量化投资策略与技术学习PART8:量化选股之趋势追踪

趋势追踪的基本思想是追随大的走势。例如对一只股票来说,当向上突破重要的压力位后可能意味着一波大的上涨行情的到来,或者向下突破某重要的阻力位后可能意味着一波大的下跌行情的到来。趋势追踪策略就是试图寻找大的趋势波段的到来,并且在突破的时候进行建仓或者平仓操作,以获得大的波段收益。

一、基本概念

中国市场追涨杀跌气氛较浓,容易形成连续趋势,用趋势追踪的方法判断行情走势有两个基本的理论逻辑。

(1)市场中的投资者并非完全理性

(2)价格是以趋势方式演变的;

利用趋势追踪的方法构建组合主要分为3步:

(1)探讨指标,找出一系列刻画趋势的指标,然后经过细化处理,令其能较好地跟踪各个级别行情的趋势;

(2)选择样本内大数据进行建模,然后再选择样本外大数据进行测试,证明模型的有效性;

(3)模型参数问题后,根据模型发出的买卖指令进行相应操作;

二、策略模型

下面介绍一个由多个指标组合的策略来跟踪股票趋势。

衡量股票趋势的指标最重要的就是均线系统,但纯粹的均线由于噪声等原因,经常会出现误操作,需要有更多的处理机制,包括极点、过滤微小波动、高低点比较策略、高低点突破策略、长波的保护机制、长均线的保护机制等概念和技术细节。

1、均线简化

股票的价格波动很难把握,为了捕捉趋势,需要对价格走势曲线进行简化处理,这可以借助均线,将n个连续交易日的收盘价取一个均值,形成MA(n)。完成对价格曲线的第一步简化。

2、记录极点

极点就是局部的高点或者低点,在极点处股价出现了转折,所有他们是记录股价变化的关键点,包含了比较多的信息。需要将他们记录下来,以便制定进一步的策略

3、设置阈值,过于微小波动

均线策略最大的优势就是跟踪趋势效果比较好,但在碰到盘整行情时,均线摇摆不定,容易发出错误信号,因此需要对均线进行进一步处理。可以结合记录的极点形成过滤微小波动的方法,当股价形成一个极点后,接下来在这个极点上下波动的一定阈值范围内,都认为股价没有变化。

4、高低点比较策略,判断主趋势

过滤了微小波动的趋势线可以代表价格变动的主趋势,通常人们判断趋势处于上升的理由是,当前低点比前一个低点要高,当前高点也比前一个高点要高;下降趋势的判断正好相反,所以就形成了规则一:

(1)规则一

如果当前低点比前一个低点要高,而且是卖出信号发出后第一次出现低点高于前低点,那么认为目前是一个买入点。如果当前高点比前一个高点要低,而且是买入信号发出后第一次出现高点低于前高点,那么认为目前是一个卖出点。

如果仅仅以高低点的比较去判断趋势的涨跌,这样的情况发出次数太多,并且有时会出现指数形成一个新的高点,与前面一个高点相比上涨幅度不大,那么很可能是假突破行情。另外简单的高低点比较策略没有考虑时间的因素,比如股价经过很短时间就有明显上涨,和股价经过较长时间才上涨同样幅度,这显然是不一样的。

时间短的上涨趋势比时间长的同幅度上涨趋势涨势更强劲,所有设置一个根据时间变动的附加项drift来对原来的策略进行修正,这样形成对规则一的补充。

(2)补充:

如果当前低点高于前一个低点再加一个附加的漂移量drift,则认为当前是一个买入点;如果当前高点低于前一个高点再加一个附加漂移量drift,则认为当前高点是一个卖出点,这个drift是一个时间的函数。

5、突破高低点策略,对高低点比较策略的补充

高低点比较只是比较典型的行情之一,还有另外一种典型行情,比如行情有时可能会出现从最高点开始形成一个大幅下跌段,但是却并非具备当前高点比前一个高点要低的条件,如果用高低点比较策略,则无法捕捉到这次卖出机会。为避免极端情况,需要制定高低点突破策略来完善系统;

规则二:

如果过滤了微小波动的均线向上突破了前一个高点加上漂移量drift,则认为出现了一个买入点。如果过滤了微小波动后的均线详细突破了前一个低点加上漂移量drift,则认为出现了一个卖出点。

6、大波段保护机制

如果股价经历了一个比较大的短期涨幅,那么就需要对其建立保护机制。大涨后比较容易出现大幅度下调,所以需要对盈利头寸进行保护,设置从低点加漂移项的延伸线为止损线。

7、长均线保护机制

当股价处于明显下降通道时,且股价表现非常弱势时,是不应该贸然买进的,需要增设长均线保护机制。当股价位于E日均线之下,即使其他条件成立也不发出买入信号。

三、模型实战

该策略相对比较简单,有时间再补充

相关推荐
malog_1 分钟前
PyTorch图像数据加载实战指南
图像处理·人工智能·pytorch·python
涤生大数据2 分钟前
Doris/StarRocks 高频面试题通关指南
大数据·starrocks·数仓·数据科学·大数据开发·diris
吃好睡好便好3 分钟前
在Matlab中绘制质点运动轨迹图
开发语言·学习·算法·matlab·信息可视化
Yunzenn6 分钟前
深度分析字节最新研究cola-DLM第 01 章:语言生成的三次范式之争 —— 从 RNN 到 AR 到扩散
linux·人工智能·rnn·深度学习·机器学习·架构·transformer
m0_634666736 分钟前
Stability Audio 3.0 把 AI 音乐推过了一个门槛:从“音频片段”走向“完整歌曲”
人工智能·音视频
楼田莉子7 分钟前
C#学习之C#入门学习
开发语言·后端·学习·c#
名不经传的养虾人7 分钟前
从0到1:企业级AI项目迭代日记 Vol.30|看不见的地基:从“能用”到“可信”的30天
人工智能·ai编程·企业ai
晚烛7 分钟前
CANN 数据流与内存优化:L1/L2 缓存机制与计算重叠深度解析
人工智能·python·缓存
hef2889 分钟前
用REGEXP函数简化城市销售数据统计的实践与学习路径
学习
薛定猫AI9 分钟前
【深度解析】从 Antigravity 2.0 看 AI Agent 的产品化演进:动态子代理、项目工作区与多模型编排实战
人工智能