ChaoZhang
概述
动量策略是一种根据价格变动趋势来进行交易的策略。该策略通过计算一定周期内的价格变动情况,判断价格运动趋势,进而产生交易信号。当价格出现上涨趋势时,产生买入信号;当价格出现下跌趋势时,产生卖出信号。本策略采用双动量指标交叉产生交易信号。
策略原理
该策略通过计算一定周期内的收盘价变动情况,判断价格的动量。具体来说,是计算收盘价相对于N周期之前的收盘价的变动情况。
首先计算第一个动量指标MOM0,公式为:
MOM0 = CLOSE - CLOSE[N]
其中,CLOSE表示当前周期收盘价,CLOSE[N]表示N周期之前的收盘价。这样MOM0>0表示当前周期相对N周期之前收盘价上涨,MOM0表示当前周期相对N周期之前收盘价下跌。
然后计算第二个动量指标MOM1,公式为:
MOM1 = MOM0 - MOM0[1]
即计算MOM0本周期的值减去上一周期的值。MOM1>0表示MOM0上涨,MOM1表示MOM0下跌。
同时计算第三个动量指标MOM2,公式为:
MOM2 = CLOSE - CLOSE[1]
即计算当前周期收盘价减去上一周期的收盘价。MOM2>0表示收盘价上涨,MOM2表示收盘价下跌。
当MOM0>0且MOM1>0时,表示动量持续上涨,产生买入信号;当MOM0且MOM2时,表示动量持续下跌,产生卖出信号。
代码中还增加了时间条件time_cond,只有在设定的回测时间段内才会产生交易信号。另外在挂单前再检查一次条件是否仍然成立,避免信号消失后仍下单的情况。
优势分析
- 动量策略捕捉价格变化趋势,不受价格本身影响,避免了追高杀低的风险
- 采用双动量指标交叉,可过滤假突破,避免产生错误信号
- 增加时间和条件检查,可减少无效交易
- 简单易懂的策略原理,容易实施
- 可灵活调整参数,适用于不同市场环境
风险分析
- 动量指标存在滞后,可能错过转折点
- 双指标交叉增加滤波效果,但也可能错过部分机会
- 无法判断价格上涨或下跌的力度和速度
- 需要谨慎选择参数,过于敏感可能增加交易频率和滑点成本
- 效果依赖参数优化,不同时期参数需要调整
可通过缩短动量周期、引入趋势判断、或配置止损来减少风险。也可以考虑加入交易量指标进行滤波。
优化方向
- 尝试不同的动量计算方式,如ROC,RSI等
- 增加趋势判断,避免反转震荡市
- 配置止损策略,控制单笔损失
- 结合交易量指标,确保有成交量支持
- 加入机器学习算法,实现参数的动态优化
- 多时间框架策略,区分短期和长期趋势
- 考虑跨市场套利,利用不同市场价格关系
总结
动量策略通过跟踪价格变动趋势而非价格本身,可有效判断市场热点方向,抓住价格上涨和下跌的机会。但动量具有滞后性,参数选择和组合优化对策略效果至关重要。本策略以双动量指标交叉为基础,可过滤部分噪音。可通过不断优化参数、加入新的技术指标、利用机器学习等方式进一步增强策略效果,控制风险。
/*backtest
start: 2022-09-25 00:00:00
end: 2023-02-03 00:00:00
period: 1d
basePeriod: 1h
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/
//@version=4
strategy("Momentum Strategy", overlay = false, precision = 2, initial_capital = 10000, default_qty_value = 10000, default_qty_type = strategy.cash, commission_type = strategy.commission.percent, commission_value = 0, calc_on_every_tick = true)
// Calculate start/end date and time condition
startDate = input(timestamp("2021-01-02T00:00:00"), title = "Start Date", type = input.time)
finishDate = input(timestamp("2021-12-31T00:00:00"), title = "End Date",type = input.time)
time_cond = true
i_len = input(defval = 12, title = "Length", minval = 1)
i_src = input(defval = close, title = "Source")
i_percent = input(defval = true, title = "Percent?")
i_mom = input(defval = "MOM2", title = "MOM Choice", options = ["MOM1", "MOM2"])
momentum(seria, length, percent) =>
_mom = percent ? ( (seria / seria[length]) - 1) * 100 : seria - seria[length]
_mom
mom0 = momentum(i_src, i_len, i_percent)
mom1 = momentum(mom0, 1, i_percent)
mom2 = momentum(i_src, 1, i_percent)
momX = mom1
if i_mom == "MOM2"
momX := mom2
if (mom0 > 0 and momX > 0 and time_cond)
strategy.entry("MomLE", strategy.long, stop = high + syminfo.mintick, comment = "MomLE")
else
strategy.cancel("MomLE")
if (mom0 < 0 and momX < 0 and time_cond)
strategy.entry("MomSE", strategy.short, stop = low - syminfo.mintick, comment = "MomSE")
else
strategy.cancel("MomSE")
plot(mom0, color = #00bcd4, title = "MOM")
plot(mom1, color = #00FF00, title = "MOM1", display = display.none)
plot(mom2, color = #00FF00, title = "MOM2")