量化交易系统构建思路1-7(待续)

合集下载

量化交易策略的构建实战

量化交易策略的构建实战
量化交易策略的构建实 战
2020/8/22
Seeking Alpha
1. 量化交易系统模型构建 2. 数据处理 3. 阿尔法模型 4. 风险控制模型 5. 成本模型 6. 投资组合模型 7. 执行模型 8. 量化模型生命周期 9. 凯纳量化1号展示
航空系统VS量化交易系统
都是是一个大型负责系统; 安全是第一要素:飞机安全降落是第一位,活着是第一位; 都是由很多子系统构成; 都需要一个中央系统负责调度和指挥子系统; 任何一个子系统环节出错都会酿成巨大事故;
量化投资的模块构建图示
一、股指期货程序化概述
量化投资第一步:数据来源和数据处理
一、股指期货程序化概述
股票数据处理:复权问题,指数样本股变更,停牌,涨跌 停…… 期货数据处理:主力合约,涨跌停;
第二步:追寻阿尔法
阿尔法 模型 一、股指期货程序化概述
寻找阿尔法:飞机制造
阿尔法产生两个来源
一个阿尔法交易系统的组成部分
统计套利之:配对交易
回测优化
优化应避免参数孤岛
测试方法 Walk forward Backtesting
传统方法
Walk forward Backtesting
第三步:风险控制模型
风险控制 模型
一、股指期货程序化概述
风险控制模型
不可能三角形
第三步:风险控制模型
交易成本 模型
一、股指期货程序化概述源自一个阿尔法交易系统的组成部分
➢交易系统一般都包括: 1. 进场规则(买什么,什么时候买,买多少) 2. 出场规则(什么时候出场,出多少,怎么出) 3. 风险控制规则(单次能承担最大亏损,连续亏损 多少,用多少倍杠杆交易,承受最长不赚钱的周 期) 4. 资金管理规则(单策略资金管理)

金融行业智能投顾与量化交易系统开发方案

金融行业智能投顾与量化交易系统开发方案

金融行业智能投顾与量化交易系统开发方案第1章项目背景与需求分析 (3)1.1 金融科技发展概述 (3)1.2 智能投顾与量化交易市场现状 (3)1.3 项目需求与目标 (4)第2章智能投顾系统设计 (4)2.1 投资组合理论 (4)2.1.1 资产配置 (4)2.1.2 风险与收益关系 (5)2.1.3 最优投资组合构建 (5)2.2 投资者画像构建 (5)2.2.1 投资者特征分析 (5)2.2.2 投资者风险偏好评估 (5)2.2.3 投资者画像更新与优化 (5)2.3 投资策略与优化 (5)2.3.1 投资策略选择 (5)2.3.2 投资策略优化 (6)2.3.3 投资策略跟踪与评估 (6)3.1 量化交易策略概述 (6)3.2 趋势跟踪策略 (6)3.3 对冲策略 (6)3.4 统计套利策略 (6)第4章数据处理与分析 (6)4.1 数据源选择与处理 (6)4.1.1 数据源选择 (6)4.1.2 数据处理 (7)4.2 数据存储与管理 (7)4.2.1 数据存储 (7)4.2.2 数据管理 (7)4.3 数据分析与挖掘 (7)4.3.1 数据分析 (7)4.3.2 数据挖掘 (8)第5章人工智能技术应用 (8)5.1 机器学习算法概述 (8)5.1.1 监督学习 (8)5.1.2 无监督学习 (8)5.1.3 强化学习 (8)5.2 深度学习技术 (9)5.2.1 卷积神经网络(CNN) (9)5.2.2 循环神经网络(RNN) (9)5.3 自然语言处理在金融领域的应用 (9)5.3.1 文本分类 (9)5.3.2 命名实体识别 (9)5.3.3 语义分析 (9)5.3.4 机器翻译 (9)5.3.5 自动问答 (10)第6章系统架构设计 (10)6.1 系统总体架构 (10)6.1.1 分层架构设计 (10)6.1.2 系统部署架构 (10)6.2 前端界面设计 (10)6.2.1 用户登录与注册 (10)6.2.2 量化策略展示 (11)6.2.3 投资组合管理 (11)6.2.4 风险控制 (11)6.2.5 交易执行 (11)6.3 后端服务设计 (11)6.3.1 策略模块 (11)6.3.2 交易执行模块 (11)6.3.3 风险监控模块 (11)6.3.4 数据处理模块 (11)6.3.5 用户管理模块 (11)第7章系统开发与实现 (11)7.1 开发环境与工具 (11)7.1.1 开发环境 (11)7.1.2 开发工具 (12)7.2 编程语言选择 (12)7.2.1 后端开发 (12)7.2.2 前端开发 (12)7.3 系统模块实现 (12)7.3.1 用户模块 (12)7.3.2 数据处理模块 (12)7.3.3 投资策略模块 (12)7.3.4 交易执行模块 (13)7.3.5 智能投顾模块 (13)7.3.6 量化交易模块 (13)7.3.7 风险管理模块 (13)7.3.8 系统管理模块 (13)第8章系统测试与优化 (13)8.1 测试策略与工具 (13)8.1.1 功能测试 (13)8.1.2 功能测试 (13)8.1.3 压力测试 (13)8.2 系统功能评估 (14)8.2.1 功能指标 (14)8.2.2 监控与分析 (14)8.3 系统优化与升级 (14)8.3.1 代码优化 (14)8.3.2 架构优化 (14)8.3.3 硬件优化 (14)8.3.4 系统升级 (14)第9章风险管理与合规性分析 (14)9.1 风险管理策略 (14)9.1.1 风险识别 (14)9.1.2 风险评估 (15)9.1.3 风险控制 (15)9.1.4 风险应对 (15)9.2 合规性要求与审查 (15)9.2.1 法律法规合规 (15)9.2.2 监管合规 (15)9.2.3 内部合规 (15)9.3 风险评估与监控 (15)9.3.1 实时风险评估 (15)9.3.2 定期风险评估 (15)9.3.3 风险监控与报告 (15)9.3.4 风险控制效果评估 (16)第10章项目总结与展望 (16)10.1 项目成果总结 (16)10.2 市场前景分析 (16)10.3 未来发展方向与策略 (16)第1章项目背景与需求分析1.1 金融科技发展概述信息技术的飞速发展,金融行业正面临着深刻的变革。

