ChaoZhang
概述
Heikin Ashi与考夫曼自适应移动平均线交易策略(HLC3/Kaufman Strategy)是一个结合Heikin Ashi K线和考夫曼自适应移动平均线(KAMA)的量化交易策略。该策略通过Heikin Ashi K线来确定交易方向,再利用考夫曼自适应移动平均线作为辅助指标进行交易信号过滤。
策略原理
该策略主要由以下几个部分组成:
计算Heikin Ashi开盘价、收盘价。这些价格反映了K线实体的中间价格,可以过滤掉部分噪声。
计算考夫曼自适应移动平均线(KAMA)。KAMA能够动态调整自己的平滑度,在市场突发大幅波动时不会产生太多滞后。
比较Heikin Ashi收盘价与KAMA的大小关系来确定买入和卖出信号。当Heikin Ashi收盘价上穿KAMA时产生买入信号;当Heikin Ashi收盘价下穿KAMA时产生卖出信号。
可以添加ADX指标来判断趋势强弱,避免在震荡市场中产生错误信号。
优势分析
该策略最大的优势在于结合了Heikin Ashi K线和KAMA的双重过滤,可以大大减少噪声交易和错误信号。具体优势如下:
- Heikin Ashi K线本身就具有去噪功能,从而过滤了部分短期波动。
- KAMA相比SMA和EMA更加灵敏,能够有效跟踪大级别的趋势变化。
- 结合Heikin Ashi和KAMA的双重滤波机制能够减少误差。
- 可配置ADX指标判断趋势强弱,避免错误信号。
- 交易信号直接明确,操作起来简单、灵活。
风险分析
- 部分震荡行情中可能会产生错误信号,应适当调整参数来避免这种风险。
- 过于灵敏的取参容易追高杀跌,应适当放宽KAMA参数。
- 长期趋势行情中,KAMA可能会落后于价格变化一定程度。这需要结合ADX指标来确定趋势稳定性。
优化方向
- 优化Heikin Ashi收盘价和KAMA参数,找到最佳过滤条件。
- 添加趋势判断指标如ADX,确保在趋势稳定时才产生交易信号。
- 结合其他辅助指标如Boll线来设定止损标准。
- 测试不同品种参数的稳定性,寻找最优参数组合。
总结
Heikin Ashi与考夫曼自适应移动平均线交易策略是一种双重滤波的趋势跟踪策略。它结合了Heikin Ashi K线的去噪功能和KAMA对趋势变化的快速跟踪优势,能够有效过滤噪声交易、减少错误信号,适合追踪中长期趋势。该策略可以通过参数优化、辅助指标确认等手段进一步增强稳定性和盈利能力。
策略源码
/*backtest
start: 2022-12-12 00:00:00
end: 2023-12-18 00:00:00
period: 1d
basePeriod: 1h
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/
//@version=2
//Heikin/Kaufman by Marco
strategy("HLC3/Kaufman Strategy ",shorttitle="HLC3/KAU",overlay=true)
res1 = input(title="Hlc3 Time Frame", defval="D")
test = input(1,"Hlc3 Shift")
sloma = input(20,"Slow EMA Period")
//Kaufman MA
Length = input(5, minval=1)
xPrice = input(hlc3)
xvnoise = abs(xPrice - xPrice[1])
Fastend = input(2.5,step=.5)
Slowend = input(20)
nfastend = 2/(Fastend + 1)
nslowend = 2/(Slowend + 1)
nsignal = abs(xPrice - xPrice[Length])
nnoise = sum(xvnoise, Length)
nefratio = iff(nnoise != 0, nsignal / nnoise, 0)
nsmooth = pow(nefratio * (nfastend - nslowend) + nslowend, 2)
nAMA = nz(nAMA[1]) + nsmooth * (xPrice - nz(nAMA[1]))
//Heikin Ashi Open/Close Price
//ha_t = heikinashi(tickerid)
//ha_close = request.security(ha_t, period, nAMA)
//mha_close = request.security(ha_t, res1, hlc3)
bha_close = request.security(syminfo.ticker, timeframe.period, nAMA)
bmha_close = request.security(syminfo.ticker, res1, hlc3)
//Moving Average
//fma = ema(mha_close[test],1)
//sma = ema(ha_close,sloma)
//plot(fma,title="MA",color=black,linewidth=2,style=line)
//plot(sma,title="SMA",color=red,linewidth=2,style=line)
bfma = ema(bmha_close[test],1)
bsma = ema(bha_close,sloma)
plot(bfma,title="MA",color=black,linewidth=2,style=line)
plot(bsma,title="SMA",color=red,linewidth=2,style=line)
//Strategy
//golong = crossover(fma,sma)
//goshort = crossunder(fma,sma)
golong = crossover(bfma,bsma)
goshort = crossunder(bfma,bsma)
strategy.entry("Buy",strategy.long,when = golong)
strategy.entry("Sell",strategy.short,when = goshort)
更多内容
- 基于均线策略的一体化Ichimoku Keltner交易系统
- 双重跟踪止损海龟交易策略
- 基于一目均线系统的BTC交易策略
- 基于AO指标和均线的趋势跟踪策略
- 多种技术指标相结合策略
- 双重指标混合型量化交易策略
- Bollinger带动量突破策略
- 基于均线的布林带短线反转量化策略
- 渐变MACD量化策略
- 双轨快速量化反转交易策略
- 动量突破交易策略
- Ichimoku均线交叉策略
- 基于动量交易策略
- 突破型分形策略
- 震荡波动优异指标交易策略
- 基于波动率的有限交易量元素策略
- 四阶段BIST股票量化收购策略
- Kifier隐藏式MFI/STOCH指标交易/趋势操盘策略
- 运用MACD量化交易策略
- 双移动平均趋势跟踪策略