ianzeng123
策略概述
动态突破WMA滤波唐奇安通道交易策略是一种专注于捕捉趋势驱动突破的量化交易系统。该策略结合了唐奇安通道底部与加权移动平均线(WMA)作为过滤器,在唐奇安通道低点向上穿越WMA时进场做多,当价格回落并再次向下穿越WMA时(或达到预设的止盈点)平仓。该策略专为2025年日历年度设计,无论使用何种图表样式(包括平均K线),都能基于真实OHLC数据执行交易,确保回测结果的准确性。策略从1000澳元的初始资金开始,每笔交易使用100%可用资金,不允许金字塔加仓。
策略原理
该策略的核心原理基于唐奇安通道与加权移动平均线之间的相互作用:
唐奇安通道低点: 通过计算指定回溯期内的最低价,形成动态支撑线。计算公式为
ta.lowest(real_low, donchian_len)。加权移动平均线(WMA): 应用于真实收盘价,给予近期价格更高的权重,反映当前价格动量。计算使用
ta.wma(real_close, wma_len)。进场信号: 当唐奇安通道低点向上穿越WMA(
ta.crossover(donLow, wma))且时间在2025年范围内时触发。这种交叉表明价格从压缩的波动区间中突破,同时得到WMA的上升趋势确认。出场信号: 包含三种情况:
- 交叉出场: 当唐奇安低点向下穿越WMA(
ta.crossunder(donLow, wma))且WMA不再上升时,表明动量已经停滞。 - 止盈出场: 当价格达到入场价格乘以(1 + 止盈百分比)的水平。
- 日历出场: 当时间超出2025年范围。
- 交叉出场: 当唐奇安低点向下穿越WMA(
真实价格执行: 所有指标计算都基于图表的底层OHLC数据,通过
request.security()函数获取,确保即使在平均K线或其他样式的图表上,策略也能基于真实价格数据执行。
策略通过这种设计,旨在捕捉价格波动压缩后的突破性上涨,同时使用WMA作为趋势确认过滤器,减少假信号。
策略优势
深入分析代码后,该策略展现出以下显著优势:
趋势跟踪与突破结合: 通过唐奇安通道低点与WMA的组合,既捕捉价格突破,又确保与长期趋势方向一致,提高了信号质量。
灵活的止盈机制: 可调整的止盈参数允许交易者根据不同市场环境和个人风险偏好设定获利目标,增强策略适应性。
真实OHLC数据应用: 无论图表样式如何,策略都基于真实价格数据执行,消除了图表样式对回测结果的干扰,提高了策略可靠性。
趋势确认机制: 出场条件不仅考虑价格交叉,还验证WMA是否停止上升,避免在短期回调中过早退出强劲趋势。
资金管理整合: 策略内置了初始资金和仓位大小设置,便于完整评估策略表现,包括资金增长曲线。
参数可调整性: 核心参数(唐奇安长度、WMA长度、止盈百分比)均可调整,使策略能够适应不同的交易品种和时间周期。
时间过滤: 明确的时间范围限制(2025年)有助于针对特定市场环境优化策略,避免在不适合的市场条件下交易。
策略风险
尽管该策略设计合理,但仍存在以下风险需要交易者关注:
单一方向限制: 策略仅执行做多交易,在持续下跌的市场中可能错过机会或面临较长的不活跃期。可以考虑增加做空逻辑以应对双向市场。
参数敏感性: 唐奇安长度和WMA长度的选择对策略表现有显著影响。不当的参数设置可能导致过多的假信号或错过重要的交易机会。应通过不同市场条件下的回测优化参数。
市场特定性: 代码注释指出默认参数针对ASX的Temple & Webster 30分钟图表优化,可能不适用于所有市场和时间周期。需要针对特定交易品种重新优化参数。
时间限制风险: 策略限制在2025年日历年度内执行,如果市场在此期间整体表现不佳,可能影响总体收益。考虑扩展时间范围或增加适应性时间过滤器。
止盈设置风险: 固定百分比的止盈可能在高波动市场中过早退出强势趋势,或在低波动市场中设置过远而难以达到。建议根据市场波动率动态调整止盈水平。
回撤控制缺失: 策略没有明确的止损机制,在交叉信号出现前可能承受较大回撤。建议增加最大回撤限制或基于ATR的止损机制。
策略优化方向
基于对代码的深入分析,以下是几个可能的优化方向:
双向交易逻辑: 增加做空交易能力,特别是当唐奇安通道高点向下穿越WMA且WMA下降时。这将使策略能够在下跌市场中同样获利。
动态参数调整: 实现基于市场波动率自动调整唐奇安长度和WMA长度的机制。例如,在高波动环境中使用较短的唐奇安长度,在低波动环境中使用较长的周期。
止损机制添加: 引入基于ATR(平均真实范围)的止损,或设置最大允许回撤百分比,以限制单笔交易的损失。
多时间周期确认: 增加更高时间周期的趋势确认,只在较大趋势方向一致时执行交易,减少逆势交易的风险。
交易量过滤器: 添加交易量确认机制,要求突破信号伴随交易量增加,提高信号可靠性。
盈亏比优化: 实现可变止盈/止损比率,基于市场状态动态调整,在趋势强劲时设置更远的止盈目标。
部分获利策略: 分段平仓逻辑,允许在达到不同盈利目标时分批平仓,既锁定部分利润又保留对趋势的参与度。
机器学习集成: 使用机器学习算法优化参数选择,或预测哪些市场条件下策略更可能成功,从而实现自适应交易规则。
