该策略是基于Hull移动平均指标的短线交易策略。策略利用Hull移动平均线的金叉死叉形成买卖信号,属于趋势跟踪策略。
该策略主要基于Hull移动平均指标,Hull移动平均线由两个移动平均线组成。首先计算价格的中期移动平均线nma,周期为hullperiod。然后计算价格的快速移动平均线n2ma,周期为nma的一半。当n2ma上穿nma时发出买入信号,下穿nma时发出卖出信号。
为了过滤掉部分虚假信号,策略还引入了Hull线(Hull_Line)。Hull线是计算nma和n2ma之间差值的线性回归结果。当价格与Hull线发生背离时,策略会跳过买卖信号。
具体来说,策略规则如下:
计算nma,周期hullperiod
计算n2ma,周期为nma周期的一半
计算n2ma和nma的差值diff
对diff进行周期为sqrt(hullperiod)的移动平均,得到Hull线Hull_Line
当价格上穿Hull线时发出买入信号
当价格下破Hull线时发出卖出信号
如果价格与Hull线发生背离,跳过信号
以一定比例仓位入场,采用离场止损方式止损
该策略具有以下优势:
基于Hull移动平均,能够快速捕捉趋势,顺势而为
采用Hull线过滤虚假信号,提高信号质量
回撤和盈亏比良好,适合短线操作
参数调整灵活,可适应不同市场环境
采用反转止损,可以及时止损,控制风险
结合季节性,可避开特定时间段的系统性风险
该策略也存在一些风险:
跟踪趋势策略,无法做到全天候交易
当趋势反转时,会产生较大亏损
移动平均系统滞后,无法及时捕捉转折点
短线交易频繁,交易费用较高
参数设置不当可能导致震荡市收益下降
针对上述风险,可以采取以下措施加以控制:
采用马丁格尔止损策略,控制单笔亏损
优化参数,测试不同市场环境的参数健壮性
结合趋势判断指标,避免反转中的追涨杀跌
加大持仓时间,降低交易频率
该策略还可从以下几个方面进行优化:
结合动量指标,确定趋势的起始点位,更好的布局入场
增加机器学习模型,辅助判断趋势方向和力度
采用自适应参数设置,根据实时市场调整参数
配置多时间周期Hull系统,不同周期配置不同的仓位
结合交易量能量指标,避开量能不足的假突破
增加基于波动率的仓位管理模块,根据波动率动态调整仓位
Hull移动平均振荡交易策略整体是一个非常实用的短线跟踪策略。它利用Hull移动平均系统判断趋势方向,以达到顺势而为的目的。相比单一移动平均线系统,它具有更高的信号质量和 Parameters 灵活性。该策略优势在于快速捕捉趋势换向,以较低的回撤获利;劣势在于无法应对趋势反转。我们可以通过Parameter优化、止损策略改进、增加辅助模型等手段来控制风险,使策略在更多市场环境中稳定运行。
/*backtest
start: 2023-09-06 00:00:00
end: 2023-10-06 00:00:00
period: 6h
basePeriod: 15m
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/
//@version=4
// Hull Moving Average Swing Trader by SEASIDE420
strategy("Hull Moving Average Swing Trader", shorttitle="HMA_Swing_Trader", default_qty_type=strategy.percent_of_equity, default_qty_value=100, calc_on_order_fills=true, calc_on_every_tick=true, pyramiding=0)
hullperiod = input(title="HullMA Period", type=input.integer, defval=210, minval=1)
price = input(open, type=input.source, title="Price data")
FromMonth = input(defval=1, title="From Month", minval=1, maxval=12)
FromDay = input(defval=1, title="From Day", minval=1, maxval=31)
FromYear = input(defval=2020, title="From Year", minval=2017)
ToMonth = input(defval=1, title="To Month", minval=1, maxval=12)
ToDay = input(defval=1, title="To Day", minval=1, maxval=31)
ToYear = input(defval=9999, title="To Year", minval=2017)
start = timestamp(FromYear, FromMonth, FromDay, 00, 00)
finish = timestamp(ToYear, ToMonth, ToDay, 23, 59)
window() => true
n2ma = 2 * wma(price, round(hullperiod / 2))
nma = wma(price, hullperiod)
diff = n2ma - nma
sqn = round(sqrt(hullperiod))
n2ma1 = 2 * wma(price[1], round(hullperiod / 2))
nma1 = wma(price[1], hullperiod)
diff1 = n2ma1 - nma1
n1 = wma(diff, sqn)
n2 = wma(diff1, sqn)
Hull_Line = n1 / n1 * n2
Hull_retracted = if n1 > n2
Hull_retracted = Hull_Line - 2
else
Hull_retracted = Hull_Line + 2
c1 = Hull_retracted + n1 - price
c2 = Hull_retracted - n2 + price
c4 = n1 > n2 ? color.green : color.red
c2p = plot(c2, color=color.black, linewidth=1)
c3p = plot(price, color=color.black, linewidth=1)
fill(c3p, c2p, color=c4, transp=75)
//plot(cross(c1, c2) ? c1 : na, style=plot.style_circles, color=c4, linewidth=4)
if price < c2
strategy.close("BUY", when=window())
if price > c2
strategy.close("SELL", when=window())
if price > c2 and price[1] > c1
strategy.entry("BUY", strategy.long, when=window())
if price < c1 and price[1] < c2
strategy.entry("SELL", strategy.short, when=window()) // /L'-,
// ,'-. ` ```` / L '-,
// . _,--dMMMM\ ` ` ` '`.. / '-,
// : _,--, )MMMMMMMMM),. ` ,<> /_ '-,'
// ; ___,--. \MM( `-' )M//MM\ ,',.; .-'* ; .'
// | \MMMMMM) \MM\ ,dM//MMM/ ___ < ,; `. )`--' /
// | \MM()M MMM)__ /MM(/MP' ___, \ \ ` `. `. /__, ,'
// | MMMM/ MMMMMM( /MMMMP'__, \ | / `. `-,_\ /
// | MM /MMM---' `--'_ \ |-' |/ `./ .\----.___
// | /MM' `--' __,- \"" |-' |_, `.__) . .F. )-.
// | `--' \ \ |-' |_, _,-/ J . . . J-'-. `-.,
// | __ \`. | | | \ / _ |. . . . \ `-. F
// | ___ / \ | `| ' __ \ | /-' F . . . . \ '`
// | \ \ \ / | __ / \ | |,-' __,- J . . . . . \
// | | / |/ __,- \ ) \ / |_,- __,--' |. .__.----,'
// | |/ ___ \ |'. |/ __,--' `.-;;;;;;;;;\
// | ___ \ \ | | ` __,--' /;;;;;;;;;;;;.
// | \ \ |-'\ ' __,--' /;;;;;;;;;;;;;;\
// \ | | / | __,--' `--;;/ \;-'\
// \ | |/ __,--' / / \ \
// \ | __,--' / / \ \
// \|__,--' _,-;M-K, ,;-;\
// <;;;;;;;; '-;;;;
// :D