怎么建立自己的交易体系

怎么建立自己的交易体系
的(交易就是寻找一波大概率符合自己预期的行情进行交易)
1、想做好交易,必须有好的心态,比如考场上的学生想考出 好的成绩必须掌握解题方法才行,光靠心态没有用。交易同理, 有好的心态前提,就是有一个客观有效的好方法,这样人才会 踏实下来。 2、思想决定理念—理念决定方法—方法决定心态—心态决定 行动(简单做重复做认真做) 3、有了好的方法,心态自然就会好,执行力强起来了,结果 自然不会差
下跌后有可能发生变盘的可能性:
真正的交易者: 只关心两件事
1.我买入后,市场的走势和我的预期相符,我该怎么处理? 2.我买入后,市场的走势和我的预期不符,我又该怎么办?
——未来的行情谁也无法预测,唯一能依赖的就是规则和纪律 ——盈利不是靠预测行情的胜率来获取的,而是依赖“做错的时 候尽可能少亏,做对的时候尽可能多赚” ——计划我的交易,交易我的计划
1.交易者只需按照自己制定的交易策略下单执行即可。(策略+执行) 2.止损是自己控制的,利润是市场决定的。(止损的重要性) 3.从长期来看交易账户的绩效表现取决于交易者交易动作的合理性 和客观性
最基础的K线形态:头肩形态+M顶或W底形态
1.从价格的走势变化中会出现许多的形态,但归纳起来,无外乎 是由N字曲折线组成 2.以N字曲折线结构为基础,就形成了最基本的形态: 头肩形态 + M顶 或 W底 形态 3.模糊的地方: 它的基本结构可长可短、可大可小、可对称可不对称 4.精确的地方: 大多数情况,都是这种形态;如果当下不是,那它最终会演化成 这种形态
交易中的三大哲学思想
1.价格是包含未来的 (价格消融一切)构成了技术分析的基础 2.价格随趋势运行 “趋势”是技术分析的核心 (当前趋势将一直持续到掉头反向为止) 3.历史会重演(错位重演)