优化这些方面不仅可以提高策略的稳健性和适应性,还能够扩大其应用范围,使其在不同市场环境下保持竞争力。
总结
动态突破WMA滤波唐奇安通道交易策略代表了一种精心设计的量化交易方法,通过结合趋势跟踪和突破交易原则,在波动性压缩后捕捉潜在的大幅上涨行情。该策略的核心优势在于其对真实价格数据的使用、趋势确认机制以及灵活的参数设置,使其能够适应不同的交易环境。
然而,策略也面临单一方向交易、参数敏感性和缺乏完善风险管理等挑战。通过增加双向交易能力、动态参数调整、改进止损机制和多时间周期确认等优化,该策略有潜力成为一个更加全面和稳健的交易系统。
对于量化交易者而言,这种将技术指标与明确执行规则相结合的方法提供了一个结构化的框架,既适合直接应用,也可作为开发更复杂交易系统的基础。最重要的是,交易者应根据特定市场条件和个人风险偏好,对策略参数进行彻底的回测和优化,以实现最佳性能。
/*backtest
start: 2024-06-09 00:00:00
end: 2025-06-08 00:00:00
period: 1d
basePeriod: 1d
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/
//@version=5
strategy("Donchian x WMA Crossover (2025 Only, Adjustable TP, Real OHLC)", overlay=true, initial_capital=1000, currency=currency.AUD, default_qty_type=strategy.percent_of_equity, default_qty_value=100)
// === INPUTS ===
donchian_len = input.int(7, title="Donchian Length")
wma_len = input.int(62, title="WMA Length")
take_profit_perc = input.float(0.01, title="Take Profit (decimal)", minval=0.0001, step=0.0001)
// === TIME FILTER: Calendar Year 2025 ===
start2025 = timestamp("UTC", 2025, 1, 1, 0, 0)
end2025 = timestamp("UTC", 2025, 12, 31, 23, 59)
in_2025 = time >= start2025 and time <= end2025
// === REAL OHLC FOR THIS CHART’S TIMEFRAME ===
res = timeframe.period
real_close = request.security(syminfo.tickerid, res, close)
real_low = request.security(syminfo.tickerid, res, low)
// === INDICATORS ===
donLow = ta.lowest(real_low, donchian_len)
wma = ta.wma(real_close, wma_len)
// === TREND CHECK ===
wma_up = wma > wma[1]
// === SIGNALS ===
enter = ta.crossover(donLow, wma) and in_2025
crossEx = ta.crossunder(donLow, wma)
exit_tp = strategy.position_size > 0 and real_close >= strategy.position_avg_price * (1 + take_profit_perc)
exit_x = crossEx and not wma_up
exit_all = (exit_tp or exit_x) or not in_2025
// === EXECUTION ===
if enter
strategy.entry("Long", strategy.long)
if exit_all
strategy.close("Long")
// === PLOTS ===
plot(donLow, title="Donchian Low (real)", color=color.gray, linewidth=2)
plot(wma, title="WMA (real)", color=color.blue, linewidth=2)
plot(strategy.position_size > 0
? strategy.position_avg_price * (1 + take_profit_perc)
: na, title="TP Level", color=color.green, linewidth=1, style=plot.style_linebr)