“趋势是你的朋友”这是每一个交易者都耳熟能详的箴言。但做过交易的朋友可能会有体会,趋势总是在毫无预警地开始并突然结束。那么在CTA策略中,如何抓住趋势并过滤震荡行情,是许多主观和量化交易者孜孜不倦的追求。在本节课程中,我们将以平均趋向指数(ADX)为滤网,分析在它量化交易中的应用。
平均趋向指数是衡量趋势的技术工具,简称ADX(average directional indicator),它是由韦尔斯·怀尔德在1978年提出,与其他技术分析工具不同的是,ADX并不能判断多空方向,更不能提示精确的买卖点位,它只是衡量当前趋势的强弱。
ADX的默认周期参数是14,通常在K线图的副图中显示。它的值是在0~100之间,数值越大说明上涨或下跌趋势越强力,通常当ADX的值大于40时,说明趋势强力,此时使用趋势交易才具有最大的回报潜力;当ADX的值小于20时,说明趋势疲软,并警告交易者不要使用趋势跟踪交易策略。
ADX的计算方式比较复杂,它涉及到了:价格正向移动距离(+DM)、价格负向移动距离(-DM)、真是波动幅度(TR)、正向方向性指数(+DI), 负向方向性指数(-DI)等很多中间变量:
计算动向变化
计算真实波幅
计算动向指数
计算ADX
虽然ADX的计算比较复杂,但其逻辑还是比较清晰的:up和down分别代表了价格正向和负向移动距离;+DI和-DI分别代表用波动率修正后上涨和下跌趋势。不管趋势是上涨还是下跌,只要存在明显的趋势行情,那么+DI和-DI中总有一个是较大的,因此DX的值会随着趋势的强弱指示在0~100之间;最后ADX则是DX的14天平均线。
当+ DI高于-DI时,表明价格处于上升趋势。 相反,当-DI高于+ DI时,价格处于下降趋势。 交易者可以通过检查同一时间点的ADX值来确定上升趋势或下降趋势的强度。
在前几节中,我们使用MACD指标创建了一个简单的策略,虽然该策略在趋势行情中表现还可以,但是在震荡行情入不敷出,甚至在长期的震荡行情中资金回撤比较大。因此我们将在本节中将之前的MACD策略加入ADX滤网,我们来看下效果到底如何?
原策略逻辑
改进后的策略逻辑
我们在原策略逻辑基础之上,对开仓和平仓分别加入ADX滤网,控制在行情进入震荡时期的开仓次数。在开仓的时候ADX的数值必须大于指定的数值;当开仓之后一旦ADX下降就平仓出局。整个策略逻辑就设计成一个严进宽出的模式,以此来控制震荡时期的回撤幅度。
原始策略
# 回测配置
'''backtest
start: 2015-02-22 00:00:00
end: 2019-10-17 00:00:00
period: 1h
exchanges: [{"eid":"Futures_CTP","currency":"FUTURES"}]
'''
mp = 0 # 定义一个全局变量,用于控制虚拟持仓
# 判断数组是否上升
def is_up(arr):
arr_len = len(arr)
if arr[arr_len - 1] > arr[arr_len - 2] and arr[arr_len - 2] > arr[arr_len - 3]:
return True
# 判断数组是否下降
def is_down(arr):
arr_len = len(arr)
if arr[arr_len - 1] < arr[arr_len - 2] and arr[arr_len - 2] < arr[arr_len - 3]:
return True
# 判断两根两个数组是否金叉
def is_up_cross(arr1, arr2):
if arr1[len(arr1) - 2] < arr2[len(arr2) - 2] and arr1[len(arr1) - 1] > arr2[len(arr2) - 1]:
return True
# 判断两根两个数组是否死叉
def is_down_cross(arr1, arr2):
if arr1[len(arr1) - 2] > arr2[len(arr2) - 2] and arr1[len(arr1) - 1] < arr2[len(arr2) - 1]:
return True
# 程序主函数
def onTick():
exchange.SetContractType("rb000") # 订阅期货品种
bar_arr = exchange.GetRecords() # 获取K线数组
if len(bar_arr) < long + m + 1: # 如果K线数组长度太小,就不能计算MACD,所以直接返回跳过
return
all_macd = TA.MACD(bar_arr, short, long, m) # 计算MACD值,返回的是一个二维数组
dif = all_macd[0] # 获取DIF的值,返回一个数组
dif.pop() # 删除DIF数组最后一个元素
dea = all_macd[1] # 获取DEA的值,返回一个数组
