, offset=0, transp=0,size=size.auto)
plotshape(sell == 1 , text='🔨', style=shape.arrowdown, location=location.abovebar, color=#FF0000, textcolor=color.white, offset=0, transp=0,size=size.auto)
//

if (backTestPeriod())
    strategy.entry("long", true, 1, when = buy == 1)
    strategy.entry("short", false, 1, when = sell == 1) 

                
            
更多内容