量化日记：指标实践及理解
DMI 指标
今天学习/实践了 DMI 指标。DMI 指标由三部分组成 ADS +DI -DI。这些值的基础都是K线图四个价格之间的差价。DMI 三个指标的计算过程相对较为复杂。基础原料是 在 最高价和收盘价 最低价和收盘价 最高价和最低价 之间的差中去最大值。并在此基础上 做了 （通常14日）均线的平滑处理。基本上是一个单纯价格波动指标，没有考虑交易量信息。ADS主要代表市场当前状态的强弱，其本身并无方向性。而 +DI -DI 代表的一个是上升动向，一个是下跌动向。两者交叉处通常视为买卖信号。+DI 上穿 -DI 为买入， -DI 上穿 +DI 为卖出。
ADS代表市场趋势的强弱程度，这个指标不管上涨趋势还是下跌趋势，只要趋势强烈，他的值就会很高。趋势转弱，他的值就会降低。感觉这个指标会很有用处，牛皮市中，这个指标的值会很低，之前实现的做市策略就是需要这样的趋势程度检测。在趋势强的时候，上升趋势适合使用网格策略，在牛皮市中更适合做市策略。网格策略是越跌越买，需要有一定趋势才能赚钱。而做市策略是在买1和卖1 之间赚取差价，最怕的就是买入和卖出价格之间的剧烈波动。
今天实现的DMI 指标经过一段时间的调参，在今年1月到现在的这段熊市回测结果还不错，跑赢大盘还盈利0.7个点。总的来说跑赢大盘50多个点。而在去年中旬到现在的这段牛市中，比特币价格总的说是向上70%所有，而这段时间的回测结果只盈利20%，甚至更低。关键的参数有几个：
+DI 上穿 -DI 之间是否立即作出买入信号，还是等待信号做实
感觉DMI跟MACD不同的是，+DI 和 -DI很少出现钝化现象，信号大部分都比较明显，就是准确性可能不如人意。所以策略去掉了 上穿XXX点之后才能买入的这个限制。
提前信号买入
因为上面的DI指标很少钝化，所以我觉得应该观察 DI之间趋势，如果有收敛交叉迹象则发出买入信号。这段程度还未经过严格回测。总的来说有一些技术难题，即如何判断DI之间趋势正在收敛。现在是使用 +DI 和 -DI 之差，连续三根K线持续收缩到 -1 之下为买入信号。这些参数都是需要仔细调整回测。
该策略还需仔细回测分析，尝试更多参数看能否达到理想的回测结果。
MACD 指标
MACD 指标的策略弄了好长时间，由于最近给 gekko数据的加持，终于有大量数据可供回测。回测的结果很不理想。仔细想了一下，可能原因并不只是在参数调优，而有可能在那些MACD指标失效的情况导致的亏损。MACD指标失效的概率还是蛮高的，具体多高因为没做过具体的统计也不好乱说。但究其原因也是与市场的不确定性不无关系。这也是之前价值投资流派批判技术分析流派一贯的说辞。股价的走势很有可能就是随机行走，这是由于市场中不同类型的参与者过多导致的。不同参与者有着不同的诉求、性格、文化背景、风险承受能力等，还有很多在爆露之前完全是黑盒的黑天鹅事件，。这些因素导致了市场的不可预测性。哪怕是技术上的趋势，技术上的强势，市场的风向也会转瞬即逝，以完全相反的方向运行。嗯 还是那句话，一切都是概率大问题。但概率是最大问题，1%可能性发生的时间在他发生的那一刻就成了100%。不过这是否就证明技术分析的这些手段和方法是无效的呢，我觉得也不能这么说。这些量价指标反映了市场的供需管理，价格是处多空双方博弈的结果，成交信息反映出市场上投资者情绪。这些指标在短期内应该是有效的。短期内市场环境不会发生大的变化，或者还没来得及发生变化。在这个时候，这些反应投资者情绪、供需关系、多空博弈的指标就会派上用武之地。我还是觉得技术分析应该停留在极短期的交易上。比如预测下一分钟股价的趋势，并根据这些趋势的预测高频薄利的赚取利润。但是技术指标的短期 1m - 10m 回测结果都非常不理想。而相对长期 1H 的回测结果要好很多。
虽然归根结底也有可能是策略调参，手续费等的问题。1M-10M的交易频率非常高，亏损几率也非常高。导致最后很有可能回测结果是全亏了 99%。高频交易还是需要细心仔细调整参数和擦略执行方式。低频的趋势跟踪也有问题，趋势策略都是亏小赚大，但是我的 DMI和 MACD都是亏的可不小，次数还非常多导致最后就赔钱了。也许是交易方式，信号判断方面的问题，具体还是要仔细研究一下。
动态加权
动态加权策略已经酝酿了很久还一直没来得记实现。主要的思虑就是根据分析师对股票的评级进行加权，分析师的评级越准确，他的权重就越高。今天还想到一个思虑就是基金的持仓，这也是一个权重收集的好源头。主要是这些数据都是结构化的，不用通过神经网络通篇对新闻和研报进行语义分析（主要是分析的也不准啊）。只需要一个权重模型就好了。机器学习模型还是很棒的，通过ML学习技术指标和处理动态加权都可以。但就是ML模型需要一个优化的过程，现在我的ML水平也就二把刀。说实话也没自己优化过好用的模型。不过倒是可以通过权重模型动态训练一个增强学习模型来处理问题。增强学习就不需要标记，在实践中训练效果会更好些。
2018-08-11
Last updated