概述
本策略通过结合布铺猎手(Boom Hunter)、赫尔套件(Hull Suite)和波动率振荡器(Volatility Oscillator)三个指标,实现在多时间框架下进行趋势追踪和突破交易的量化策略。该策略适用于比特币等具有高波动性和突发性价格行情的数字资产。
原理
该策略的核心逻辑基于以下三个指标:
-
布铺猎手(Boom Hunter):一种利用指标压缩技术实现的振荡器,通过两个指标 (Quotient1和Quotient2) 的交叉来判断买入和卖出信号。
-
赫尔套件(Hull Suite):一组平滑移动均线指标,通过中轨和上下轨的关系来判断趋势方向。
-
波动率振荡器(Volatility Oscillator):一种量化价格波动信息的振荡器指标。
本策略的入场逻辑为,在布铺猎手的两个Quotient指标发生向上或向下交叉的同时,价格要突破赫尔中轨并与上轨或下轨发生背离, meanwhile波动率指标位于超买超卖区域。这样可以过滤掉一些假突破信号,提高入场的准确性。
止损通过查找一定周期内(默认20根K线)的最低谷或最高峰来设定,利润则通过止损百分比乘以配置的止盈比例(默认3倍)来获得。仓位根据账号总资产的百分比(默认3%)和具体标的的止损幅度来计算。
优势
- 利用压缩指标技术提取价格中的主要交易信号,提高盈利概率
- 多指标组合验证,避免假突破,准确判断趋势方向
- 动态止损止盈设定,实现风险可控的趋势追踪
- 采用波动率指标确保高波动环境下的交易
- 多时间框架分析,提高策略稳定性
风险
- 布铺猎手指标可能存在压缩失真,导致产生错误信号
- 赫尔套件中轨会有滞后,无法及时跟踪价格变化
- 波动率下降时会错过交易机会或引发亏损平仓
解决方法:
- 调整压缩指标的参数,平衡指标的灵敏度
- 尝试使用EHMA等指数移动平均线来代替中轨指标
- 增加其他判断指标,避免波动率的误导
优化
该策略可以从以下几个方面进行优化:
-
参数优化:通过更改指标参数如周期长度、压缩系数等来获得最佳参数组合
-
时间框架优化:测试不同的时间周期(1分钟、5分钟、30分钟等),找到最适合的交易周期
-
仓位优化:改变每次交易的仓位大小和比例,找到最优的资金利用方案
-
止损优化:根据不同的交易对调整止损位置,实现最佳的风险回报比
-
条件优化:增加或减少指标过滤条件,获得更准确的入场时机
总结
本策略通过布铺猎手、赫尔套件和波动率振荡器三个指标的组合运用,实现了多时间框架下的趋势追踪交易,能够有效识别价格的突发行为,适用于具有高波动性的数字资产。该策略风险可控,通过参数、滤波条件及止损等多方面优化,具有较强的实战性和可扩展性。
- 1

