资源加载中... loading...

多头趋势回踩 策略

Author: 发明者量化-小小梦, Created: 2017-05-03 10:43:49, Updated: 2019-07-31 18:34:37

多头趋势回踩”策略

  • 一、多头趋势回撤点策略的理论解释

    • 什么是多头趋势

      要理解多头趋势首先要知道均线。均线指一段时间收盘价之和除以该周期得到的平均值,比如5日均线(MA5),10日均线(MA10)等。

      短期均线走势是资金投票的结果,能够反映短期内投资者的投资意向。

      “多头趋势“指周期从短到长的移动均线呈从上到下排列的态势,如下图所示。在“多头趋势”下,股价倾向于上涨。反之则称为空头,股价处于下跌趋势。

      img

    • 回撤点:

      按照多头趋势回撤点理论:多头趋势是一只股票可买入的判断依据,而回撤点则指出了该股票的买入时机。

      回撤点指的是多头趋势不发生改变的情况下,股票价格由于断线投资者在获利之后造成的股价暂时调整下跌。按照多头趋势理论,如果多头趋势仍然能够保持,则股票长期还是以涨为

      img

  • 二、策略的量化

    了解了“多头趋势回撤点”这个策略之后,在实际操作上,这个策略存在一些具体量化的细节,也正是这些细节决定了这个策略的可操作性和收益。

    • 1、策略中的参数 选择

      (1)买入信号中的参数:

      A 回撤点参数:

      当股票价格回撤到什么程度的时候买入能够更可靠地获得更多的收益?如5%,10%,或回撤点触碰到5日均线,10日均线等。

      B 多头趋势天数参数T:

      通过天数的不同,能可靠地判断多头趋势。

      或者能否根据多头的趋势,在还没有回撤现象的时候,就选择买入股票。

      (2) 卖出信号(止损信号和止盈信号)中的参数:

      多头回撤策略也并不一定能够保证收益。可以设定一定情况下,产生调换仓位的信号,更有可能保证收益。

      C 止盈止损点参数:

      可以设置不同种类止损止盈信号,如设置一定百分比的止盈止损点,或者当多头趋势发生一定改变的时候,调换仓位。根据不同信号能够得到不同的收益情况。

      (3) 参数的优化:

      可以使用不同的参数组合,模拟大量的交易,根据模拟的结果,拟合出出一个针对历史行情表现较好的参数组合。

      当然,股票行情一直在变化,不能保证在特定历史行情中拟合出来的具体参数能够适用于以后。

  • 三、模拟交易策略的实现

    • 1、数据的准备

      A股历史日线数据 + 复权因子数据即可。

    • 2、交易策略及参数:

      (1)回撤点定义:该股票开盘价格低于10日均线价格

      开盘价<10日均价(收盘价)

      多头定义:5日,10日,20日,60日均线依次递减

      5日均价> 10日均价> 20日均价> 60日均价

    • (2)止损和止盈标准:当股票的收盘价和买入价格之间盈亏超过10%:abs(买入价格-当天开盘价)/买入价格>10%的时候,止损和止盈。

      abs(开盘价-买入价)/买入价>10

    • 3、交易流程

      (1)设置交易起止日期:

      (2)在交易开始日期,按照上述选股策略,从当日挂牌的股票中选20只股票,每只按照开盘价买入1000股作为持仓;

      (3)次日开始每个交易日按照止损止盈标准卖出股票,假设以开盘价卖出,出售所得作为可用资金;并同时按照选股策略选出一定量股票,和持仓对比,差异部分买入,保持持仓股票共20只;

      (6)循环进行N日后,计算一段交易日总盈亏

      盈亏:(最后一日仓位价值 - 第一天本金)/ 第一天本金

  • 3、模拟交易结果

    开始日期:2014-01-02,截止日期:2014-02-28

    本金为249800,最终资产为278313,收益率为11.41%,跑赢了同期沪深300指数。

    结果图:

    img

  • 四、补充

    • 1、两个月的数据测试结果,并不一定具有普遍性;

    • 2、没有考虑到新股、停牌、被ST等特殊情况;

    • 3、根本的问题:本策略的理论基础是短期内市场由情绪驱动,没有体现任何价格以外因素的影响,因此在较长期限内无效。

  • 五、实现中遇到的问题

    • 1、每个交易日都要处理3000多只股票的均线,计算量较大,如果拉长周期,会使运行时间加长。解决的办法是预先计算好股票的均线数据。

有兴趣的同学可以在 发明者量化 上实践一下!

转载自 量化交易员


More