ChaoZhang
概述
本策略是一个基于高斯滤波和StochRSI指标的趋势跟踪交易系统。该策略通过高斯通道来识别市场趋势,并结合StochRSI指标的超买超卖区间来优化入场时机。系统采用多项式拟合方法构建高斯通道,通过上下轨道的动态调整来跟踪价格趋势,实现对市场走势的精确跟踪。
策略原理
策略的核心是基于高斯滤波算法构建的价格通道。具体实现包括以下几个关键步骤: 1. 使用多项式函数f_filt9x实现9阶高斯滤波,通过极点优化来提高滤波效果 2. 基于HLC3价格计算主滤波线和波动率通道 3. 引入reducedLag模式降低滤波延迟,fastResponse模式提高响应速度 4. 利用StochRSI指标的超买超卖区间(80⁄20)确定交易信号 5. 在高斯通道向上且价格突破上轨时,结合StochRSI指标产生做多信号 6. 当价格跌破上轨时平仓出场
策略优势
- 高斯滤波具有优秀的降噪能力,可以有效过滤市场噪音
- 通过多项式拟合实现对趋势的平滑跟踪,减少虚假信号
- 支持延迟优化和快速响应模式,可根据市场特征灵活调整
- 结合StochRSI指标优化入场时机,提高交易成功率
- 采用动态通道宽度,自适应市场波动率变化
策略风险
- 高斯滤波存在一定滞后性,可能导致入场或出场不够及时
- 在震荡市场中可能产生频繁交易信号,增加交易成本
- StochRSI指标在某些市场条件下可能产生滞后信号
- 参数优化过程复杂,不同市场环境需要重新调整参数
- 系统对计算资源要求较高,实时计算存在一定延迟
策略优化方向
- 引入自适应参数优化机制,根据市场状态动态调整参数
- 增加市场环境识别模块,在不同市场条件下采用不同参数组合
- 优化高斯滤波算法,进一步降低计算延迟
- 引入更多技术指标进行交叉验证,提高信号可靠性
- 开发智能止损机制,提高风险控制能力
总结
该策略通过高斯滤波和StochRSI指标的结合,实现了对市场趋势的有效跟踪。系统具有良好的降噪能力和趋势识别能力,但也存在一定的滞后性和参数优化难度。通过持续优化和完善,该策略有望在实际交易中取得稳定收益。
策略源码
/*backtest
start: 2024-02-19 00:00:00
end: 2025-02-16 08:00:00
period: 1d
basePeriod: 1d
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/
//@version=5
strategy(title="Demo GPT - Gaussian Channel Strategy v3.0", overlay=true, commission_type=strategy.commission.percent, commission_value=0.1, slippage=0, default_qty_type=strategy.percent_of_equity, default_qty_value=250)
// ============================================
// Gaussian Functions (Must be at top)
// ============================================
f_filt9x(_a, _s, _i) =>
var int _m2 = 0, var int _m3 = 0, var int _m4 = 0, var int _m5 = 0, var int _m6 = 0,
var int _m7 = 0, var int _m8 = 0, var int _m9 = 0, var float _f = 0.0
_x = 1 - _a
_m2 := _i == 9 ? 36 : _i == 8 ? 28 : _i == 7 ? 21 : _i == 6 ? 15 : _i == 5 ? 10 : _i == 4 ? 6 : _i == 3 ? 3 : _i == 2 ? 1 : 0
_m3 := _i == 9 ? 84 : _i == 8 ? 56 : _i == 7 ? 35 : _i == 6 ? 20 : _i == 5 ? 10 : _i == 4 ? 4 : _i == 3 ? 1 : 0
_m4 := _i == 9 ? 126 : _i == 8 ? 70 : _i == 7 ? 35 : _i == 6 ? 15 : _i == 5 ? 5 : _i == 4 ? 1 : 0
_m5 := _i == 9 ? 126 : _i == 8 ? 56 : _i == 7 ? 21 : _i == 6 ? 6 : _i == 5 ? 1 : 0
_m6 := _i == 9 ? 84 : _i == 8 ? 28 : _i == 7 ? 7 : _i == 6 ? 1 : 0
_m7 := _i == 9 ? 36 : _i == 8 ? 8 : _i == 7 ? 1 : 0
_m8 := _i == 9 ? 9 : _i == 8 ? 1 : 0
_m9 := _i == 9 ? 1 : 0
