量化策略开发，高质量社群，交易思路分享等相关内容

『正文』

ˇ

大家好，今天为大家带来的Pro第5期策略迭代。该篇是2019年我与慕总受邀，在某本量化基础书中说分享的策略。

该书附录一中，我分享了题为“基于波动率因子的择时分析”的ETF择时策略，如下图所示：

一、策略逻辑与迭代内容

在初始策略中，进场逻辑如下：

       另外这个策略移植到BTC也是没有问题的，早在2020年4月份，我在某个公众号上面受邀也发表过文章和策略分享。目前可以在某量化平台找到原文。如下图所示：

       下面我们来重点介绍一下，原版的两句话是如何进行迭代的。如下图所示：

       在原版中，我们是通过两个点的涨跌幅，随着时序不断绘制而成，而这在期货世界中变换太慢了。因此，我将阶段涨跌幅改为了阶段差值，并且加入了SF21和PRO_04中的涨跌统计结构模块。如下图所示：

目的就是为了在阶段差值基础上，将PSY作为一个权重偏置因子，如果上涨阶段，阳K占比逐步加大，那么对于阶段差值来说，权重影响逐步降低对阶段差值。反之，如果是一根K线改变信仰那种，阳K占比小，那么对于阶段差值来说，较小的权重就会将阶段差值往回收敛。如下图所示：

黄色线代表处理前，蓝色代表权重因子处理后。

       在信号构建完毕之后，我们增加过滤条件，过滤条件目的既要增加胜率，也要减少交易次数，又要让策略尽量传统化。因为通过近1年的“异质化社群”策略开发与研究发现，异质化程度越高的策略，对于使用者把握能力要求越高，而其中不仅仅是参数的问题。如下图所示：

       在这块的过滤中，我们弃用了之前分享的madd函数，而采用了自定义的跨日周期加权均线，这样对于趋势拐点更加迅速。当然除了加权，还有指数，以及超级趋势线分享的各种自适应算法，都可以加入到该过滤模块。

       出场模块我们继续采用的是SF37的策略出场方式，具体的逻辑和代码我就不赘述了，大家看多历史文章策略的都懂。

二、可视化

AP LONG

PK LONG

I LONG

EB SHORT

J SHORT

P SHORT

三、绩效

       因为该策略未曾有期货原始策略，只有ETF和沪深300的择时，因此，没有历史版本可供比较，我们就看最终结果吧。

2016—2022.5.12

2021.11.12—2022.5.12

近2个月

我们采用了开平各2跳滑点，手续费交易所规定+的标准进行回测。

个别品种绩效大家拿到工作区自行测试与观察，这里我就不一一赘述了。

总结：

1、本期策略没有那么多的繁华与喧闹，目的就是单纯的用最简单的逻辑构建的最简单的策略。

2、我仅仅测试了黑色、化工、农产3个板块不同的2个品种，最初测试是采用焦炭测试，因为焦炭是底线，如果这个都不好，其他的不用测试了，肯定也不好。（我指的是正常的CTA策略）。

3、该策略空头有两个出场，目的就是与多头的行情结构区分化。

4、该策略进场逻辑是松鼠策略系列最简单的，没有之一。会有人问：这么简单，能行吗？跟均线是的，有点儿扯。对于这种的怀疑，我不反对，但是我也没法解释，因为成年人的世界不能靠说服，只能靠天启。反正我认为是可以的。

由于各平台差异，回测绩效以TBQ版本为准！

本策略仅作学习交流使用，实盘交易盈亏投资者个人负责。