超平滑均线交易策略R语言实现

相似文件 换一批

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

移动均线SMA、EMA等指标为常用的均线指标，特别适用于趋势市场中。但这些指标对趋势的判定具有一定的滞后性，当趋势出现反转时这种滞后性容易导致亏损。然而，在技术性投资章节中指出，这种趋势性策略在中国并不一定适用，因为中国投资者更多是投机，而不是投资，因此利用长期趋势策略并不合适。此处为了弥补这种趋势上的缺陷，加入止损策略。

基于此，本节借用John F. Ehlers提出的SuperSmoother指标，这个指标在在很多交易软件如Tradestation中存在。其中John F. Ehlers是电气工程师，获得密苏里大学的电气工程专业的本科和硕士学位，获得华盛顿大学的博士学位，擅长波动和信号理论，从1976年开始从事个人交易。他把信号工程中的理论运用到技术性指标的构建中，从一个信号分析和频域的视角分析技术性指标，并提出大量新的技术性指标，获得了大量投资者的认可。其中SuperSmoother为超滑动平均线，主要弥补移动平均线的滞后性问题，得到的指标在一定程度上可以类似于小波信号指标的结果，而且计算方法从小波分析的方法简单的多。SuperSmoother计算公式如下：

超平滑均线来自于信号理论数字信号处理（Digital Signal Processing），与移动均线的差异见图6.3。其中红色实线为SuperSmoother均线，蓝色虚线为一般EMA均线，可以看出，其中超平滑均线一方面具有平滑性特征，同时在一定程度上紧随K线，滞后性要远远小于一般的移动均线。

图6.3     SuperSmoother指标与EMA指标在期货CF1609上的表现这种均线究竟表现如何，下面构建超平滑移动均线策略进行分析。以商品期货为例，具体选择玻璃、棉花和甲醇期货的15分钟K线数据，交易规则与一般均线交叉策略一致，即当收盘价上穿超平滑均线进入，收盘价下穿超平滑均线时退出，并根据风险调整买卖仓位，对应的策略设定见表6.2。

表6.2 超平滑移动均线策略

策略	设定	参数
数据	玻璃、棉花和甲醇期货1609	15分钟线
指标	SuperSmoother	10期
进入	均线交叉类似	-
退出	均线交叉类似	-
成交量	OsDollarATR函数	-

在此基础上，基于SMA策略，并利用上述指标进行止损，对期货市场的15分钟数据构建策略进行分析。

1. #----------------------------------------加载工具包及数据获取--------------------------------------
   
2. 加载相关工具包：
   
3. >library(IKTrading)
   
4. >library(DSTrading)
   
5. >library(quantstrat)
   
6. 具体基于15分钟K线进行分析，读取期货数据，具体选择三个期货，分别为玻璃1609（FG1609），棉花1609（CF1609）和甲醇1609（MA1609），对应命令如下：
   
7. >FG1609<-read.csv(file='E://datasets//Future//sina//FG1609.15m.txt', header=T,sep=',')
   
8. >CF1609<-read.csv(file='E://datasets//Future//sina//CF1609.15m.txt', header=T,sep=',')
   
9. >MA1609<-read.csv(file='E://datasets//Future//sina//MA1609.15m.txt', header=T,sep=',')
   
10. 设置代码：
    
11. >symbols<-c('FG1609','CF1609','MA1609')
    
12. 把对应的数据转换成时间序列格式，并删除多余的列：
    
13. >for (i in 1:length(symbols)){
    
14. >  tmp<-get(symbols[i])
    
15. >  tmp.date<-as.POSIXct(tmp$Time,format='%Y-%m-%d %H:%M')
    
16. >  assign(symbols[i],xts(tmp[,-1],tmp.date))
    
17. >}
    
18. >rm(tmp)
    
19. >rm(tmp.date)
    
20. #----------------------------------------创建SuperSmoother函数---------------------------------
    
21. SuperSmoother函数其实IKTrading工具包中已经存在，但函数比较粗糙，开发者没有后续动作，笔者在他基础上进一步完善。对应的函数命令如下：
    
22. >superSmoother<-function (x,n){
    
23. >  a1 <- exp(-1.414 * pi/n)
    
24. >  b1 <- 2 * a1 * cos(1.414 * pi/n)
    
25. >  c2 <- b1
    
26. >  c3 <- -a1 * a1
    
27. >  c1 <- 1 - c2 - c3
    
28. >  filt <- c1 * (x + lag(x))/2
    
29. >  leadNAs <- sum(is.na(filt))
    
30. >  filt <- filt[-c(1:leadNAs)]
    
31. >  filt <- filter(filt, c(c2, c3), method = "recursive")
    
32. >  filt <- c(rep(NA, leadNAs), filt)
    
33. >  filt <- xts(filt, order.by = index(x))
    
34. >  colnames(filt) = "superSmoother"
    
35. >  return(filt)
    
36. >}
    
37. 
    