_f := math.pow(_a, _i) * nz(_s) + _i * _x * nz(_f[1]) - (_i >= 2 ? _m2 * math.pow(_x, 2) * nz(_f[2]) : 0) + (_i >= 3 ? _m3 * math.pow(_x, 3) * nz(_f[3]) : 0) - (_i >= 4 ? _m4 * math.pow(_x, 4) * nz(_f[4]) : 0) + (_i >= 5 ? _m5 * math.pow(_x, 5) * nz(_f[5]) : 0) - (_i >= 6 ? _m6 * math.pow(_x, 6) * nz(_f[6]) : 0) + (_i >= 7 ? _m7 * math.pow(_x, 7) * nz(_f[7]) : 0) - (_i >= 8 ? _m8 * math.pow(_x, 8) * nz(_f[8]) : 0) + (_i == 9 ? _m9 * math.pow(_x, 9) * nz(_f[9]) : 0)
_f
f_pole(_a, _s, _i) =>
_f1 = f_filt9x(_a, _s, 1)
_f2 = _i >= 2 ? f_filt9x(_a, _s, 2) : 0.0
_f3 = _i >= 3 ? f_filt9x(_a, _s, 3) : 0.0
_f4 = _i >= 4 ? f_filt9x(_a, _s, 4) : 0.0
_f5 = _i >= 5 ? f_filt9x(_a, _s, 5) : 0.0
_f6 = _i >= 6 ? f_filt9x(_a, _s, 6) : 0.0
_f7 = _i >= 7 ? f_filt9x(_a, _s, 7) : 0.0
_f8 = _i >= 8 ? f_filt9x(_a, _s, 8) : 0.0
_f9 = _i == 9 ? f_filt9x(_a, _s, 9) : 0.0
_fn = _i == 1 ? _f1 : _i == 2 ? _f2 : _i == 3 ? _f3 : _i == 4 ? _f4 : _i == 5 ? _f5 : _i == 6 ? _f6 : _i == 7 ? _f7 : _i == 8 ? _f8 : _i == 9 ? _f9 : na
[_fn, _f1]
// ============================================
// Date Filter
// ============================================
startDate = input(timestamp("1 Jan 2018"), "Start Date", group="Time Settings")
endDate = input(timestamp("31 Dec 2069"), "End Date", group="Time Settings")
timeCondition = true
// ============================================
// Stochastic RSI (Hidden Calculations)
// ============================================
stochRsiK = input.int(3, "Stoch RSI K", group="Stochastic RSI", tooltip="Only for calculations, not visible")
stochRsiD = input.int(3, "Stoch RSI D", group="Stochastic RSI")
rsiLength = input.int(14, "RSI Length", group="Stochastic RSI")
stochLength = input.int(14, "Stochastic Length", group="Stochastic RSI")
rsiValue = ta.rsi(close, rsiLength)
k = ta.sma(ta.stoch(rsiValue, rsiValue, rsiValue, stochLength), stochRsiK)
d = ta.sma(k, stochRsiD)
// ============================================
// Gaussian Channel
// ============================================
gaussianSrc = input(hlc3, "Source", group="Gaussian")
poles = input.int(4, "Poles", minval=1, maxval=9, group="Gaussian")
samplingPeriod = input.int(144, "Sampling Period", minval=2, group="Gaussian")
multiplier = input.float(1.414, "Multiplier", step=0.1, group="Gaussian")
reducedLag = input.bool(false, "Reduced Lag Mode", group="Gaussian")
fastResponse = input.bool(false, "Fast Response Mode", group="Gaussian")
