概述
本策略利用移动平均线(MA)的斜率和动量指标的斜率进行交易决策。它会比较 MA 斜率和动量斜率与设定的阈值,当两条斜率都超过阈值时产生交易信号。该策略还包含低波动过滤器,在市场波动性低时使用不同的 MA 生成信号。
策略原理
本策略的核心在于比较两条斜率曲线。首先,它会计算 MA 和动量指标的斜率。斜率反映曲线的变化速度和方向。然后使用两个阈值,当两条斜率曲线都超过相应的阈值时产生交易信号。
例如,当 MA 斜率和动量斜率都超过上轨时,产生买入信号;当两条曲线都跌破下轨时,产生卖出信号。这样可以过滤掉部分假信号。
低波动过滤器使用一个长期 MA 判断市场波动性。当波动性低时,使用不同参数的 MA 生成交易信号,从而适应不同市场状态。
优势分析
本策略具有以下几个优势:
-
使用双重过滤器设定交易信号,可以过滤掉部分噪音,提高信号质量。
-
低波动过滤器使得策略可以适应不同的市场状态,具有弹性。
-
允许高度自定义不同参数,可以针对不同品种进行优化。
-
含有无复漆功能,可以减少曲线拟合对结果的影响。
风险分析
本策略也存在一些风险:
-
双重过滤可能过滤掉部分真实信号,导致错过机会。可以通过调整参数优化。
-
低波动过滤器判定阈值需要仔细测试确定。如果参数不当可能出现信号偏差。
-
MA 和动量指标参数设置需要针对具体品种优化,全市场通用参数难以确定。
-
无复漆功能无法完全规避回测曲线拟合问题,实盘效果仍需验证。
-
高度自定义参数会使参数空间复杂化,优化难度增加。
优化方向
本策略可以从以下几个方向进行优化:
-
测试更多种类的 MA 和动量指标的组合,找到最匹配的指标。
-
优化 MA 和动量指标的长度参数,平衡延迟和噪音。
-
优化斜率计算的参数,找到更稳定指标的组合。
-
测试不同的低波动性指标和参数,提高弹性。
-
在不同品种和周期上测试,寻找最佳适用范围。
-
构建参数自适应机制,减少手动优化工作量。
总结
本策略整体是一个非常灵活和可自定义的双 MA 策略。它同时参考价格和动量信息进行决策,可以有效过滤假信号。低波动过滤器也使得策略更具弹性,能够适应市场的变化。
通过参数优化和指标选择的改进,本策略可以成为一个值得考虑在实盘中应用的选择。它为利用 MA 和动量指标进行交易决策提供了一个参考模板。
/*backtest
start: 2023-11-12 00:00:00
end: 2023-12-12 00:00:00
period: 1h
basePeriod: 15m
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/
// This source code is subject to the terms of the Mozilla Public License 2.0 at https://mozilla.org/MPL/2.0/
// © Allenlk
//@version=4
strategy("DRSI DMA Scalping Strategy", shorttitle="DRSIDMA", overlay=false, initial_capital=1000, pyramiding=2, default_qty_type=strategy.percent_of_equity, default_qty_value=100)- 1