20140807量化交易系统设计

20140807量化交易系统设计
入场信号过滤条件出场信号交易系统突破固定带突破波幅突破固定时间突动态带突破海龟通道突atrstd通道突破指标类动量随机指标等形态类蜡烛图数据挖掘形态等常用过滤条件技术指标时间统计出场跟踪止盈吊灯法跟踪回调比例法跟踪止盈主动出场固定持仓时间出场反向信号出10策略失效主要分为两种品种波动性丧失11策略失效主要分为两种策略本身过拟合导致失效12评估策略有效性
24
组合设计
1. 组合设计构建方法
多策略和多周期

多策略和多周期组合:多策略组合可以降低单个策略遇到 不应期时候所面临的的回撤,但是设计时候要注意策略相 关度
25
组合设计
2. 组合维护
模型库月度维护,检查组合表现 备选策略,通常需要1-2套备选策略预防实盘策略
失效。
26
组合设计
3. 组合交易品种选择
常用的出场条件
出场
跟踪止盈
主动出场
吊灯法跟踪 止盈
回调比例法 跟踪止盈
固定持仓时 间出场
反向信号出 场
9
如何评估策略有效性
策略失效主要分为两种
品种波动性丧失
10
如何评估策略有效性
策略失效主要分为两种
策略本身过拟合导致失效
11
如何评估策略有效性
评估策略有效性:
1. 单品种分段测试
2. 跨品种测试
量化交易系统设计
1
目录

交易系统的构建 如何评估策略有效性 实盘中需要注意的细节 组合设计 资金管理的重要性
2




交易系统的构建
交易系统的架构
入场 信号
过滤 条件
交易 系统
3
出场 信号
交易系统的构建

量化小科普【什么是量化?常用的股票量化指标、如何搭建量化交易系统】

量化小科普【什么是量化?常用的股票量化指标、如何搭建量化交易系统】

量化⼩科普【什么是量化?常⽤的股票量化指标、如何搭建量化交易系统】前⾔:今天起准备开启全新的⼀门课程的学习之旅,如标题所⽰,python量化交易相关的领域,理财+编程相关的知识。

其实吧,关于理财相关的学习去年底就已经萌发了,⼀直是没有付出⾏动⽽已,所以在8⽉的开头打算付出⾏动。

关于股票和基⾦,对于程序猿们⽽⾔基本上⼈⼈都或多或少的接触过,也不⼀定是程序猿吧,对于想挣“睡后”收⼊的应该它们俩是⼤多数⼈认为最直接有效的,因为只要选上⼀个股票或基⾦,合适的机会买卖既可,不费⼒不费时,嗯,同时伟⼤的“⾲菜们”也都纷纷出现了,我也很⾃豪的能成为其中⼀员,当然既然是韮菜中的⼀员,被割是不可能避免的,但是呢,丝毫不影响我想要学习投资的脚步,对于这门python 理财课我觉得通过它⼀是可以学学投资相关的⼀些⾦融知识,⼆是⼜可以来领略⼀下怎么利⽤python来达到⼀种量化交易的⽬的,关于python这门语⾔在学习线性代数时就已经初步领略过了:这次再次来感受⼀下它在投资领域上⾯的⼀个魅⼒,期待理财+技术两个领域的知识为⾃⼰所吸收利⽤,当然对于A股的投资不可能靠学⼀门课程就能让你百分百挣到“睡后”收⼊,但是在你懂得了⼀些理财的思想之后,对你未来的理财道路上肯定是有利⽆害的,所以,加油~~什么是量化?量化:“在语⾔和逻辑层⾯,⽤量词指定⼀个谓词的有效性的⼴度的构造”,是不是这句话太抽象了,这⾥分别来理解标红的词,先来回忆⼀下啥是谓词:再来理解“量词”,它是指定谓词的有效性的⼴度的构造,很明显它是⽤来表达这个谓词的⼀个⼴度问题的,举⼏个“量词”的例⼦:⼀些【他跑得快⼀些】、很多、所有,这些形容词都是表⽰量化的概念,稍加了解⼀下。

量化交易:⽽通常的量化指的就是量化交易,它指的是针对可交易的投资商品【如股票、基⾦、债券等】,根据它们真实的历史数据,理性地运⽤逻辑分析和归纳统计判断市场的趋势【未来的涨跌幅,买卖点之类的】,这么⼀个过程就是量化,⽽标红的“逻辑分析和归纳统计”就是所谓的量化交易策略,可以简单理解成“炒股公式”,不同的⼈其公式肯定也是不⼀样的对吧,下⾯就来看⼀下都有哪些量化策略。