// Gaussian Calculations
beta = (1 - math.cos(4 * math.asin(1) / samplingPeriod)) / (math.pow(1.414, 2 / poles) - 1)
alpha = -beta + math.sqrt(math.pow(beta, 2) + 2 * beta)
lag = (samplingPeriod - 1) / (2 * poles)
srcData = reducedLag ? gaussianSrc + (gaussianSrc - gaussianSrc[lag]) : gaussianSrc
trData = reducedLag ? ta.tr(true) + (ta.tr(true) - ta.tr(true)[lag]) : ta.tr(true)
[mainFilter, filter1] = f_pole(alpha, srcData, poles)
[trFilter, trFilter1] = f_pole(alpha, trData, poles)
finalFilter = fastResponse ? (mainFilter + filter1) / 2 : mainFilter
finalTrFilter = fastResponse ? (trFilter + trFilter1) / 2 : trFilter
upperBand = finalFilter + finalTrFilter * multiplier
lowerBand = finalFilter - finalTrFilter * multiplier
// ============================================
// Trading Logic
// ============================================
longCondition =
finalFilter > finalFilter[1] and // Green Channel
close > upperBand and // Price above upper band
(k >= 80 or k <= 20) and // Stoch RSI condition
timeCondition
exitCondition = ta.crossunder(close, upperBand)
if longCondition
strategy.entry("Long", strategy.long)
if exitCondition
strategy.close("Long")
// ============================================
// Visuals (Gaussian Only)
// ============================================
bandColor = finalFilter > finalFilter[1] ? color.new(#00ff00, 0) : color.new(#ff0000, 0)
plot(finalFilter, "Filter", bandColor, 2)
plot(upperBand, "Upper Band", bandColor)
plot(lowerBand, "Lower Band", bandColor)
fill(plot(upperBand), plot(lowerBand), color.new(bandColor, 90))
barcolor(close > open and close > upperBand ? color.green :
close < open and close < lowerBand ? color.red : na)
相关推荐
- 动量自适应高斯通道多周期策略
- 基于高斯通道与随机RSI的多重指标自适应交易策略
- 趋势过滤与异常退出的平滑移动平均止损止盈策略
- 动态波浪趋势与斐波那契综合量化交易策略
- 多重均线交叉结合量价交易动量策略
- 多指标趋势跟踪与区间交易相结合的自适应策略
- RSI趋势动量交易策略结合双均线和成交量确认
- 三重相对强弱指数量化交易策略
- SMA 交叉策略结合 RSI 过滤和警报
- 相对强弱指数均值回归策略
更多内容
- 多重支撑阻力位叠加动量反转交易策略
- 布林带交叉信号筛选交易策略
- 多指标动态平衡量化交易系统
- 基于移动平均线的自适应趋势跟踪策略
- 动态布林带结合PSAR指标的高级量化交易策略
- 动态趋势跟踪的EMA-ADX多级止盈策略
- 基于动量与成交量的多指标趋势反转策略
- 多重指标动态跟踪趋势波段交易策略
- 动态跟踪止损的三分之一K线量化交易策略
- 基于波浪趋势动量突破的自适应多周期交易策略
- 多周期SAR趋势跟踪自适应止损优化策略
- 动量趋势跟踪指标DMI+ADX交叉策略
- 高频量化交易中的趋势匹配与退出优化策略
- 基于角度的VWMA趋势跟踪策略与动态追踪止损
- 基于双均线和交易量的趋势突破交易策略
- 开盘收盘均线交叉结合ADX动态指标的量化交易策略
- 趋势动量策略 - 之字形多重周期动态波段择时系统
- 三段趋势突破与动量跟踪策略
- 双均线-RSI动量趋势跟踪策略
- 自适应分形网格波段交易策略与波动率阈值优化系统