期货股票量化交易软件：关于技术分析和市场预测的方法

简介

本文将简要概述一个常规问题，逐步解决设置任务，以揭示此概念的基本原理并为关于金融市场、技术分析和交易系统本身的新观点提供理论基石。

由于此解决方案允许对受版权保护的任务部分使用替代性实施方案，因此本文的目标之一就是将开发人员的注意力吸引到其他可能更高级和/或更有意义的解决方案的研究和搜索工作上去。

交易者将获得一个现成的技术工具，以进行分析和预测。 此工具是 2007 年发布的 Extended Regression StopAndReverse 指标的下一步开发阶段，此指标已获得了大量用户的认可。 这就是说，开发人员可在自己的解决方案实施中将此工具的程序代码用作数据表示的终端模块。

​

编辑切换为居中

添加图片注释，不超过 140 字（可选）

1. 基础设施概述。 一般概念

1.1. 设置整个任务...

至今为止人们已经做了大量严肃认真的工作，不断尝试作出市场的数学描述，并对金融工具价格的内外部依赖关系进行了各种研究。

他们带给赫兹量化的是一个毫无希望的结论 - 市场具有强大的不可确定性和一个“脱离”不同的科学性模型掌控的明确功能，这些模型用于确保对于大部分交易者在所需的时间周期内进行实际交易时至关重要的预测精度的稳定性。

我想起 George Soros 在这方面所做的评论，它们足以对这种情况做一个概括：

...他们无法得到对市场的完美认知，因为他们的思维始终在影响着市场，而市场也始终在影响他们的思维。

这是否意味着开发完全确定的数学市场模型是一件不可能的任务呢？ 一般而言，在实际交易中寻求这个问题的答案是毫无意义的，因为交易的各个方面体现更多的是艺术性而非科学性。 然而，科学拥有支持整个交易流程的巨大潜力。

有几个科学的方式方法可以成功应用于金融市场的工作中。 这里必须要特别强调此类应用自身的方法。 这对交易者来说有何重要意义？ 这里我顺便说一下所谓的机械“黑盒”交易系统 (MTS)。 尽管毁誉参半的 MTS 有很多可以大谈特谈的地方，但我们只关注最终的结论，一个不是很令人振奋的结论。

大部分交易者很容易被 MTS 所累，他们不得不依赖于这些程序的原理、开发质量和不可避免的误差，因此，交易的形式从艺术转变为一种不完善的机制，内中隐藏着不可预测的缺陷。

此外，交易者应拥有良好的专业知识，清楚的了解特定 MTS 何时可以或不可以应用于哪些价格变动区域。 但这个要求通常是达不到的，交易者习惯使用看似简单的 MTS，而不再愿意仔细分析。 尽管如此，这里我们还是要放弃讨论 MTS。

此外，交易者需要一种可以信赖的相当精确的预测方法，并根据它动态地构建和调整他们的市场活动。 反过来，预测通常可以分为两组 - 基于一些科学方法所做的各种预测以及以直接传输内插数据的方式所做的预测。

为了表示地更清楚，可以用在图表上构建的两条有时看上起非常相似的曲线来做例示。 第一条曲线是用奇异谱分析（在俄罗斯也称“Caterpillar”）构建的；第二条代表一个简单变化的移动平均线。 当然，它们可能不是最好的例子，但这一点并不重要。 这里我们不讨论这两种方法的优缺点；重要的是两者都被不同的交易者应用于其工作中，并具有一定的效率。

事实上，两种方法的唯一不同之处在于，SSA 寻求预测某些参数中未来可能的变化，而计算和显示移动平均线不会预测任何东西 - 此方法仅仅根据简单计算出来的实际数据显示信息。 严格来说，第二种情况本身并没有预测；此预测是由交易者基于相对于移动平均线（本身作为一个预测工具）的价格而作出的预测。 两种情况中，交易者都执行了一些分析。

