输入/搜索内容

动量反转均线组合策略

通用策略
创建日期: 2024-01-12 12:22:47
最后修改: 3 年前
复制: 1
点击次数: 902
1
关注
1802
关注者

img

概述

该策略通过结合123反转策略和CMO均线策略,形成买卖信号的组合。123反转策略通过股票连续两天收盘价形成新的高点或低点,结合随机指标判断市场买卖力度,产生交易信号。CMO均线策略则利用CMO指标判断价格动量,产生交易信号。两种策略信号结合,可形成更可靠的组合信号。

策略原理

123反转策略运用以下原理产生交易信号:

  1. 当收盘价连续两天上涨,且9日随机指标低于50时,做多
  2. 当收盘价连续两天下跌,且9日随机指标高于50时,做空

该策略通过判断价格在短期内是否形成新的高点或低点,结合随机指标的多空指标,产生交易信号。

CMO均线策略运用以下原理产生交易信号:

  1. 计算5日、10日和20日的CMO值
  2. 求出其平均值
  3. 当平均CMO高于70时,做多
  4. 当平均CMO低于-70时,做空

该策略通过对不同周期CMO值的集合运算,判断价格动量指标的多空,产生交易信号。

组合策略对两个策略的信号进行AND运算,即两个策略的信号同时做多或同时做空时,该组合策略才产生实际的交易信号。

策略优势

该策略具有以下优势:

  1. 组合信号更加可靠,可减少虚假信号
  2. 123反转策略适合捕捉短期调整后的趋势
  3. CMO均线策略判断大级别价格动量
  4. 可适应不同市场环境

风险分析

该策略也存在以下风险:

  1. 123反转策略对价格的形态依赖较高,可能出现失效
  2. CMO指标对市场震荡敏感,可能产生错误信号
  3. 组合策略的信号可能过于保守,漏失交易机会
  4. 需要适当调整参数,使之适应不同周期和市场环境

对策有:

  1. 优化反转策略的形态判断规则
  2. 在CMO均线策略中加入其他辅助指标
  3. 评估最近一段时间的策略效果,动态调整参数

优化方向

该策略可从以下方面进行优化:

  1. 使用机器学习算法自动优化组合权重
  2. 增加自适应调参模块,使策略参数动态优化
  3. 增加止损模块,有效控制风险
  4. 评估策略健壮性,改进形态识别算法
  5. 结合行业选择、基本面等因素

总结

该策略通过123反转和CMO均线两种互补性强的策略,形成有效的组合交易策略。在控制风险的前提下,可产生稳定的超额收益。随着算法和模型的不断优化,期待该策略的收益率和稳定性获得进一步提高。

策略源码
Pine
/*backtest
start: 2023-12-01 00:00:00
end: 2023-12-31 23:59:59
period: 3h
basePeriod: 15m
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/

//@version=4
////////////////////////////////////////////////////////////
//  Copyright by HPotter v1.0 19/09/2019
// This is combo strategies for get a cumulative signal. 
策略参数
策略参数
Length
KSmoothing
DLength
Level
Length1
Length2
Length3
TopBand
LowBand
Trade reverse
评论
全部评论 (0)
暂无数据
暂无数据
  • 1
社区
回测系统
APP 下载
iPhone 下载
© 2015 - ∞ INVENTOR PTE LTD (SG)