趋势交易策略是至今应用最广泛以及最重要的投资策略之一,它的研究手段种类繁多,所运用的分析工具也纷繁复杂,其特长在于捕捉市场运动的大方向。
股指期货市场瞬息万变,结合趋势分析方法,量化投资策略能够得到更有效的应用。
可下载资源
均线系统作为最古老的技术分析手段之一,至今仍在沿用,同时它也是运用最广泛的技术指标体系。最常用的移动平均线是简单移动平均线,而后在此基础上延伸出了很多类型的移动平均线,如指数移动平均(EMA),加
权移动平均(WMA),还有按成交量加权移动平均(VWMA)等。
由于均线的参数不同,均线所刻画的价格趋势也不相同,所以,单纯使用一条均线不能全面的刻画市场的趋势。对于日内高频交易来说,市场的趋势时短时长,因此需要采用多条不同周期的均线,从不同的角度来反映市场不同周期内的趋势。Triple Moving Average 策略(以下简称 TMA),顾名思义采用的是三条简单移动平均线
(SMA),选择不同周期的参数来刻画期指日内的短期,中期以及长期趋势。通常,三个参数的设定范围为短期(5 分钟~15 分钟),中期(20 分钟~40 分钟),长期(50 分钟~90 分钟)。
在 TMA 的基础上,我们设计了如下的指标:
Up Bound=Max (SMA(Fast),SMA(Middle),SMA(Slow) )
Dn Bound=Min ( SMA(Fast),SMA(Middle),SMA(Slow) )
指标采用 1 分钟收盘价作为价格时间序列,当收盘价第一次上穿 Up Bound时确认为买入时机,当收盘价第一次下穿 Dn Bound 时确认为卖出时机。
由于backtester_v4.2投资组合软件包中已经给出了SMA的方法,因此我们可以对其进行简单的修改,从而实现TMA策略。
通过getTMA可以得到不同窗口宽度下的收盘价:
通过getPosSignFromTMA我们可以通过三条均线得到的不同收盘价来采取不同的交易策略:
通过getPosSize我们可以得到某支股票的交易量
最终可以通过getInSampleOptResult得到三条均线不同组合下的最佳市盈率
部分源码
getOrders <- function(store, newRowList, currentPos, params) {
allzero <- rep(0,length(newRowList)) # used for initializing vectors
sma=numeric(0)
for(i in 1:3){
sma[i] <-as.numeric(last(SMA(close_prices,n=lookbacks[[i]]))) # TTR version # convert to vector from xts
}
smalist <- list(short=sma[1],medium=sma[2],long=sma[3])
return(smalist)
}
getPosSignFromTMA <- function(tma_list) {
getPosSize <- function(current_close,constant=1000) {
return(floor(constant/current_close))
}
getInSampleResult <- function() {
period=getInSamplePeriod('x4jr')
start=period[1]
end=period[2]
datalist=getData(directory="A2")
datalist <-lapply(datalist, function(x)x[start:end])
sMult=0.2
series=1:length(datalist)
params <-list(lookbacks=list(short=as.integer(10),medium=as.integer(20),long=as.integer(30)),sdParam=1,series=series)
results <- backtest(datalist, getOrders, params, sMult)
getInSampleOptResult <- function() {
period=getInSamplePeriod('x4jr')
medium <- seq(from=105,to=120,by=5)
short <- seq(from=100,to=110,by=5)
long <- seq(from=110,to=130,by=5)
time <- matrix(0,28,3)
numberComb <- 28
sMult <- 0.2 # slippage multiplier
rr=1
for(l in long)
for(m in medium)
for(s in short)
if(s< l){time[rr,]=c(as.integer(s),as.integer(m),as.integer(l));rr=rr+1}
pfolioPnLList <- vector(mode="list",length=numberComb)
count <- 1
bestPD <- 0
resultsMatrix=matrix(0,28,4)
for (i in 1:28) {
print(resultsMatrix[count,])
count <- count + 1
}
print(resultsMatrix[order(resultsMatrix[,4]),])
bsetPD=max(resultsMatrix[,4])
return(bsetPD)
#> bsetPD
#[1] 3.28