建站
咨詢
售后
建站咨詢
新聞中心
本文轉載自微信公眾號「區(qū)塊鏈研究實驗室」，作者鏈三豐。轉載本文請聯(lián)系區(qū)塊鏈研究實驗室公眾號。
有許多方法可以判斷誰是公牛還是空頭，而艾達透視指標的“牛熊力量指標”就是其中的一種，它使用簡單的公式來近似估算這種隱含的技術實力。今天，我們將對指標進行編碼和回測，然后從客觀的角度對其進行判斷。
創(chuàng)建牛市和熊市實力指數(shù)
上古雷指數(shù)MEAs數(shù)字購銷壓力量和兩個柱狀圖，其中一個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)以下公式計算的：
EMA變量指的是指數(shù)移動平均線，它是一種移動平均線，將更多的權重放在最近的值上。
可以使用以下功能來計算指數(shù)移動平均值：
- 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
第一個面板中的EURUSD和50周期的牛熊指標
上面顯示了EURUSD每小時數(shù)據(jù)，第二個面板中有50個周期的牛熊指標。在繼續(xù)執(zhí)行指標代碼之前，我們必須編寫兩個簡單的函數(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，我們準備好代碼了。記住要準備好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位于第一個面板中，并且是50周期的牛熊指標。
要對上面的圖表進行編碼，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.
回測簡單策略
與任何適當?shù)难芯糠椒ㄒ粯樱淠康氖菍χ笜诉M行回測，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充。請注意，以下內(nèi)容僅對過去10年中僅對10個貨幣對的一個時間范圍進行回測。這可能不是該策略的最佳時限，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。
條件已簡化，我們將基于主觀障礙使用逆勢方法：
- 當牛市力量指標達到-0.001并且前兩個值大于0.001時，做多(買入)。保持該位置，直到收到新信號(該位置已關閉)。
- 每當熊市力量指標達到0.001(前兩個值均低于0.001)時，做空(賣出)。保持該位置，直到收到新信號(該位置已關閉)。
歐元兌美元的信號圖。
- 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上的信號圖
根據(jù)自2010年以來按小時數(shù)據(jù)散布的0.5個基點得出的結果，并且沒有采用風險管理算法，得出的結果如下。
效果表
遵循該策略的股權曲線
顯然，該指標并沒有增加價值。嘗試優(yōu)化甚至更改與之相關的策略可能會更好。我們可能可以添加一些熊市條件來驗證看漲信號，并添加一些牛市條件來驗證看跌信號。
我們還可以相應地調(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轉變?yōu)樽裱厔荨?/p>
結論
記住要經(jīng)常做背部測試。即使我提供了指標的功能(而不只是吹牛說它是圣杯，并且它的功能是秘密)，您也應該始終相信其他人是錯誤的。我的指標和交易風格對我有用，但可能并非對每個人都適用。我依靠以下規(guī)則：
市場價格在超過50%的時間內(nèi)無法預測或很難預測。但是市場反應是可以預測的。
意思是，我們可以在一個區(qū)域周圍形成一個小區(qū)域，并可以確信地說市場價格將對該區(qū)域周圍的區(qū)域產(chǎn)生反應。但是我們不能真正說它會從那里下跌4%，然后再次測試，并在第三次嘗試跌至103.85美元時突破。由于我們預測過度，因此誤差項呈指數(shù)級增長。
網(wǎng)頁題目：如何使用Python判斷牛熊
瀏覽地址：http://www.dlmjj.cn/article/coccpcs.html
