多周期动量驱动型自适应波动率过滤策略

momentum volatility SMA ATR stdev SPX

创建日期: 2025-02-24 09:38:10 最后修改: 2025-02-24 09:38:10

复制: 0 点击次数: 54

ianzeng123

关注私信

关注

关注者

多周期动量驱动型自适应波动率过滤策略

概述

该策略是一个基于多周期动量指标和波动率过滤的高级交易系统。它通过计算3个月、6个月、9个月和12个月四个时间周期的价格动量，构建了一个综合动量评分体系。同时，策略引入了年化波动率过滤机制，通过设定波动率阈值来控制交易风险。该策略专注于捕捉具有持续上涨趋势且波动相对稳定的交易机会，是一个典型的趋势跟踪系统。

策略原理

策略的核心逻辑包含以下几个关键要素： 1. 动量计算：使用(当前价格/历史价格-1)的方法分别计算4个时间周期的动量指标。 2. 波动率过滤：计算日收益率的标准差并年化处理，通过将其与预设阈值(0.5)比较来过滤高波动率期间。 3. 信号生成：当综合动量指标由负转正且波动率低于阈值时产生做多信号；当动量指标转负时平仓。 4. 风险管理：采用1%的止损和50%的止盈来控制单笔交易风险。

策略优势

多维度动量分析：通过综合考虑多个时间周期的动量，能够更全面地评估价格趋势的强度和持续性。
自适应波动率过滤：通过动态计算和过滤波动率，有效避免了高波动期间的假信号。
完善的风险控制：设置了止损和止盈阈值，能够有效控制单笔交易风险。
系统化决策：策略完全系统化，避免了主观判断带来的干扰。

策略风险

趋势反转风险：在强趋势突然反转时，可能会承受较大损失。
参数敏感性：策略效果对动量周期、波动率阈值等参数设置较为敏感。
市场环境依赖：在震荡市场中可能会产生频繁的假信号。
滑点影响：在市场流动性不足时，可能面临较大的交易成本。

策略优化方向

动态参数优化：可以引入自适应参数调整机制，根据市场状态动态调整动量周期和波动率阈值。
市场状态分类：增加市场状态识别模块，在不同市场环境下采用不同的参数设置。
信号确认机制：引入额外的技术指标来确认交易信号，提高策略的稳定性。
资金管理优化：可以根据信号强度动态调整持仓规模，实现更优的资金利用效率。

总结

该策略通过结合多周期动量分析和波动率过滤，构建了一个完整的趋势跟踪交易系统。其核心优势在于系统化的决策过程和完善的风险控制机制。虽然存在一些固有的风险，但通过提出的优化方向，策略仍有较大的改进空间。整体而言，这是一个设计合理、逻辑严密的交易策略，适合在低波动率的趋势市场中应用。

策略源码

/*backtest
start: 2024-02-25 00:00:00
end: 2025-02-22 08:00:00
period: 1h
basePeriod: 1h
exchanges: [{"eid":"Binance","currency":"SOL_USDT"}]
*/

//@version=5
strategy("GOATED Long-Only", overlay=true, initial_capital=1000, default_qty_type=strategy.percent_of_equity, default_qty_value=100)

// Strategy parameters
var float VOLATILITY_THRESHOLD = input.float(0.5, "Volatility Threshold", minval=0.1, maxval=1.0, step=0.1)
var int TRADING_DAYS_PER_YEAR = 252
var float SQRT_TRADING_DAYS = math.sqrt(TRADING_DAYS_PER_YEAR)

// Trade parameters
var float STOP_LOSS = input.float(0.05, "Stop Loss %", minval=0.01, maxval=0.20, step=0.01)
var float TAKE_PROFIT = input.float(0.15, "Take Profit %", minval=0.05, maxval=0.50, step=0.01)

