ChaoZhang
概述
多因子均衡震荡器交易策略是一种综合利用多种技术指标信号的量化交易策略。该策略巧妙结合了变动速率指标(ROC)、相对强弱指标(RSI)、商品通道指标(CCI)、威廉指标(%R)和平均方向指数(ADX)的能量,通过计算一个综合波动指标来判断市场的多空走势和产生交易信号。
该策略最大的优势在于能够客观、系统地判断市场,寻找最佳的入场和退场时机。当波动指标线穿过超买线0.75时,产生买入信号;当波动指标线穿过超卖线0.25时,产生平仓信号。
策略原理
多因子均衡震荡器交易策略的核心是一个综合波动指标的计算。该指标的计算步骤如下:
计算各个单一技术指标的值:包括变动速率指标(ROC)、相对强弱指标(RSI)、商品通道指标(CCI)、威廉指标(%R)和平均方向指数(ADX)
将各个技术指标的值标准化为0-1区间内的值,以便比较
利用加权平均的思想,计算一个综合波动指标的值。每个技术指标有一个可调整的权重,默认为ROC 2、RSI 0.5、CCI 2、%R 0.5、ADX 0.5。将每个标准化指标的值与相应权重相乘,再求和,再除以权重总和,得到0-1区间内的一个综合波动值
当该综合波动值穿过适当设置的超买线和超卖线时,产生相应的交易信号
可以看出,该策略灵活运用了多种技术指标的能量,通过一个系统性的方法判断市场多空并作出交易决策。这避免了单一技术指标所带来的市场噪音,能够在多种情况下保持交易决策的稳健性。
策略优势
多因子均衡震荡器交易策略具有以下几个优势:
提供客观、系统的市场分析方法。运用多种技术指标避免单一工具的缺陷,同时通过量化方法生成务实的交易信号。
优化入场和离场的策略。波动指标的精确取值和标准化处理为判断市场提供了量化依据。
高度可定制可调整性。可以根据个人交易风格调整各指标权重和参数,适应不同市况。
实时信号提示。能够设定买入信号、离场信号的警报,确保及时获知最新市场情况。
严格的回测和优化。在实盘之前,通过对历史数据的充分回测,可以判断和优化策略参数,提升实战效果。
策略风险
尽管多因子均衡震荡器交易策略有许多优势,但在实际运用中也存在一定的风险,主要体现在:
参数优化风险。如果指标权重和参数设置不当,会影响实盘效果。此时需要通过大量回测来寻找最佳参数。
超买超卖区间设置风险。不同行情对超买超卖的判断不同,区间设置需要考量大行情。
指标发散风险。当部分指标发散时,会影响综合指标判断。此时可考虑剔除该指标或调低权重。
量化模型局限性。任何量化模型都可能在某些行情下失效。操作者仍需保持足够的风险意识。
为了规避风险,在实盘之前,必须进行充分的回测和参数优化,理解策略局限性,追踪实盘效果,根据行情灵活调整参数或权重设置。在必要时人为干预也是非常重要的。
优化方向
多因子均衡震荡器交易策略可以从以下几个方面来进一步优化:
继续丰富多因子模型。可以考虑加入更多不同类型的技术指标,提升模型判断力。
尝试机器学习方法。可以训练神经网络等高级模型forecast各单一指标,提取更多隐含特征。
结合基本面和宏观面。增加经济数据、业绩报告等基本面因子判断市场状况。
采用自适应调参。根据市场环境变化,实现指标权重和参数的动态调整。
引入止损机制。设置合理的止损位,主动控制单笔损失。
整合资金管理。根据持仓规模调整仓位大小,做到量化资金管理。
总结
多因子均衡震荡器交易策略是一个非常出色的量化交易策略。它汇聚了多种技术指标的精华,通过严谨的定量方法进行市场判断。同时也具有很高的定制灵活性,可以针对个人风格进行调整。当然,任何量化策略都有其局限性,通过不断地回测、优化和更新,使其能够适应更加复杂的市场环境,是所有策略追求的目标。总体上,多因子均衡震荡器策略为个人交易者在量化路上提供了宝贵的指引和借鉴。相信随着模型和市场的不断成熟,该策略会产生更加出色的表现。
/*backtest
start: 2023-01-05 00:00:00
end: 2024-01-11 00:00:00
period: 1d
basePeriod: 1h
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/
// © Julien_Eche
//@version=5
strategy("Ultimate Balance Oscillator Strategy", overlay=true)
// Indicator Weights
weightROC = input.float(2, "Rate of Change (ROC) Weight", group="Weightings")
weightRSI = input.float(0.5, "Relative Strength Index (RSI) Weight", group="Weightings")
weightCCI = input.float(2, "Commodity Channel Index (CCI) Weight", group="Weightings")
weightWilliamsR = input.float(0.5, "Williams %R Weight", group="Weightings")
weightADX = input.float(0.5, "Average Directional Index (ADX) Weight", group="Weightings")
// ROC Settings
rocLength = input.int(20, "Length", minval=1, group="ROC")
// RSI Settings
rsiLength = input.int(14, "Length", minval=1, group="RSI")
// CCI Settings
cciLength = input.int(20, "Length", minval=1, group="CCI")
// Williams %R Settings
williamsRLength = input.int(14, "Length", minval=1, group="Williams %R")
// ADX Settings
adxLength = input.int(14, "ADX Length", minval=1, group="ADX")
adxDiLength = input.int(14, "DI Length", minval=1, group="ADX")
// Source
source_options = input.string("hlc3", "Source", options=["open", "high", "low", "close", "hl2", "hlc3", "ohlc4"])
