概述
本策略综合运用了EMA均线、VWAP、MACD、Bollinger Bands和Schaff Trend Cycle五大指标,识别价格在某一范围内的反转点,发出买入和卖出信号。策略优点是可根据不同市场调整指标使用组合,降低假信号概率,提高获利概率。但也存在指标滞后识别变化以及参数设置不当的风险。总体来说,策略思路清晰,有较强的实用价值。
策略原理
-
EMA均线判断大趋势方向,只在趋势方向买入
-
VWAP判断机构资金流向,只在机构买入方向买入
-
MACD判断短线趋势和动量变化,MACD线突破信号线视为买入/卖出信号
-
Bollinger Bands判断是否过量或过卖,价格穿越上下轨视为买入/卖出信号
-
Schaff Trend Cycle判断短期缠绕盘整结构,超过高低阈值视为买入/卖出信号
-
五大指标发出一致信号时,发出买入/卖出指令
-
设置止损点和止盈点,优化资金管理
策略优势
- 多指标组合降低假信号概率
使用EMA、VWAP、MACD、BB和STC等多种指标的组合,可以相互验证,减少某一单一指标产生的假信号,从而提高信号的可靠性。
- 指标可定制
允许选择是否使用某一指标,可根据不同品种和市场环境进行指标的组合,使策略更具针对性和适应性。
- 资金管理优化
设置止损点和止盈点,可以限制单笔损失,并锁定部分利润,对资金进行更好的管理。
- 策略思路清晰
使用简单直观的指标,并配有详细的代码注释,整个策略思路一目了然,易于理解和修改。
- 实用性强
多种指标广泛使用,参数设置合理,可直接用于实盘交易,无需大量优化即可达到不错的效果。
策略风险
- 指标滞后识别变化的风险
EMA、MACD等指标对价格变化的识别存在一定滞后,可能错过最佳买入时点。
- 参数设置不当的风险
如果指标参数设置不当,将产生大量假信号,无法正常运行策略。
- 胜率无法保证的风险
多指标组合可以提高胜率,但无法确保每笔交易都获利。市场环境变化可能导致胜率下降。
- 止损点设定过小的风险
如果止损点设置过小,在价格正常波动时就可能被止损出场,增加不必要损失。
策略优化方向
- 增加机器学习模型判断信号可靠性
可以训练模型判断多指标信号的可靠程度,对信号进行评分,减少假信号。
- 增加量化指标进行蓄势识别
增加一些量化指标比如OBV等,识别价格的蓄势迹象,提高买点的确定性。
- 优化止损止盈策略
可以研究更适合本策略的移动止损或锁利策略,优化资金管理。
- 参数优化
通过更系统的回测来优化每个指标的参数,提高策略整体稳健性。
- 增加机器人交易
连接交易API,实现自动下单,使策略可以真正无人值守运行。
总结
本策略整合多种技术指标优势,思路清晰,实用性强,可作为 discretionary trading 的决策参考,也可直接用于 algorithmic trading。但仍需针对具体品种和市场环境进行优化调整,降低风险提高稳定性,最后才能在实盘中持续稳定盈利。
/*backtest
start: 2023-10-02 00:00:00
end: 2023-11-01 00:00:00
period: 1h
basePeriod: 15m
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/
//@version=4
// This source code is subject to the terms of the Mozilla Public License 2.0 at https://mozilla.org/MPL/2.0/
// © MakeMoneyCoESTB2020- 1