建站
咨詢(xún)
售后
建站咨詢(xún)
新聞中心
本文轉(zhuǎn)載自微信公眾號(hào)「區(qū)塊鏈研究實(shí)驗(yàn)室」，作者鏈三豐。轉(zhuǎn)載本文請(qǐng)聯(lián)系區(qū)塊鏈研究實(shí)驗(yàn)室公眾號(hào)。
有許多方法可以判斷誰(shuí)是公牛還是空頭，而艾達(dá)透視指標(biāo)的“牛熊力量指標(biāo)”就是其中的一種，它使用簡(jiǎn)單的公式來(lái)近似估算這種隱含的技術(shù)實(shí)力。今天，我們將對(duì)指標(biāo)進(jìn)行編碼和回測(cè)，然后從客觀的角度對(duì)其進(jìn)行判斷。
創(chuàng)建牛市和熊市實(shí)力指數(shù)
上古雷指數(shù)MEAs數(shù)字購(gòu)銷(xiāo)壓力量和兩個(gè)柱狀圖，其中一個(gè)就是所謂的多頭力量和其他的空頭力量的。直方圖是根據(jù)以下公式計(jì)算的：
EMA變量指的是指數(shù)移動(dòng)平均線，它是一種移動(dòng)平均線，將更多的權(quán)重放在最近的值上。
可以使用以下功能來(lái)計(jì)算指數(shù)移動(dòng)平均值：
- def ma(Data, lookback, what, where):
- for i in range(len(Data)):
- try:
- Data[i, where] = (Data[i - lookback + 1:i + 1, what].mean())
- except IndexError:
- pass
- return Data
- def ema(Data, alpha, lookback, what, where):
- # alpha is the smoothing factor
- # window is the lookback period
- # what is the column that needs to have its average calculated
- # where is where to put the exponential moving average
- alpha = alpha / (lookback + 1.0)
- beta = 1 - alpha
- # First value is a simple SMA
- Data = ma(Data, lookback, what, where)
- # Calculating first EMA
- Data[lookback + 1, where] = (Data[lookback + 1, what] * alpha) + (Data[lookback, where] * beta)
- # Calculating the rest of EMA
- for i in range(lookback + 2, len(Data)):
- try:
- Data[i, where] = (Data[i, what] * alpha) + (Data[i - 1, where] * beta)
- except IndexError:
- pass
- return Data
第一個(gè)面板中的EURUSD和50周期的牛熊指標(biāo)
上面顯示了EURUSD每小時(shí)數(shù)據(jù)，第二個(gè)面板中有50個(gè)周期的牛熊指標(biāo)。在繼續(xù)執(zhí)行指標(biāo)代碼之前，我們必須編寫(xiě)兩個(gè)簡(jiǎn)單的函數(shù)：
- def deleter(Data, index, times):
- for i in range(1, times + 1):
- Data = np.delete(Data, index, axis = 1)return Data
- def jump(Data, jump):
- Data = Data[jump:, ]
- return Data
現(xiàn)在，我們準(zhǔn)備好代碼了。記住要準(zhǔn)備好OHLC陣列。
- def bull_bear_power(Data, lookback, what, high, low, where):
- # Adding the required columns
- Data = adder(Data, 3)
- # Calculating the exponential moving average
- Data = ema(Data, 2, lookback, what, where)
- # Calculating the Bull Power
- Data[:, where + 1] = Data[:, high] - Data[:, where]
- # Calculating the Bear Power
- Data[:, where + 2] = Data[:, where] - Data[:, low]
- # Deleting initial empty rows
- Data = jump(Data, lookback)
- return Data
USDCHF位于第一個(gè)面板中，并且是50周期的牛熊指標(biāo)。
要對(duì)上面的圖表進(jìn)行編碼，我們可以使用以下函數(shù)：
- def indicator_plot_double_bull_bear(Data, name = '', name_ind = '', window = 250):
- fig, ax = plt.subplots(2, figsize = (10, 5))
- Chosen = Data[-window:, ]
- for i in range(len(Chosen)):
- ax[0].vlines(x = i, ymin = Chosen[i, 2], ymax = Chosen[i, 1], color = 'black', linewidth = 1)
- ax[0].grid()
- for i in range(len(Chosen)):
- ax[1].vlines(x = i, ymin = 0, ymax = Chosen[i, 6], color = 'green', linewidth = 1)
- ax[1].vlines(x = i, ymin = Chosen[i, 7], ymax = 0, color = 'red', linewidth = 1)
- ax[1].grid()
- ax[1].axhline(y = 0, color = 'black', linewidth = 0.5, linestyle = '--')
- # The above code considers columns 6 and 7 to inhibit Bull Power and Bear Power respectively.