dea.pop() # 删除DEA数组最后一个元素
last_close = bar_arr[len(bar_arr) - 1]['Close'] # 获取最新价格(卖价),用于开平仓
global mp # 全局变量,用于控制虚拟持仓
# 开多单
if mp == 0 and dif[len(dif) - 1] > 0:
exchange.SetDirection("buy") # 设置交易方向和类型
exchange.Buy(last_close, 1) # 开多单
mp = 1 # 设置虚拟持仓的值,即有多单
# 开空单
if mp == 0 and dif[len(dif) - 1] < 0:
exchange.SetDirection("sell") # 设置交易方向和类型
exchange.Sell(last_close - 1, 1) # 开空单
mp = -1 # 设置虚拟持仓的值,即有空单
# 平多单
if mp == 1 and is_down_cross(dif, dea):
exchange.SetDirection("closebuy") # 设置交易方向和类型
exchange.Sell(last_close - 1, 1) # 平多单
mp = 0 # 设置虚拟持仓的值,即空仓
# 平空单
if mp == -1 and is_up_cross(dif, dea):
exchange.SetDirection("closesell") # 设置交易方向和类型
exchange.Buy(last_close, 1) # 平空单
mp = 0 # 设置虚拟持仓的值,即空仓
def main():
while True:
onTick()
Sleep(1000)
根据上面更改的策略逻辑,我们可以直接在原始策略的基础之上把ADX滤网加入进去,虽然ADX的计算方法比较复杂,但可以借助talib库只需要几行代码就可以把ADX的值计算出来。因为计算ADX需要用带talib,而计算talib库又需要用到numpy.array数据类型,所以我们需要在代码开头导入talib库和numpy库。
import talib
import numpy as np
在使用talib库计算ADX的时候,一共需要4个参数:最高价、最低价、收盘价、周期参数。所以我们还需要写一个get_data函数,这个函数的目的是从K线数组中提取出最高价、最低价、收盘价。
# 把K线数组转换成最高价、最低价、收盘价数组,用于转换为numpy.array类型数据
def get_data(bars):
arr = [[], [], []]
for i in bars:
arr[0].append(i['High'])
arr[1].append(i['Low'])
arr[2].append(i['Close'])
return arr
然后我们使用numpy库把普通的数组转换为numpy.array类型数据,最后使用talib库就可以计算出ADX的值,具体的写法可以看下面代码中的注释:
np_arr = np.array(get_data(bar_arr)) # 把列表转换为numpy.array类型数据,用于计算ADX的值
adx = talib.ADX(np_arr[0], np_arr[1], np_arr[2], 20); # 计算ADX的值
在策略逻辑中,需要判断ADX的大小和是否上升下降。判断大小很简单,只需要把ADX具体某一天的值提取出来就可以了,跟判断MACD一样,我们只取倒数第二根K线的ADX值;但判断时候上升下降则需要只取倒数第二根和第三根K线的ADX值。
adx1 = adx_arr[len(adx_arr) - 2] # 倒数第二根K线的ADX值
adx2 = adx_arr[len(adx_arr) - 3] # 倒数第三根K线的ADX值
最后修改下单逻辑:
# 开多单
if mp == 0 and dif[len(dif) - 1] > 0 and adx1 > 40:
exchange.SetDirection("buy") # 设置交易方向和类型
exchange.Buy(last_close, 1) # 开多单
mp = 1 # 设置虚拟持仓的值,即有多单
# 开空单
if mp == 0 and dif[len(dif) - 1] < 0 and adx1 > 40:
exchange.SetDirection("sell") # 设置交易方向和类型
exchange.Sell(last_close - 1, 1) # 开空单
mp = -1 # 设置虚拟持仓的值,即有空单
# 平多单
if mp == 1 and (is_down_cross(dif, dea) or adx1 < adx2):
exchange.SetDirection("closebuy") # 设置交易方向和类型