基于深度学习的股票量化交易系统设计与实现

基于深度学习的股票量化交易系统设计与实现

基于深度学习的股票量化交易系统设计与实现近年来,基于深度学习的股票量化交易系统备受关注。

这种交易系统利用深度学习算法分析历史数据,识别出市场趋势和投资机会,从而提高交易的精确度和收益率。

本文将深入探讨这种交易系统的设计和实现。

一、系统架构深度学习的股票量化交易系统主要分为三个模块,包括数据预处理模块、深度学习模块和投资决策模块。

1.数据预处理模块数据预处理模块负责对原始数据进行筛选、清洗、归一化和特征提取,以便于后续的深度学习模块处理。

常用的预处理方法包括:(1)筛选:根据交易周期筛选出具有代表性和稳定性的数据,例如日线或周线数据。

(2)清洗:去除数据中的离群点、异常值或缺失值,减少对模型的干扰。

(3)归一化:将各类指标(如价格、成交量、市盈率等)标准化到同一范围内,防止某些指标过大或过小对模型的影响。

(4)特征提取:从数据中提取重要的特征向量,如价格变化率、市场波动率、资金流向等。

2.深度学习模块深度学习模块是整个交易系统的核心部分,其目的是根据历史数据学习市场的规律,预测未来的趋势和价格变化。

主要包括以下几个子模块:(1)卷积神经网络(CNN):利用卷积核对输入的特征图进行卷积操作,从而提取出空间相关性和局部模式,用于图像识别和分类等任务。

(2)循环神经网络(RNN):将输入序列映射到隐藏状态序列,通过学习隐藏状态之间的关系来模拟序列的演化过程,用于时间序列分析和预测等任务。

(3)长短时记忆网络(LSTM):在RNN的基础上增加了一种记忆单元,用于处理长序列和消除梯度消失的问题,是深度学习中重要的循环结构之一。

(4)注意力机制(Attention):引入注意力权重,动态地对输入序列的不同部分赋予不同的权重,从而能够更好地捕捉某些重要的特征和模式,提高模型的精度和稳定性。

3.投资决策模块投资决策模块是根据深度学习模块得出的结果,进行投资决策和交易操作的模块。

主要包括以下几个方面:(1)技术指标分析:根据深度学习模块的输出结果,结合常用的技术指标如MACD、KDJ、RSI等,制定交易策略和入市/出市决策。

量化交易的模型构建方法

量化交易的模型构建方法

量化交易的模型构建方法量化交易是一种基于数学和统计分析的交易模式,通过建立模型来预测市场趋势和价格波动,并根据模型的指导进行交易。

在构建量化交易模型时,以下是一些常用的方法和步骤:1. 数据收集:收集市场和交易数据,包括股票、期货或其他金融工具的历史价格、交易量和其他相关数据。

2. 数据预处理:对收集到的数据进行清洗和处理,去除异常值、填补缺失值,并进行数据平滑和标准化等操作,以确保数据的质量。

3. 策略设计:根据投资者的目标和需求,设计量化交易策略,确定交易的规则和条件。

这可能涉及技术指标的选择、交易信号的生成和风险管理规则的制定等。

4. 模型建立:选择适当的数学模型和算法,根据历史数据进行参数估计和模型训练,以构建预测市场走势和价格波动的模型。

常见的模型包括时间序列模型、回归模型和机器研究模型等。

5. 回测和优化:使用历史数据对构建的模型进行回测和优化,评估模型的性能和稳定性,并通过参数调整和策略改进来提高模型的表现。

6. 实时应用:将优化后的模型应用于实时市场数据,并根据模型的信号进行交易决策。

在实际交易中,还需考虑交易成本、流动性风险和市场变化等因素。

7. 风险管理:制定有效的风险管理策略,包括止盈止损机制、仓位控制和风险分散等,以降低风险并保护投资组合的价值。

8. 监控与修正:监控模型的运行和交易表现,及时调整和修正模型,以适应市场的变化和模型的衰退。

以上是构建量化交易模型的基本方法和步骤。

需要注意的是,量化交易模型的构建是一个复杂的过程,需要充分的数据分析能力和市场理解,同时也需要不断研究和改进,以应对不断变化的市场环境。

参考文献:- Chan, E. P. (2013). Quantitative trading: how to build your own algorithmic trading business. John Wiley & Sons.。

