策略回测报告——动量策略

策略全称：简单动量策略
策略简称：动量策略
策略函数：signal_simple_mtm

一、 策略背景
动量指标（MTM）也称为动力指标（Momentum Index）。
在证券市场上有类似于物理学上的恒速原理的现象：如果股价的上涨（下跌）趋势在继续，则股价的上涨（下跌）速度会大体保持一致。
动量指标（MTM）正是从股票的恒速原理出发，考察股价的涨跌速度，以股价涨跌速度的变化分析股价趋势的指标。
信号构建方法1：
　　1.MTM=当日收盘价-N日前收盘价
　　2.MTMMA=MTM的M日移动平均
　　3.参数N一般设置为12日参数M一般设置为6
应用法则
　　1.MTM从下向上突破MTMMA，为短期买入信号。
　　2.MTM从上向下跌破MTMMA，为短期卖出信号。
　　3.股价在上涨行情中创出新高点，而MTM未能配合上升，出现背离，为卖出信号；股价在下跌行情中走出新低点，而MTM未能配合下降，出现背离，为买入信号。
　　4.若股价与MTM在低位同步上升，显示短期将有反弹行情；若股价与MTM在高位同步下降，则显示短期可能出现股价回落。
　　缺点：震荡趋势中，MTMMA附近开平仓太频繁

信号构建方法2：
1、MTM=（当日收盘价-N日前收盘价）/ N日前收盘价
2、上轨:p/100 ， 下轨：-p/100
3、MTM突破上下轨开仓
信号构建方法3：
构建方法2基础上加个MTMMA作为中轨，平仓
缺点：多一个参数
信号构建方法4：
基于MTMMA构建子布林
1、MTM=（当日收盘价-N日前收盘价）/ N日前收盘价（注意：和构建方法1不同，这里是比例）
1.1 J神对MTM进行一次平滑得到mtm_mean，然后再计算median
2.MTMMA=MTM的M日移动平均（median)
3.计算std mtm到mtmma标准差
4、设置倍数（常数，或者自适应）
本质就是上涨速度（n天价格变动）大于一个值，认为可以开仓

二、 策略的逻辑和本质
1、策略为什么赚钱？
基础假设：速度会延续（趋势）
2、策略赚的是什么钱？
开仓信号出现后，close同向趋势延续的钱
3、在什么情况下会失效？
开仓信号出现后，持仓状态（MTM没有降到平仓位置），close持平或下降

N日前处于盘整（close差不多），近日处于突破后盘整（当日附近close差不多），也能保持一段时间开仓，但不盈利
N日前处于下跌（close下降），近日处于反转后盘整或小幅下跌，mtm也保持为正
N日前处于小幅上涨，近日处于盘整，会更快平仓
总之，动量策略适合突破后有延续性趋势的行情，震荡行情是失效的

3.1个别参数有限期失效
简单自适应动量策略（非布林上下轨）(伪自适应版)
注意：df.loc[df[‘mtm’] > df[‘up_p’]/100, ‘signal_long’] = 1
生成信号时，有个/100，这里相当于一个参数，没有完全自适应
但/100的效果还相当不错，对应简单动量策略的p值，是要比较小的，在比较小的p值上就开仓
与0做分界线比较，0做分界，无效开仓太多

spot:2017-08-17 04:00:00 至2021-08-31 23:55:00（全部）
para equity_curve test_buy_long_times test_sell_short_times 累计交易次数 年化收益 最大回撤 sharpe 最大回撤开始时间 最大回撤结束时间
37 [760] 798.652080 40.0 40.0 80.0 4.258945 -0.740367 5.752476 0.0 2021-07-16 08:00:00
8 [180] 416.679496 157.0 155.0 312.0 3.474211 -0.796166 4.363679 0.0 2021-06-03 20:00:00
38 [780] 330.673038 27.0 24.0 51.0 3.224525 -0.811912 3.971520 0.0 2021-07-22 08:00:00
spot:2017-08-17 04:00:00 至2020-08-31 23:55:00（魔2期标准）
para equity_curve test_buy_long_times test_sell_short_times 累计交易次数 年化收益 最大回撤 sharpe 最大回撤开始时间 最大回撤结束时间
37 [760] 72.090135 36.0 36.0 72.0 3.132348 -0.650742 4.813499 0.0 2019-08-28 20:00:00
4 [100] 72.195490 197.0 199.0 396.0 3.134350 -0.785001 3.992795 0.0 2018-01-29 00:00:00
38 [780] 44.879141 21.0 19.0 40.0 2.531257 -0.655567 3.861171 0.0 2019-08-28 20:00:00
8 [180] 20.382184 118.0 116.0 234.0 1.717915 -0.703183 2.443056 0.0 2017-11-14 04:00:00
2020-03-13 03:00:00 至 2021-09-04 23:55:00 （312后，近期）
para equity_curve test_buy_long_times test_sell_short_times 累计交易次数 年化收益 最大回撤 sharpe 最大回撤开始时间 最大回撤结束时间
8 [180] 36.612703 51.0 50.0 101.0 10.898383 -0.796166 13.688590 0.0 2021-06-03 20:00:00
16 [340] 23.956646 16.0 18.0 34.0 7.887684 -0.767430 10.278053 0.0 2021-08-01 16:00:00
14 [300] 22.028770 23.0 22.0 45.0 7.389336 -0.722400 10.228873 0.0 2021-05-23 20:00:00
三个时间段，180是穿越牛熊的参数

简单自适应动量策略（非布林上下轨）（真自适应版）
如果要自适应，就是一组样本里，比较贴近0值的数，这个数值
回测过程中发现用max描述，值太大，出信号太少
用min描述有负数，只能用在下轨
想把p自适应掉，选取mtm动量正值里最小的作为开多条件（反之负值里最大的为开空条件）
严格意义上来说，这里还不算完全自适应，还有个与0的比较，如果与1比较呢？