SF35丨可变指数动态平均+自适应出场

松鼠Quant

于 2022-03-22 11:23:40 发布

阅读量920

点赞数

分类专栏： SF精品策略源码库文章标签：量化交易量化研究期货交易算法研究期货

本文链接：https://blog.csdn.net/m0_56236921/article/details/123655933

版权

SF精品策略源码库专栏收录该内容

36 篇文章 64 订阅

订阅专栏

致力于量化策略开发，高质量社群，交易思路分享等相关内容

大家好，我是Le Chiffre。

今天给大家带来的是超级趋势线系列4之可变指数动态平均+自适应出场CTA中短周期策略。这一篇重点介绍一下策略的深层次的逻辑，尤其是出场的。

进场逻辑详解

可变指数动态平均，英文名“Variable Index Dynamic Average”，简称“VIDYA”。该指标于1992年3月由图莎尔·钱德（Tushar Chande）在“Stocks & Commodities”杂志上公开发表。

该指标与指数移动平均较为类似，但是基于价格波动性，可以自动调节平滑权重，这里的算法与考夫曼自适应移动平均有异曲同工之妙。然而，第一版本中，标准差当做波动指数，钱德在1995年10月修改了VIDYA用于Chande Momentum Oscillator (CMO)作为波动指数。

作为一个移动平均，VIDYA平滑了市场的噪音，且让市场趋势更加清晰，为了达到这个目标，指标采用了一定周期的价格平均过滤了市场的噪音，在计算的过程中，一些其他值（权重）加到平均价格里面，例如指数平均、平滑平均那样，所有的权重都涉及在内。但是在VIDYA指标计算过程中，每一周期的价格的权重会随着市场波动增加而递增。

下面我就来为大家介绍，大家网上经常看到的CMO，但是不经常看到的VIDYA。

代码截图如下图所示：

该指标计算考虑到了上涨周期与下跌周期的数据，类似SF21中进场的基础计算。这out返回值就是我们大家经常看到的CMO了。而CMO本身也在钱德第二版中作为了一种自适应权重变化，也就引申出了今天的VIDYA。

在后续的超级趋势线的算法处理中，我们采用了SF29、SF14一样的超级趋势线构造原理，如下图所示：

VIDYA超级趋势线+焦炭

VIDYA超级趋势线+LPG

出场逻辑详解

出场逻辑，我们开发了与以往完全不同的出场方式，这是本策略的最大核心亮点——自适应离场逻辑。在SF20策略中，我曾经私下暗暗感叹慕总能搞出这么一个根据成交量自适应的离场跟踪逻辑深深佩服，从那时候我就默默的在到处收集出场的系统逻辑和代码复现，但是基本上都脱离不了跟踪、吊灯、目标等这几大类。而带来的问题就是——不新颖，不完美，以及离场的同质化。

在这几个月不断新高的过程中，我不断思考→测试→总结，再反思→测试→总结。最终搞出来了一个自适应的离场逻辑。该逻辑其实很简单：根据K线的波动幅度、以及结合ER效率系数进行自适应跟踪止盈止损离场。

具体逻辑如下图所示：

出场的逻辑由2部分组成，第一部分就是图上显示：根据相邻两根或者相近某N跟K线的差值进行跟踪线计算的，这样我们就可以实现自适应的跟踪，而不会因为大幅度的上涨由于跟踪线跟踪的慢，从而损失利润。但是同样也面临一个问题，那就是由于金融市场数据信噪比极低，3步进2步退，甚至3步退是经常发生的事儿。因此我们需要一个过渡，来平滑K线的噪音，那么就用上本出场策略的第二个部分，我们经常利用的神器——ER效率系数。