量化交易系统开发,量化对冲软件系统搭建

量化交易系统开发,量化对冲软件系统搭建

量化系统一般由几个步骤组成,策略编写、策略回测、策略分析、仿真运行、实盘运行,并且后端需要对接交易所接口,有了交易通道才能真正将单子下到交易所内,所以对于量化交易来说,策略是基础。

量化交易系统开发咨询微ruiec762679
从策略优化的角度而言,量化交易也可以从庞大的历史数据中海选出能带来超额收益的多种“大概率”事件,并制定其为投资策略,再用海量模型验证并固化这些规律和策略,然后严格执行已固化的策略来指导投资操作,从而获得可以持续的、稳定且高于平均收益的超额回报。

具体来说,量化交易是一个体系,包含策略、量化交易系统、风控和算法交易,区别于传统“定性”投资
量化对冲有以下几方面特点:
1、投资范围广、投资策略灵活;
2、以追求绝对收益为目标;
3、更好的风险调整收益;
4、与主要市场指数相关性低、具备资产配置价值。

量化交易系统在数字资产投资领域的地位是越来越高,这是一种通过大量数据经过算法优化后得出来的策略投资,已经让很多人实现了财富自由。

而那些高频量化交易系统的运营商收益也是满满的。

量化交易系统开发找源中瑞科技。

  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。

程序化交易策略构建思路1.基于商品价差的通道突破系统1)公式名称:CL_SpreadChannelBreakout2)策略构建思路:本策略是以通道突破为基础的“四周规则”交易系统的价差交易版,策略本身和经典的“四周规则”并无区别,不同之处是将交易标的从单个商品合约变为两个商品的价差。

3)建立系统的步骤首先,策略会按照设定的两个商品的交易手数计算出商品的价差,并根据价差的开盘价、最高价、最低价、收盘价画出价差K线图。

由于价差的计算是基于两个商品的K线数据而不是详细的Tick数据,所以只有价差的开盘价和收盘价能够准确计算,最高价和最低价则取开盘价差和收盘价差的最高和最低。

4)进场策略计算价差的一定周期的最高价和最低价,形成上下两条通道,当价差突破上通道时做多,价差突破下通道时做空,突破时反向仓位先平仓再反手。

5)出场策略止损方面,引入价差的更小周期的最高价和最低价作为止损点。

至此,本策略的构建描述完毕,本策略是基于对外盘行情的观察和理解进行的K线组合交易策略,由于策略特性和国内行情的特性,该策略会出现丢失行情的情况发生,但不失为一种交易思路供使用者思考,请使用者仔细理解口进行选择、修改和使用。

2.基于均线交叉与通道突破相结合的交易系统1)公式名称:CL_MovingAverageCrossOver【MACO】2)策略构建思路:传统的移动平均线交叉系统寻找快速均线和慢速均线的交叉来捕捉趋势,在快速均线上传慢速均线时买入,期待市场趋势上涨,反之卖出,期待趋势下跌。

这种技术在有趋势的市场很有效果,但当市场横向整理或者起伏不定时,均线反复交叉从而产生许多导致亏损的假信号。

【MACO】系统充分利用趋势的同时尽量避免或者减少假信号的产生,方法是识别趋势后并不立即进场,而是确定这是一波行情的开始之后再作为。

系统使用快速均线和慢速均线的交叉来识别一波潜在趋势,直到上升趋势或者下降趋势确定后才发出买入或者卖出的信号。

系统通过设置在一定数目的K线内有效的买入/卖出条件单来确定趋势。

3)进场策略买入:一旦快速均线上传慢速均线,系统把最近12根K线的高点加上3%的位置设为“买入突破线”,如果价格突破“买入突破线”时则发出买入指令,突破指令在12根K线内有效,即如果12根K线内未突破则取消本次交易。

