ChaoZhang
概述
Ruda动量趋势交易策略是一个基于动量和趋势指标的量化交易策略。该策略使用OBV(On Balance Volume)、EMA(Exponential Moving Average)和K线实体比例等指标来判断买入和卖出时机。当短期EMA上穿长期EMA,OBV创新高,且K线实体比例大于设定阈值时,策略会在次日开盘价买入;当价格跌破止损价或收盘价跌破短期EMA时,策略会平仓。
策略原理
- 计算两条EMA线,短期EMA参数为5,长期EMA参数为21。当短期EMA上穿长期EMA时,认为趋势向上,反之则趋势向下。
- 计算OBV指标,当OBV创10日新高时,认为多头动能强劲。
- 计算K线实体占比,当实体占比大于设定阈值(默认50%)时,认为趋势确立。
- 当趋势向上、多头动能强劲且趋势确立时,策略在次日开盘价买入,止损价为当日最低价和开盘价-1%的最小值。
- 当价格跌破止损价或收盘价跌破短期EMA时,策略平仓。
优势分析
- 结合趋势和动量指标,能够捕捉强势品种。
- 使用次日开盘价买入和动态止损,可以避免部分假突破。
- 止损和止盈条件明确,风险可控。
风险分析
- 趋势和动量指标存在滞后性,可能出现追高买入和止损过早的情况。
- 参数固定,缺乏自适应性,不同市场状态下表现可能差异较大。
- 单一市场和品种回测,策略稳定性和适用性有待进一步验证。
优化方向
- 对趋势和动量指标的参数进行优化,提高指标灵敏度和有效性。
- 引入市场状态判断,根据当前市场特征动态调整参数。
- 扩大回测范围,增加不同市场和品种的测试,提高策略稳健性。
- 考虑引入仓位管理和风险控制模块,提高收益风险比。
总结
Ruda动量趋势交易策略是一个简单易用的量化交易策略,通过趋势和动量指标的结合,能够捕捉强势品种和趋势机会。但该策略也存在一定局限性,如指标滞后、参数固定等问题。未来可以从优化指标参数、引入自适应机制、扩大回测范围和加强风险管理等方面对策略进行优化和改进,以提高策略的稳健性和盈利能力。
策略源码
/*backtest
start: 2024-03-01 00:00:00
end: 2024-03-31 23:59:59
period: 1h
basePeriod: 15m
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/
// © lhcbenac
//@version=5
strategy('Ruda_Strategy', overlay=true , initial_capital=5000 , pyramiding = 3, commission_type = strategy.commission.cash_per_contract , commission_value = 1 )
//
//
////////////////////////////////////////////////////////
// //
// //
// Otimizações //
// //
// //
////////////////////////////////////////////////////////
//
//
////////////////////////////////////////////////////////
// //
// //
// Codigo Operacional //
// //
// //
////////////////////////////////////////////////////////
//
//
// Indica situação de Compra ou Venda
// Condição True or False
YEAR_BT= input.int(1,title="Nº Anos ", group = "Backtest")
INPUT_ME1 = input.int(5,title="Momentum ", group = "RUDA")
INPUT_ME2 = input.int(21,title="Trend ", group = "RUDA")
INPUT_CORPO = input.int(50,title="CORPO ", group = "RUDA")/100
v_obv = ta.obv
v_med1 = ta.ema(close , INPUT_ME1)
v_med2 = ta.ema(close , INPUT_ME2)
valid_1 = v_med1 > v_med2
valid_2 = v_obv >= ta.highest(v_obv[1], 10)
valid_3 = math.abs(close - open) / (high-low) > INPUT_CORPO
plot(v_med1)
plot(v_med2)
compra = valid_1 and valid_2 and strategy.position_size == 0 and valid_3
var float v_minima_ref = na
dataInicio = timestamp(year(timenow) - YEAR_BT, month(timenow), dayofmonth(timenow), 00, 00)
// Variáveis globais
var float preco_entrada = na
var float preco_stop = na
if compra and time >= dataInicio and ta.change(time("D")) != 0 and ta.change(compra)
v_minima_ref := low
preco_entrada := open
preco_stop := math.min(low, open - 0.01 * open)
strategy.entry("Compra", strategy.long , stop = preco_stop )
if (not na(preco_entrada) and not na(preco_stop))
label.new(x=bar_index, y= low * 0.9, text= "Dia: " + str.tostring(dayofmonth) + "\nPreço de Entrada: " + str.tostring(preco_entrada) + "\nPreço de Stop Loss: " + str.tostring(preco_stop), style=label.style_label_up, color=color.green)
// Lógica de saída
// Saída no stop loss
if (not na(preco_stop) and low < preco_stop and ta.change(low) < 0)
strategy.close("Compra", comment="Saída no Stop")
// Saída no lucro
if (close < v_med1 and ta.change(close) < 0)
strategy.close("Compra", comment="Saída na Media")
venda =( (not na(preco_stop) and low < preco_stop and ta.change(low) < 0) or (close < v_med1 and ta.change(close) < 0) ) and strategy.position_size > 0
codiff = compra ? 1 : venda ? -1 : na
plotarrow(codiff, colorup=#00c3ff, colordown=#ff0062,title="Compra", maxheight=20, offset=0)
相关推荐