ChaoZhang
概述
该策略是一个基于价格动量指标Chandre动量震荡器(CMO)以及其加权移动平均线(WMA)的双均线交易策略。它Attempts to identify trend reversals and continuation Using CMO crossover 其WMA。
策略原理
该策略首先计算CMO,该指标度量价格的网上动量变化。正值表示上涨势头,负值表示下跌势头。 然后计算CMO的WMA。 当CMO上穿其WMA时,采取看涨立场;当CMO下穿其WMA时,采取看跌立场。 该策略Attempts to capture turning points in the trend Using CMO和WMA的交叉。
计算CMO的关键步骤是:
1. 计算每日价格变化(xMom)
2. 对价格变化求n日SMA,作为“真实的”价格动量(xSMA_mom)
3. 计算n日net price change (xMomLength)
4. 将net price change标准化(nRes),方法是除以SMA
5. 对标准化net price change求m日WMA,得到CMO(xWMACMO)
该策略的优点是捕捉价格中期趋势的转折点。CMO的绝对值大小反映价格运行趋势的力度,WMA有利于滤波假突破。
优势分析
该策略最大的优势是利用CMO指标的绝对值判断市场群众情绪,WMA滤波来识别中期趋势的转折点。相比单一移动平均线策略,更能捕捉弹性空间较大的中期趋势。
CMO标准化了价格变化,将其映射到-100到100区间,便于判断市场群众情绪;绝对值大小代表当前趋势的力度。WMA对CMO进行额外滤波,避免出现过多假信号。
风险分析
该策略可能存在的主要风险有:
- CMO和WMA参数设置不当,导致产生过多假信号
- 无法有效应对趋势震荡市,将产生过高的交易频率和滑点成本
- 无法识别真正的长期趋势,在长期持仓中可能存在亏损风险
对应优化方法有:
- 调整CMO和WMA的参数,找到最优参数组合
- 增加附加过滤条件,例如交易量能量指标,避免在震荡行情中交易
- 结合更长周期的指标,例如90日线,避免在长线趋势中的错失机会
优化方向
该策略的优化方向主要集中在参数优化,信号过滤以及止损方面:
CMO和WMA的参数优化:通过遍历找到最优参数组合
结合交易量,强弱指标等辅助指标进行信号过滤,避免假突破
增加动态止损机制,当价格重新跌破CMO和WMA时止损出场
可以考虑Breakout Failure模式作为入场信号,即CMO和WMA先突破关键位,但很快重新跌破的情况
可以结合更长线周期指标判断大趋势,避免逆势交易
总结
该策略整体采用CMO指标判断趋势力度和转折点,结合WMA进行滤波生成交易信号,属于典型的双均线系统。相比单一MA策略,具有更强的捕捉弹性中期趋势的优势。但参数设置和滤波方面还有优化空间,适当控制交易频率和引入动态止损,能够进一步提高系统稳定性。
/*backtest
start: 2023-12-25 00:00:00
end: 2024-01-24 00:00:00
period: 1h
basePeriod: 15m
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/
//@version=3
////////////////////////////////////////////////////////////
// Copyright by HPotter v1.0 18/10/2018
// This indicator plots Chandre Momentum Oscillator and its WMA on the
// same chart. This indicator plots the absolute value of CMO.
// The CMO is closely related to, yet unique from, other momentum oriented
// indicators such as Relative Strength Index, Stochastic, Rate-of-Change,
// etc. It is most closely related to Welles Wilder?s RSI, yet it differs
// in several ways:
// - It uses data for both up days and down days in the numerator, thereby
// directly measuring momentum;
// - The calculations are applied on unsmoothed data. Therefore, short-term
// extreme movements in price are not hidden. Once calculated, smoothing
// can be applied to the CMO, if desired;
// - The scale is bounded between +100 and -100, thereby allowing you to clearly
// see changes in net momentum using the 0 level. The bounded scale also allows
// you to conveniently compare values across different securities.
////////////////////////////////////////////////////////////
strategy(title="CMO & WMA Backtest ver 2.0", shorttitle="CMO & WMA")
Length = input(9, minval=1)
LengthWMA = input(9, minval=1)
BuyZone = input(60, step = 0.01)
SellZone = input(-60, step = 0.01)
reverse = input(false, title="Trade reverse")
hline(BuyZone, color=green, linestyle=line)
hline(SellZone, color=red, linestyle=line)
hline(0, color=gray, linestyle=line)
xMom = abs(close - close[1])
xSMA_mom = sma(xMom, Length)
xMomLength = close - close[Length]
nRes = 100 * (xMomLength / (xSMA_mom * Length))
xWMACMO = wma(nRes, LengthWMA)
pos = 0.0
pos := iff(xWMACMO > BuyZone, 1,
iff(xWMACMO < SellZone, -1, nz(pos[1], 0)))
possig = iff(reverse and pos == 1, -1,
iff(reverse and pos == -1, 1, pos))
if (possig == 1)
strategy.entry("Long", strategy.long)
if (possig == -1)
strategy.entry("Short", strategy.short)
barcolor(possig == -1 ? red: possig == 1 ? green : blue )
plot(nRes, color=blue, title="CMO")
plot(xWMACMO, color=red, title="WMA")