分类
外汇交易平台比较

如何设计趋势交易量化系统?

行情震荡下跌时:

如何设计趋势交易量化系统?

Hong Kong | 2022-06-02 16:19

量E智能交易软件内置策略重新改版升级,市场上大部分普通软件它的功能非常单一,只是单一的一个程序化执行软件,面板简陋,风控不完善,操作不方便。而我们的软件呢在 EA的基础上添加了智能AI策略。再加上结合大数据筛选,可以真正的做到智能交易,省时省力省心。它里面内置了两套交易策略,并且他的功能设计的都是非常的全,是非常的完善。 1、内置两套交易策略 策略一、对冲策略,每笔单子采用移动挂单成交,双向多空对锁,震荡行情中,可以进行来回交易刷单,震荡行情中基本上没有任何风险。当出现数据行情比如非农,还有突发事件等导致的行情暴涨或暴跌,都可以有效规避大的行情带来的风险。 策略二、趋势加仓策略,行情自动根据当前行情,判断当前行情走势。若行情为多头行情,多头趋势只 做多,若行情为空头行情,空头趋势只做空。真正实现趋势交易。 2、对接国际第一时间数据,清楚明了的了解当前的新闻数据,可以有效的做到及时人工规避风险。 3、设立独立风控系统,可以根据账户资金设置风控比例,风险金额。完全做到及时止损,不挂单。 4、当前交易品种实时统计 交易品种,订单,手数,亏损,盈利。 5、结合28个货币兑 实时行情数据,清楚直观了解行情动态。 6、系统有效精准判断当前交易时区,可以有效清楚了解当前的交易市场。

Kazakhstan

bbfamily/abu

This commit does not belong to any branch on this repository, and may belong to a fork outside of the repository.如何设计趋势交易量化系统?

Use Git or checkout with 如何设计趋势交易量化系统? SVN using the web URL.

Work fast with our official CLI. Learn more.

Launching GitHub Desktop

If nothing happens, download GitHub Desktop and try again.

Launching GitHub Desktop

If nothing happens, download GitHub Desktop and try again.

Launching Xcode

If nothing happens, download Xcode and try again.

Launching Visual Studio Code

Your codespace will open once ready.

There was a problem preparing your codespace, please try again.

Latest commit

Git stats

Files

Failed to load latest commit information.

readme.md

如何设计趋势交易量化系统?
内容 位置
阿布量化系统源代码 abupy目录
阿布量化使用教程 abupy_lecture目录
阿布量化非编程界面操作 abupy_ui目录
《量化交易之路》示例代码 ipython/python目录
《机器学习之路》示例代码 https://github.com/maxmon/abu_ml
  • 使用多种机器学习技术智能优化策略
  • 在实盘中指导策略进行交易,提高策略的实盘效果,战胜市场
  • 美股,A股,港股
  • 期货,期权
  • 比特币,莱特币
  • 分离基础策略和策略优化监督模块
  • 提高灵活度和适配性

阿布量化综合AI大数据系统, K线形态系统, 经典指标系统, 走势趋势分析系统, 时间序列维度系统, 统计概率系统, 传统均线系统对投资品种进行深度量化分析, 彻底跨越用户复杂的代码量化阶段, 更适合普通人群使用, 迈向量化2.0时代.

上述系统中结合上百种子量化模型, 如: 金融时间序列损耗模型, 深度形态质量评估模型, 多空形态组合评定模型, 多头形态止损策略模型, 空头形态回补策略模型, 大数据K线形态历史组合拟合模型, 交易持仓心态模型, 多巴胺量化模型, 惯性残存阻力支撑模型, 多空互换报复概率模型, 强弱对抗模型, 趋势角度变化率模型, 联动分析模型, 时间序列的过激反应模型, 迟钝报复反应模型, 趋势启动速度模型, 配对对冲模型等.

阿布量化针对AI人工智能从底层开发算法, 构建适合量化体系的人工智能AI系统, 训练了数个从不同角度识别量化特征的评分模型,整体上分为三个系别:物理模型组、多巴胺生物模型组、量化形态模型组。不同系别模型群从不同角度(主要物理交易实体分析、人群心理、图表等三个方向)评估走势,系别的模型群是由若干个独有的识别算法和参数遗传淘汰,组成族群,加权投票评分.

阿布量化结合了传统基于代码策的量化系统, 对未来择时信号发出时机的预判, 系统基于数百种简单种子交易策略,衍生出更多的量化交易策略新策略在这些种子基础上不断自我学习、自我成长,不断分裂,适者生存,淘汰选择机制下繁衍,目前应用的量化买入卖出信号策略共计18496种。

阿布量化结合多种量化分析数据构建了数百种量化应用, 如: AI高能预警, AI高光时刻, 智能预测涨跌幅, 下跌五浪量化, 上涨五浪量化, 阻力支撑强度分析, 上升三角形突破, 下降三角形, 三重底 (头肩底), 三重顶 (头肩顶), 圆弧顶, 圆弧底, 乌云盖顶形态, 上升三部曲形态, 好友反攻形态, 单针探底形态, 射击之星形态, 多方炮形态, 上涨镊子线, 向上突破箱体, 跳空突破缺口, 黄金分割线量化, 趋势跟踪信号, 均值回复信号, 止损风险控制量化, 止盈利润保护量化, 综合指标分析等.

量化交易系统开发搭建,量化交易软件怎么开发?