回測(cè)簡(jiǎn)單策略
與任何適當(dāng)?shù)难芯糠椒ㄒ粯?，其目的是?duì)指標(biāo)進(jìn)行回測(cè)，并能夠自己查看是否值得將其作為我們先前存在的交易框架的補(bǔ)充。請(qǐng)注意，以下內(nèi)容僅對(duì)過(guò)去10年中僅對(duì)10個(gè)貨幣對(duì)的一個(gè)時(shí)間范圍進(jìn)行回測(cè)。這可能不是該策略的最佳時(shí)限，但我們只是試圖找到一種“一刀切”的“幾乎適合所有人”的策略。
條件已簡(jiǎn)化，我們將基于主觀障礙使用逆勢(shì)方法：
- 當(dāng)牛市力量指標(biāo)達(dá)到-0.001并且前兩個(gè)值大于0.001時(shí)，做多(買(mǎi)入)。保持該位置，直到收到新信號(hào)(該位置已關(guān)閉)。
- 每當(dāng)熊市力量指標(biāo)達(dá)到0.001(前兩個(gè)值均低于0.001)時(shí)，做空(賣(mài)出)。保持該位置，直到收到新信號(hào)(該位置已關(guān)閉)。
歐元兌美元的信號(hào)圖。
- def signal(Data, bull_power, bear_power, buy, sell):
- for i in range(len(Data)):
- if Data[i, bull_power] < lower_barrier and Data[i - 1, bull_power] > lower_barrier :
- Data[i, buy] = 1
- if Data[i, bear_power] < lower_barrier and Data[i - 1, bear_power] > lower_barrier:
- Data[i, sell] = -1
USDCHF上的信號(hào)圖
根據(jù)自2010年以來(lái)按小時(shí)數(shù)據(jù)散布的0.5個(gè)基點(diǎn)得出的結(jié)果，并且沒(méi)有采用風(fēng)險(xiǎn)管理算法，得出的結(jié)果如下。
效果表
遵循該策略的股權(quán)曲線
顯然，該指標(biāo)并沒(méi)有增加價(jià)值。嘗試優(yōu)化甚至更改與之相關(guān)的策略可能會(huì)更好。我們可能可以添加一些熊市條件來(lái)驗(yàn)證看漲信號(hào)，并添加一些牛市條件來(lái)驗(yàn)證看跌信號(hào)。
我們還可以相應(yīng)地調(diào)整回溯和障礙。我們可以做的最后一件事是將策略從逆勢(shì)轉(zhuǎn)變?yōu)樽裱厔?shì)。
結(jié)論
記住要經(jīng)常做背部測(cè)試。即使我提供了指標(biāo)的功能(而不只是吹牛說(shuō)它是圣杯，并且它的功能是秘密)，您也應(yīng)該始終相信其他人是錯(cuò)誤的。我的指標(biāo)和交易風(fēng)格對(duì)我有用，但可能并非對(duì)每個(gè)人都適用。我依靠以下規(guī)則：
市場(chǎng)價(jià)格在超過(guò)50%的時(shí)間內(nèi)無(wú)法預(yù)測(cè)或很難預(yù)測(cè)。但是市場(chǎng)反應(yīng)是可以預(yù)測(cè)的。
意思是，我們可以在一個(gè)區(qū)域周?chē)纬梢粋€(gè)小區(qū)域，并可以確信地說(shuō)市場(chǎng)價(jià)格將對(duì)該區(qū)域周?chē)膮^(qū)域產(chǎn)生反應(yīng)。但是我們不能真正說(shuō)它會(huì)從那里下跌4%，然后再次測(cè)試，并在第三次嘗試跌至103.85美元時(shí)突破。由于我們預(yù)測(cè)過(guò)度，因此誤差項(xiàng)呈指數(shù)級(jí)增長(zhǎng)。
網(wǎng)頁(yè)題目：如何使用Python判斷牛熊
當(dāng)前地址：http://m.5511xx.com/article/coccpcs.html