卖出:一旦快速均线下穿慢速均线,系统把最近12根K线的地点减去3%的位置设置为“卖出突破线”。

如果价格跌破“卖出突破线”时则发出卖出指令,跌破指令在12根K线内有效,即如果12根K线内未跌破则取消本次交易。

4)出场策略反手出场:上述的买入或者卖出指令也是反手指令,即:如果持有多头而触发了卖出指令,我们将先平掉多头头寸然后再开立空头头寸,反之亦然。

周期出场:持有多头时,价格跌破最近8根K线的低点,多头平仓;持有空头时,价格突破最近8根K线的高点,空头平仓。

5)再进场策略上述的出场策略有时会导致提前出场并导致错失大的利润,再进场策略可以在趋势继续时重建原来的头寸。

多头出场后,记下出场时最近10根K线的高点,如果在出场后15根K线内价格达到最近10根K线的高点重新做多。

空头出场后,记下出场时最近10根K线的低点,如果在出场后15根K线内价格达到最近10根K线的低点重新做空。

至此,本策略的构建描述完毕,本策略是基于对外盘行情的观察和理解进行的K线组合交易策略,由于策略特性和国内行情的特性,该策略会出现丢失行情的情况发生,但不失为一种交易思路供使用者思考,请使用者仔细理解口进行选择、修改和使用。

3.基于均线和K线形态的高低点突破系统1)公式名称:CL_Escalator2)策略构建思路设计交易系统最常用的方法之一是先定义趋势,然后寻找一种图形来捕捉这种趋势,当这种趋势出现时恩能够顾及时进场。

Escalate就是遵循如此设计的系统,他使用两条移动平均线来定义趋势,然后使用一个两根K线的形态来决定买进和卖出的时间。

这个系统之所有命名为Escalator(自动扶梯),是因为它是基于一种两根K线的组合形态,一根收盘上涨/下一根收盘下跌,或者一根收盘下跌/下一根收盘上涨,类似并排的两个自动扶梯,一个上行而另一个下行。

3)进场策略买入:当前K线的收盘价必须在短期均线和长期均线之上,然后寻找做多的形态,即前一根K线的收盘价位于K线波动范围的底部25%范围内而当前K线的收盘价位于K线波动范围的顶部25%的范围内,找到这样的先收弱后收强的形态(扶梯形态)作为上升去世的买入点。

卖出:当前K线的收盘价必须在短期均线和长期均线之下,然后寻找做空的形态,即前一根K线的收盘价位于K线波动范围的顶部25%范围内而当前K线的收盘价位于K线波动范围的底部25%的范围内,找到这样先收强后收弱的形态作为下跌趋势的卖出点。

默认参数:短期均线:8;长期均线:40;参数可以优化。

这两根扶梯形态K线构成了系统进场的设置,实际进场时,买入是在两根扶梯形态K线的高点加1跳偏移的位置触发买入操作,卖出是在两根扶梯形态K线的低点减1条偏移的为主触发卖出操作。

如果进场条件没有被触发的话,这次进场设置将会取消。

4)出场策略保护性止损:做多后,系统将在两根扶梯形态K线的低点减1跳的位置设置一个保护性止损;做空后,系统将在两根扶梯形态K线的高点加1跳的位置设置一个保护性止损。

止盈出场:本策略并不视图通过跟踪止损来捕捉偶尔的大行情而是设置一个合理的止盈目标来争取许多持续的类似做贸易的利润。

系统的目标是收益为交易风险的2倍。

例如,若进场价到初始保护性止损是500元,则系统将会在开仓利润达到1000元位置时出场。

至此,本策略的构建描述完毕,本策略是基于对外盘行情的观察和理解进行的K线组合交易策略,由于策略特性和国内行情的特性,该策略会出现丢失行情的情况发生,但不失为一种交易思路供使用者思考,请使用者仔细理解口进行选择、修改和使用。

4.基于市场强弱指标和动量的通道突破系统1)公式名称:CL_SupermanSystem2)策略构建思路:Superman系统通过计算市场的力量和速度来寻找交易机会。

他使用市场强度(MarketStrength)指标判断市场是否强到可以买入或者弱到可以卖出,同时使用两个动量指标(DollarsPerBar1和DollarsPerBar2)判断市场的上升或者下跌速度。

市场前度指标MS的计算方法:1、计算K线涨跌幅。

取最近5根K线并计算每根K线和前一根K 线收盘价相比的涨跌幅,如果1根K线的收盘价高于前一根K线,则涨跌幅为正,否则涨跌幅为负;2、分别计算5根K线的涨跌幅之和S及5根K线中收盘上涨的K 线涨幅之和SU,收盘价下跌的K线的跌幅之和SD;3、计算市场强度:若S > 0,则:MS = S/SU * 100;若S < 0,则:MS = S/ |SD| * 100;4、市场强度指标的值总是在+100到-100之间。

