概述
相对量价策略是一种基于交易量异常和价格波动的量化交易策略。该策略通过比较当前交易量与历史平均交易量的关系,判断交易量是否异常;同时结合平均真实波幅区间,判断价格是否处于相对稳定的区间。当交易量异常增加且价格相对稳定时,认为是进入信号。
策略原理
相对量价策略的核心逻辑基于两个指标进行判断,一个是相对交易量,一个是价格波动区间。
首先,我们计算最近 20 周期的交易量的简单移动平均,作为历史平均交易量。然后设置一个倍数参数(如 1.5 倍),当当前交易量大于平均交易量的 1.5 倍时,我们认为交易量异常,属于“相对量”的情况。
其次,我们计算最近 14 周期的平均真实波幅(ATR)作为价格波动的度量。同时计算平均波幅的标准差,如果当前真实波幅位于平均值正负一个标准差之间,我们认为价格波动处于相对平稳的区间。
当上述两个条件同时满足时,即发出做多信号,开仓做多。持仓过程中,以最大低点减去两倍 ATR 作为止损位,以最高点减去两倍 ATR 作为止盈位。
优势分析
相对量价策略最大的优势在于捕捉异常交易量带来的价格趋势。当交易量激增时,代表了市场参与者态度的改变,这常常预示着价格的突破和新趋势的形成。策略通过比较交易量与历史平均值的关系,可有效判断交易量异常的时点。
另一方面,策略还考虑了价格波动率,使得信号发生在价格相对平稳的时段。这避免了在剧烈波动时追高造成的巨大亏损风险。同时也增加了获利机会,因为趋势通常在相对平稳后才开始突破。
风险分析
该策略最大的风险在于交易量指标并不能百分之百确定新的趋势,交易量激增有可能是假突破,价格很快就反转。这种情况下,策略vrfs受到较大损失。
为降低损失,可适当调整“相对量”的参数,对交易量异常的判断设更严格的标准。或者增加其他判断指标,如增加成交额分析,判断交易量增长是否与成交金额匹配。
优化方向
该策略可以从以下几个方面进行优化:
-
增加其他指标判断,如涨跌幅,成交额等,使交易量异常信号更加可靠。
-
ATR 参数可针对不同股票进行优化,更准确判断价格稳定区间。
-
增加机器学习算法,对交易量异常进行积极判断,而不仅是与历史平均值简单比较。
-
利用深度学习模型判断价格波动预测,而不仅仅是基于历史ATR。
总结
相对量价策略通过捕捉交易量异常作为特征信号,结合价格稳定判断发出交易信号。策略简单实用,在追踪股票异常交易量时效果较好。但也存在一定的假信号风险,需进一步优化指标判断以提高效果。
/*backtest
start: 2022-12-21 00:00:00
end: 2023-12-27 00:00:00
period: 1d
basePeriod: 1h
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/
// © DojiEmoji (kevinhhl)
//@version=4- 1