price_open = request.security(syminfo.tickerid, "D", open)
price_high = request.security(syminfo.tickerid, "D", high)
price_low = request.security(syminfo.tickerid, "D", low)
price_close = request.security(syminfo.tickerid, "D", close)
price_hl2 = request.security(syminfo.tickerid, "D", hl2)
price_hlc3 = request.security(syminfo.tickerid, "D", hlc3)
price_ohlc4 = request.security(syminfo.tickerid, "D", ohlc4)
get_source(source_option) =>
price = price_close
if source_option == "open"
price := price_open
else if source_option == "high"
price := price_high
else if source_option == "low"
price := price_low
else if source_option == "close"
price := price_close
else if source_option == "hl2"
price := price_hl2
else if source_option == "hlc3"
price := price_hlc3
else
price := price_ohlc4
price
src = get_source(source_options)
// Overbought/Oversold Levels
obLevel = input.float(0.75, "Overbought Level")
osLevel = input.float(0.25, "Oversold Level")
// Calculating the indicators
rocValue = ta.change(close, rocLength)
rsiValue = ta.rsi(close, rsiLength)
cciValue = (src - ta.sma(src, cciLength)) / (0.015 * ta.dev(src, cciLength))
williamsRValue = -100 * (ta.highest(high, williamsRLength) - close) / (ta.highest(high, williamsRLength) - ta.lowest(low, williamsRLength))
dirmov(len) =>
up = ta.change(high)
down = -ta.change(low)
plusDM = na(up) ? na : (up > down and up > 0 ? up : 0)
minusDM = na(down) ? na : (down > up and down > 0 ? down : 0)
truerange = ta.rma(ta.tr, len)
plus = fixnan(100 * ta.rma(plusDM, len) / truerange)
minus = fixnan(100 * ta.rma(minusDM, len) / truerange)
[plus, minus]
adx(dilen, adxlen) =>
[plus, minus] = dirmov(dilen)
sum = plus + minus
adx = 100 * ta.rma(math.abs(plus - minus) / (sum == 0 ? 1 : sum), adxlen)
adxValue = adx(adxDiLength, adxLength)
// Normalizing the values
normalize(value, min, max) =>
(value - min) / (max - min)
normalizedROC = normalize(rocValue, ta.lowest(rocValue, rocLength), ta.highest(rocValue, rocLength))
normalizedRSI = normalize(rsiValue, 0, 100)
normalizedCCI = normalize(cciValue, ta.lowest(cciValue, cciLength), ta.highest(cciValue, cciLength))
normalizedWilliamsR = normalize(williamsRValue, ta.lowest(williamsRValue, williamsRLength), ta.highest(williamsRValue, williamsRLength))
normalizedADX = normalize(adxValue, 0, 50)
// Calculating the combined oscillator line
oscillatorLine = (normalizedROC * weightROC + normalizedRSI * weightRSI + normalizedCCI * weightCCI + normalizedWilliamsR * weightWilliamsR + normalizedADX * weightADX) / (weightROC + weightRSI + weightCCI + weightWilliamsR + weightADX)
// Strategy conditions
enterLong = ta.crossover(oscillatorLine, obLevel)
exitLong = ta.crossunder(oscillatorLine, osLevel)
// Strategy orders
if (enterLong)
strategy.entry("Buy", strategy.long)
if (exitLong)
strategy.close("Buy")
// Alert conditions
if (enterLong)
alert("Buy signal")
if (exitLong)
alert("Exit signal")