// Momentum periods (in trading days)
var int MOMENTUM_3M = input.int(63, "3-Month Momentum Period", minval=20)
var int MOMENTUM_6M = input.int(126, "6-Month Momentum Period", minval=40)
var int MOMENTUM_9M = input.int(189, "9-Month Momentum Period", minval=60)
var int MOMENTUM_12M = input.int(252, "12-Month Momentum Period", minval=80)

// Function to calculate momentum for a specific period
momentum(period) =>
    close / close[period] - 1

// Function to calculate annualized volatility
calcVolatility() =>
    returns = ta.change(close) / close[1]
    stdDev = ta.stdev(returns, TRADING_DAYS_PER_YEAR)
    annualizedVol = stdDev * SQRT_TRADING_DAYS
    annualizedVol

// Calculate individual momentum scores
float mom3m = momentum(MOMENTUM_3M)
float mom6m = momentum(MOMENTUM_6M)
float mom9m = momentum(MOMENTUM_9M)
float mom12m = momentum(MOMENTUM_12M)

// Calculate average momentum score
var int validPeriods = 0
var float totalMomentum = 0.0

validPeriods := 0
totalMomentum := 0.0

if not na(mom3m)
    validPeriods := validPeriods + 1
    totalMomentum := totalMomentum + mom3m

if not na(mom6m)
    validPeriods := validPeriods + 1
    totalMomentum := totalMomentum + mom6m

if not na(mom9m)
    validPeriods := validPeriods + 1
    totalMomentum := totalMomentum + mom9m

if not na(mom12m)
    validPeriods := validPeriods + 1
    totalMomentum := totalMomentum + mom12m

float compositeMomentum = validPeriods > 0 ? totalMomentum / validPeriods : na

// Calculate volatility
float annualizedVolatility = calcVolatility()

// Generate trading signals
var float MOMENTUM_THRESHOLD = input.float(0.0, "Momentum Threshold", minval=-1.0, maxval=1.0, step=0.01)
bool validVolatility = not na(annualizedVolatility) and annualizedVolatility <= VOLATILITY_THRESHOLD
bool validMomentum = not na(compositeMomentum) and compositeMomentum > MOMENTUM_THRESHOLD

// Store previous momentum state
bool prevValidMomentum = nz(validMomentum[1])

// Entry and exit conditions
bool longCondition = validVolatility and validMomentum and not prevValidMomentum
bool exitLongCondition = validVolatility and (not validMomentum) and prevValidMomentum

// Plot signals
plotshape(longCondition, title="Long Entry", location=location.belowbar, color=color.green, style=shape.triangleup, size=size.small)
plotshape(exitLongCondition, title="Long Exit", location=location.abovebar, color=color.red, style=shape.triangledown, size=size.small)

// Plot momentum and volatility indicators
plot(compositeMomentum, "Composite Momentum", color=color.blue, linewidth=2)
hline(MOMENTUM_THRESHOLD, "Momentum Threshold", color=color.gray, linestyle=hline.style_dashed)

plot(annualizedVolatility, "Annualized Volatility", color=color.purple, linewidth=1)
hline(VOLATILITY_THRESHOLD, "Volatility Threshold", color=color.gray, linestyle=hline.style_dashed)

// Strategy execution - Long positions
if (longCondition)
    strategy.entry("Long", strategy.long)
    
if (strategy.position_size > 0)
    float longStopLoss = strategy.position_avg_price * (1 - STOP_LOSS)
    float longTakeProfit = strategy.position_avg_price * (1 + TAKE_PROFIT)
    strategy.exit("Exit Long", "Long", stop=longStopLoss, limit=longTakeProfit)
    if (exitLongCondition)
        strategy.close("Long", comment="Signal Exit")

相关推荐

更多内容

Forums

PINE Language FAQ Summary MyLanguage Web3 Intermediate tutorial

Product

Robot Strategy Node Platforms Tickets

API

Syntax guide User guide Trading api Blockchain Indicator