两个动量指标的计算方法:DollarsPerBar1 = (Close - Close[4])/4;DollarsPerBar2 = (Close[4] - Close[8])/4;3)进场策略市场强度指标高于95,DollarsPreBar1 大于0,DollarsPreBar2 小于0时计划买入;市场强度指标低于-95,DollarsPreBar1小于0,DollarsPreBar2大于0时计划卖出;计划买入时,以最近5根K线的最高价加上1跳作为买入触发价;计算卖出时,以最近5根K线的最低价减去1跳作为卖出触发价。

4)出场策略多头头寸,以最近N根K线的最低价作为保护性跟踪止损,价格涨到进场价加上初始风险的一定倍数止盈出场。

空头头寸,以最近N根K线的最高价作为保护性跟踪止损,价格跌到进场价减去初始风险的一定倍数止盈出场。

反向信号出现时出场。

至此,本策略的构建描述完毕,本策略是基于对外盘行情的观察和理解进行的K线组合交易策略,由于策略特性和国内行情的特性,该策略会出现丢失行情的情况发生,但不失为一种交易思路供使用者思考,请使用者仔细理解口进行选择、修改和使用。

5.基于置换均线的二次穿越突破系统1)公式名称:CL_DoubleYourFun2)策略构建思路:移动平均线使用最广泛的技术指标,常见的有:简单均线、加权均线、指数均线、自适应均线、置换均线等。

DoubleYourFun系统使用了置换均线来确定买入和卖出信号,他的进场条件要求对置换均线完成二次穿越。

置换均线(DMA)和其他类型移动平均线的不同之处在于它画移动平均线时向前(向未来)偏移了一定数目的K线,而不是把均线画在均线计算的那根K线上。

许多技术分析师认为置换均线与其他类型的移动平均线相比,可以及时提供买入和卖出的信号,但产生的假信号要少得多。

3)进场策略DoubleYourFun系统通过置换均线和要求价格对置换均线的首次穿越后一定数目的K线内实现第二次穿越(基于收盘价)来减少假信号,二次穿越后设置买入和卖出条件。

实际的多头进场点是第二次收盘价上穿DMA的那根K线的最高价加1跳偏移的价位,空头进场点是第二次收盘价下穿DMA的那根K线的最低价减1跳偏移的价位。

第二次穿越后一定K线内触发进场条件则进行交易,否则交易条件取消。

4)出场策略出场策略采用跟踪止损。

持多头头寸,价格跌破最近N根K线的低点止损出场;持有空头头寸,价格突破最近N根K线的高点止损出场。

至此,本策略的构建描述完毕,本策略是基于对外盘行情的观察和理解进行的K线组合交易策略,由于策略特性和国内行情的特性,该策略会出现丢失行情的情况发生,但不失为一种交易思路供使用者思考,请使用者仔细理解口进行选择、修改和使用。

6.基于加权价的支撑阻力线突破系统1)公式名称:CL_RedRover2)策略构建思路这个系统的名字源自于一个很多人孩童时都玩过的游戏,游戏中设定两条相隔100英尺的线作为防线,游戏双方的目标都是阻止敌方穿越我方的防线。

和游戏类似,在RedRover交易系统中,也需要设定两条线:一条支撑线,一条阻力线,当价格穿越其中一条线时,即建立新的头寸。

3)建立系统的步骤计算当前K线的加权价,计算公式:加权价=(最高价+ 最低价+ 2*收盘价)/4;计算出下一根K线的阻力线,计算公式:阻力线= 2 * 加权价-最低价;计算出下一根K线的支撑线,计算公式:支撑线= 2 * 加权价- 最高价;4)进场策略在下一根K线,系统将在阻力线加1条的价位买进,或者在支撑线减1跳的价位卖出。

本系统的交易思想是当市场走强并强到上升突破阻力线,或者市场走弱并弱到下跌跌破支撑位,按照突破的方向进行交易。

5)出场策略1、RedRover系统是一个止损反手系统,如果支撑线先被跌穿,系统将持有空头,当趋势反转时,系统将在阻力线加1跳的位置买进止损,同时在同一价位建立多头头寸,并以支撑线减1跳作为止损;反之亦然。

相关文档
最新文档