因此，基于科学预测的交易有助于市场上的操作，但它有较大的风险，因为交易者纠正预测误差时会产生延迟，而这种延迟通常是不可接受的。

另一方面，基于直接数据传输的交易消除了因数学计算/预测所产生的误差，但增加了交易者的脑力工作负担。 如果现在赫兹量化把大部分交易者心理和智力上的差异考虑在内并取个平均值，一般情况下，交易结果将显示这两组指定预测值之间实际上并没有多少差异。

当科学预测技术变得过于复杂，导致出错的概率、数量和质量增大时，就会开始出现较为明显的重大差异。 有人可能会认为初始条件和最终结果之间似乎有冲突。

的确，如果决定要使用科学方法生成预测值，那么简单的技术不会产生足够精确的结果。 当技术变得复杂时，如何避免错误增加？而错误开始影响必要的预测精度时，是否可以完全不用这些技术？ 这是一个狡猾的问题，很容易导致逻辑死锁或一些需要耗费大量时间列举简单方法及其组合的呆笨解决方案。

在哪里以及如何找到源与结果之间以及计算方法的复杂性与最终结果的精确性之间的黄金分割线？ 解决方案可能有很多。 下文中我们至少要介绍其中一个。

1.2. 分割成多个部分...

由于赫兹量化重点关注的是技术交易，初始数据仅受报价历史记录的限制，即我们有条柱的总数和每个条柱的四个价格值，但没有交易量。 应忽略交易量值，因为各个源的交易量值都有很大差异，并且与真实交易量不符。 因此，在计算中使用交易量值并无意义，因为我们最终会用相同的价格数据获得不同的预测值，这本身就与给定任务相冲突。

另一方面，相关金融工具的价格变动已经包含实际的真正交易量的相关信息，可直接取决于后者。 我们必须处理手头的数值级数，并在图表上显示处理后的数据。

任务将被分为两个部分（这不会增加解决方案的复杂性）- 使用特定科学方法对数据进行预处理，和数据显示之后的后期处理。 让我们从结尾开始处理这个任务。

1.3. 解决任务的第二个部分...

假设我们已经对数据进行了预处理，并应在图表上显示这些数据。 最好用哪种方法、方式、数据显示技术来确保制备材料的失真度最小，同时又能提供具有预测潜力的分析？

数学仪器提供了足够多的圆滑解决方案，我们可以在其中挑选回归分析作为一种可以满足上述指定条件的方法。

回归分析是一种研究依赖关系的统计方法，从某个角度来讲，这个方法可视为一种简单的，不会降低初始材料价值的数据表示方法。 回归分析的另一个用途是预测因变量的值。 此方法几乎是给定任务的理想解决方案。

那么，是不是可以认为任务的第二个部分已经解决了呢？ 还没有。 解决方案还只是勾勒出个概貌，现在必须确定回归类型。 赫兹量化来看使用线性回归时会得出的结果。

假设数据预处理之后获得的初始作图点是 2007 年秋末的 EURUSD 汇率的一个局部极值。 将以线性回归的中心射线为基础，从这个点绘制一个标准偏差通道。

​

编辑切换为居中

添加图片注释，不超过 140 字（可选）

图 1 自为 EURUSD 绘制的回归线的标准偏差通道

产生的预测值是多少？

通道交易规则是众所周知的。 很明显，上述预测值对于每个交易者来说都是不同的；但是，大家都知道这种预测足以应用于实践中，而且应用范围相当广泛。

赫兹量化也熟悉这种预测的缺陷。 现在，我知道 EURUSD 汇率稳定地达到通道的上限，并且保持自由上涨的态势。 但这个时候，交易者必须在紧张不安中作出一个冒险的选择。

这就出现了一个合理的问题 - 回归分析与预测值相关的一个用途是否可更有效地用于预测，为关键时刻的决策提供帮助？ 是的，它可以。 用于此用途的数据显示必须基于 多项式回归，其中外插数值系列将是目标预测，一种推算，也是一种独特的技巧。

让我们从同一点开始绘制相同的标准偏差通道，但要基于多项式回归的内插和外插数值级数的中心曲线。

​

编辑切换为居中

添加图片注释，不超过 140 字（可选）

图 2 自为 EURUSD 绘制的与多项式回归线的标准偏差通道

效果不错。 这正是使交易者能够更自信淡定地使用的工具。 唯有一点需要注意，此方法的参数中的错误会将各自的预测转变为其相反的结果。 这种错误肯定是开发人员的失误，不是此方法自身的特征。