所以说简单看怎么去看,到底是底层逻辑简单,还是操作起来简单。如果单单是操作起来简单,就是好系统的话,那么很可能亏得一塌糊涂。我们来期货市场是为了操作还是为了赚钱?仅仅是为了操作简单么?其实所谓的操作简单,其实就是识别简单,可量化。但是量化就是人为通过自己的逻辑对市场信息进行解读和筛选,选择了其中一种可能,而实际市场代表的是无限种可能。所以量化在短时间内有一定优势,因为短时间的可能性并不丰富,比如秒级,分钟级。但是上升到天,周,月这样的级别,可能性是无限的。仅仅是往前推一天,走势的形态就可以有几乎无数种可能。做这样的级别,无论怎么简化,量化的思想都没办法有很好的效果。

所以要交易更长的周期,那么要更进一步,必须将包含应对一种可能性的量化方式,上升到包含应对无数种可能性的更高级方式。很多人都说是道。我也不知道怎么定义这个东西,自己试着定义一下,应该叫对所有可能性的最优应对。就是这个东西,具体这个东西叫道,还是叫什么玩意,大家自己看着办。比如我们见面对人笑脸,也许某人刚好今天又情绪,给你一耳光。但是并不妨碍对人笑脸相迎是个好策略。还有,比如我经常熬夜,一天两天肯定没影响。但是肯定没有不熬夜对自己又好处。所以对人笑脸相迎,让自己的生活规律,早睡早起。这些都可以作为一种生活中的最优应对方式。

如果要自己做一套量化交易系统,有没有推荐的策略?

我的策略是自己设计和总结的,争取做到出手无败绩,哈哈。

量化交易的艺术,就是呼吸的艺术,是仓位管理的艺术,掌握了风控节奏,就无所谓标的涨不涨,都能立于不败之地

如图,亿嘉和标的今年其实没怎么涨,但我也赚了26.76%,这个成绩单虽然算不上漂亮,但几乎做到了锁死下行空间控制住了回撤

华尔街基金经理回撤超过20%,会面临很大的清盘压力。所以,有志于专业从事金融,靠投资交易吃饭的,都有必要训练自己控制回撤的能力。

比如,训练自己,无论行情如何演变,回撤始终控制在10%以内,先保持胜率,然后再去追求收益率。只要还在市场活着,本金不要有闪失,永远都有机会发财。

管理大资金的量化交易系统,有没有出bug的情况?遇到bug采取何种应对措施?

如何建立一个交易系统?交易系统和量化交易、程序化交易有何区别?

交易系统与量化交易

我们先来说道何为交易系统,图1就是一副典型的量化交易系统架构图(开发交易系统所用的研究工具和信息未显示在图中)。

交易系统一般包括三个模型:阿尔法模型、风险控制模型和交易成本模型。这三个模型的结果都是投资组合构建模型的输入,投资组合构建模型最后通过执行模型完成任务。

  1. 阿尔法模型用来预测交易标的未来的走势,从而获得投资回报。比如在期货市场的趋势跟踪策略中,用来预测期货市场的未来方向。
  2. 风险控制模型主要用来限制风险敞口规模,这些风险因素可能不是产生盈利而是招致损失。比如在趋势跟踪策略中,交易者担心某个方向的头寸太大,此时风险控制模型将帮助给出这些头寸敞口限额。
  3. 交易成本模型主要用来辅助觉得为了构建投资组合而产生交易后发生的成本。只要有交易就有成本发生。再以趋势跟踪策略为例,如果趋势规模较小或者持续时间很短,那么交易成本模型可能会发出信号:建立-退出头寸的交易成本可能大于了趋势跟随的获利。

以上三个模型的结果输入到投资组合构建模型,模型在追逐利润、限制风险和成本之间做出平衡,然后给出一个最优的目标组合。完成这个过程以后,交易系统再将现有投资组合与新建的目标投资组合进行对比,通过交易来消除两者的差异,这个就交给执行模型来完成。举个例子:

上面的交易系统要“活”起来,还需要另外两个部分:数据和研究。

有了数据以后,交易者可以进行研究了,一般包括各种形式的测试、检验和仿真。

经过研究,交易者就能确认某个策略是否有效。另外,前面所说的各个模型也是建立在研究的基础上的。

即,交易者从某个想法开始,使用市场数据并通过研究来检验自己的想法,一旦找到满意的策略,则将策略构建成一个量化交易系统,系统严格按照纪律执行交易者的思想。这大概就说清楚了量化交易或者程序化交易的一个过程。

网格交易法(期货)

在行情震荡上涨时:

行情震荡下跌时:

- 如何设计趋势交易量化系统? 挑选的标的最好是价格变化较大,交易较为活跃
网格交易是基于行情震荡进行获利的策略,如果标的不活跃,价格波动不大,很难触发交易。
- 选出网格的压力位和阻力位
确定适当的压力位和阻力位,使价格大部分时间能够在压力位和阻力位之间波动。如果压力位和阻力位设置范围过大,会导致难以触发交易;如果压力位和阻力位设置范围过小,则会频繁触发交易。
- 设置网格的宽度和数量
设定多少个网格以及网格的宽度可根据投资者自身喜好自行确定。

2. 策略思路

回测标的:SHFE.rb1901
回测时间:2018-07-01 到 2018-10-01
回测初始资金:10万
注意:若修改回测期,需要修改对应的回测标的。

  • 怎样记录价格是否突破网格线?
  • 如何避免出现4区-5区开仓一次,5区-4区又平仓一次这种“假突破”?

3. 策略代码

4. 回测结果和稳健性分析

设定初始资金10万,手续费率为0.01%,滑点比率为0.01%。回测结果如下图所示。