exchange.Sell(last_close - 1, 1) # 平多单
mp = 0 # 设置虚拟持仓的值,即空仓
# 平空单
if mp == -1 and (is_up_cross(dif, dea) or adx1 < adx2):
exchange.SetDirection("closesell") # 设置交易方向和类型
exchange.Buy(last_close, 1) # 平空单
mp = 0 # 设置虚拟持仓的值,即空仓
之前流行过一段话:站在风口猪都会飞,我们做交易也是一样。在大趋势面前,再笨的策略也能分一杯羹,所以我们要做的就是抓住大趋势并在震荡时期控制回撤。ADX与MACD配合使用,可以帮助交易者确认差异,从而提高交易的精度。可以在震荡行情中降低风险,又可以在趋势行情中增加你的盈利潜力,以达到最大限度地降低风险并最大化利润的目的。一句话:要想赚大钱,就一定不要与趋势为敌!
'''backtest start: 2019-01-01 00:00:00 end: 2021-01-01 00:00:00 period: 1d basePeriod: 1d exchanges: [{"eid":"Futures_CTP","currency":"FUTURES"}] ''' # 导入库 import talib import numpy as np mp = 0 # 定义一个全局变量,用于控制虚拟持仓 # 把K线数组转换成最高价、最低价、收盘价数组,用于转换为numpy.array类型数据 def get_data(bars): arr = [[], [], []] for i in bars: arr[0].append(i['High']) arr[1].append(i['Low']) arr[2].append(i['Close']) return arr # 程序主函数 def onTick(): _C(exchange.SetContractType, "FG000") # 订阅期货品种 bar = _C(exchange.GetRecords) # 获取K线数组 if len(bar) < 100: # 如果K线数组长度太小,就直接返回跳过 return macd = TA.MACD(bar, 5, 50, 15) # 计算MACD值 dif = macd[0][-2] # 获取DIF的值,返回一个数组 dea = macd[1][-2] # 获取DEA的值,返回一个数组 np_arr = np.array(get_data(bar)) # 把列表转换为numpy.array类型数据,用于计算ADX的值 adx_arr = talib.ADX(np_arr[0], np_arr[1], np_arr[2], 14) # 计算ADX的值 adx1 = adx_arr[-2] # 倒数第二根K线的ADX值 adx2 = adx_arr[-3] # 倒数第三根K线的ADX值 last_close = bar[-1]['Close'] # 获取最新价格(卖价) global mp # 全局变量,用于控制虚拟持仓 if mp == 1 and dif < dea: exchange.SetDirection("closebuy") # 设置交易方向和类型 exchange.Sell(last_close - 1, 1) # 平多单 mp = 0 # 设置虚拟持仓的值,即空仓 if mp == -1 and dif > dea: exchange.SetDirection("closesell") # 设置交易方向和类型 exchange.Buy(last_close, 1) # 平空单 mp = 0 # 设置虚拟持仓的值,即空仓 if mp == 0 and dif > dea and adx1 > adx2: exchange.SetDirection("buy") # 设置交易方向和类型 exchange.Buy(last_close, 1) # 开多单 mp = 1 # 设置虚拟持仓的值,即有多单 if mp == 0 and dif < dea and adx1 > adx2: exchange.SetDirection("sell") # 设置交易方向和类型 exchange.Sell(last_close - 1, 1) # 开空单 mp = -1 # 设置虚拟持仓的值,即有空单 def main(): while True: onTick() Sleep(1000)template: strategy.tpl:40:21: executing "strategy.tpl" at <.api.GetStrategyListByName>: wrong number of args for GetStrategyListByName: want 7 got 6