方法本身对于给定任务来说是无可挑剔的，赫兹量化现在可以认为任务的第二个部分已经解决，因为我们已经决定了数据显示方法。

的确，想到一些比带标准偏差水平的定向通道（其中价格沿其向量变化）更为熟悉和明确的方法是很困难的。 在这种情况下，与各种线性通道相比，此预测更为精确，交易策略也没有什么新奇之处，因为它已被深入彻底地研究，甚至于直观上就清晰易懂。

这里赫兹量化可以回头看一下分析的另一个方面。 如何让交易者更轻松地对入市、平仓和/或反向平仓作出决策？ “黑盒”形式的交易信号因素带来了与 MTS 相同的风险和负面影响。 使用额外的振荡指标是个人的选择，这里它很重要，可以帮助交易者认知和理解任何给定指标显示的到底是什么信息，否则他也可能会变成程序的受害者。

在这方面，数学能给交易者提供什么？ 一方面，多项式回归的外插数据就是警告预测本身，用于确定入场/出场区域。 另一方面，作为事实标准的止损位是交易中的习惯做法，因为它可作为市场活动中不可避免的失误所导致的亏损限制因素。

图表上显示的动态止损位也没什么大不了，因为算法很简单而且众所周知。 用户只需要确定价位计算方法，标准偏差的概念在这里自己就展示了其优点。 计算从已知初始点到零条柱范围内的价格偏差看起来也并不复杂。

结果，技术分析所需的全部信息，即这一阶段可以获得的全部信息，都直接显示在图表上。 多项式标准偏差通道中的预测止损位显示如下：

​

编辑切换为居中

添加图片注释，不超过 140 字（可选）

图 3 多项式标准偏差通道中的预测止损位

以及可见的警告“多项式预测”：

​

编辑切换为居中

添加图片注释，不超过 140 字（可选）

图 4 多项式回归中的 EURUSD 价格波动预测

本文随附以 MQL4 程序代码形式实现的最终数据显示。

模块已经完全做好了工作准备，可作为一个独立的技术工具。 但是，在作为多个组件的单一复杂实施的一部分时，它隐藏的全部潜能和预测机遇会充分展现其价值，下文中会证明这一点。

以下材料可作为搜索数据预处理的替代解决方案时的指导方针。

1.4. 解决任务的第一个部分...

应该注意，选定数据显示选项一般会将剩余的任务缩减至确定初始参考点，这是后期处理的另一个好处。

的确，回归分析方法可让赫兹量化免受早期复杂的物理数学综合体的困扰，而且我们不必在频谱上分布价格变化，或硬要加入谐波分量的叠加和其他方法，导致终端数据与初始数值级数（作为最接近现实的更高概率预测的基础）相比会产生一定程度的波动和失真。

但是，可以使用任何可以简单地作为指向指针的方法来确定参考点。 然而，相关解决方案规定了相当严格的预处理要求，因为整体方法（也称波回归法）表明存在深度循环以及方法的数学成分之间的负面和正面反馈。

各个研究市场规律和自然波流程的研究人员执行的长期工作评估，加上先用数学方式定义，再在实践中取得的个人结果，让我们得出一个结论，即至少有一个理论可以动态地描述具有足够精确度的市场结构，并基于此结构用回归分析来预测未来的价格变化。

这给我们带来了定义所谓的艾略特波浪原理的波浪理论。 此理论的现代化发展催生了多个独立分支：分形波分支较为突出，因为它在相关项目方面有巨大的潜力。 这个分支也被选为整个波回归法的工作假说。

1.5. 将所有组件放在一起

在解决方案的最终版本中，我们实施了一个采用数学方法的项目，用于定义和描述数值级数的分形波结构，其中包含市场报价以及对所获结构说明和相关金融工具的价格波动预测的分析方法。

这就是说，我们不需要一个单独的参考点，而是需要整个分形结构，因为它使用趋势/纠正标准定义了多项式回归参数和相关分形状态。