38. #-----------------------------------------参数设定及策略初始化---------------------------------------
    
39. >tradeSize=100000
    
40. >initEq<-tradeSize*length(symbols)
    
41. >initDate<-'2016-04-22'
    
42. >period<-10
    
43. >pctATR<-0.02
    
44. >nSMA<-10
    
45. #parameters for SuperSmoother
    
46. >nFast=10
    
47. >nSlow=60
    
48. >TxnFees=5
    
49. >portfolio.st<-account.st<-strategy.st<-'SuperSmoother'
    
50. >currency('CNY')
    
51. >Sys.setenv(TZ='UTC')
    
52. >.blotter<-.strategy<-new.env()
    
53. >stock(symbols,currency='CNY',multiplier=1)
    
54. 在此基础上初始化投资组合、账户、委托单和策略：
    
55. >initPortf(portfolio.st,symbols,initDate=initDate,currency='CNY')
    
56. >initAcct(account.st,portfolio.st,initDate=initDate,currency='CNY',initEq=initEq)
    
57. >initOrders(portfolio.st,initDate=initDate)
    
58. >strategy(strategy.st,store=T)
    
59. 
    
60. #-----------------------------------------------增加策略指标--------------------------------------------
    
61. 具体增加短期和长期Supersmoother、lagATR共三个指标。
    
62. 此处增加lagATR指标，主要考虑到后续的委托数量函数自定义用osDollarATR，需要利用ATR指标，osDollarATR委托数量如何随着ATR指标变化，从而减少交易风险，可见上章的描述。对应的命令分别如下：
    
63. >add.indicator(strategy.st,name='lagATR',
    
64. >           arguments=list(HLC=quote(HLC(mktdata)), n=period),label='atrX')
    
65. >add.indicator(strategy.st,name='superSmoother',
    
66. >           arguments=list(x=quote(Cl(mktdata)), n=nFast),label='fastsmooth')
    
67. >add.indicator(strategy.st,name='superSmoother',
    
68. >            arguments=list( x=quote(Cl(mktdata)),n=nSlow),label='slowsmooth')
    
69. 
    
70. #---------------------------------------------增加策略信号---------------------------------------------
    
71. 基于长期超平滑线与短期超平滑线创建策略信号。当短期向上交叉长期超平滑线为买入信号，反之为卖出信号。具体如下：
    
72. >add.signal(strategy.st,name='sigCrossover', arguments = list(
    
73. >            columns=c('fastsmooth','slowsmooth'),relationship='gt'), label='enterlong')
    
74. >add.signal(strategy.st,name='sigCrossover',arguments=list(
    
75. >            columns=c('fastsmooth','slowsmooth'),relationship='lt'), label='exitlong')
    
76. #--------------------------------------------增加交易规则---------------------------------------------
    
77. 基于策略信号增加交易规则，其中交易数量依赖于osDollarATR函数，具体进入和退出规则如下：
    
78. >add.rule(strategy.st,name='ruleSignal',
    
79. >         arguments=list(sigcol='enterlong',sigval=T,ordertype='market',
    
80. >                    orderside='long',replace=F,prefer='Open',osFUN=osDollarATR,
    
81. >                 tradeSize=tradeSize,pctATR=pctATR, atrMod='X'),
    
82. >         type='enter', label='EnterLong')                 
    
83. >add.rule(strategy.st,name='ruleSignal',
    
84. >        arguments = list(sigcol='exitlong',sigval=T,orderside='long', ordertype='market',
    
85. >                      replace=F,orderqty='all', TxnFees=-TxnFees,prefer='open'),
    
86. >         type='exit',label='ExitLong')
    
87. #-------------------------------------------策略运行及统计------------------------------------------
    
88. >out<-try(applyStrategy(strategy.st,portfolio.st))

复制代码

运行结果为：

[1] "2016-05-25 01:30:00 CF1609 33 @12435"

[1] "2016-05-30 02:00:00 CF1609 -33 @13060"

[1] "2016-05-30 02:30:00 CF1609 30 @13170"

[1] "2016-05-30 15:15:00 CF1609 -30 @13170"

……

[1] "2016-08-29 03:15:00 MA1609 -446 @1863"

[1] "2016-09-01 03:30:00 MA1609 542 @1845"

[1] "2016-09-08 07:00:00 MA1609 -542 @1872"

[1] "2016-09-13 01:15:00 MA1609 96 @1880"

[1] "2016-09-20 06:15:00 MA1609 -96 @2082"

在此基础上对投资组合、账户和最终资产进行更新，对应的命令分别为：

>updatePortf(portfolio.st)

>dateRange<-time(getPortfolio(portfolio.st)$summary)[-1]

>updateAcct(portfolio.st,dateRange)>updateEndEq(account.st)

分别对三种期货统计图显示，具体命令为：

>chart.Posn(portfolio.st,'MA1609')

图6.4     甲醇期货1609交易头寸、累积收益和回撤统计图

在此基础上查看具体绩效统计结果：

>stats<-t(tradeStats(portfolio.st))                   CF1609      FG1609      MA1609    Portfolio          "OHV"       "OHV"       "OHV"      Symbol             "CF1609"    "FG1609"    "MA1609"   Num.Txns           "82"        "74"        "76"       Num.Trades         "41"        "37"        "38"       Net.Trading.PL     " 77080"    "111351"    " 36309"   Avg.Trade.PL       "1880.000"  "3009.486"  " 955.500" Med.Trade.PL       "-1310"     " -767"     " -857"    Largest.Winner     "36795"     "39055"     "30499"    Largest.Loser      "-12305"    " -9698"    " -7313"   Gross.Profits      "166925"    "182073"    "111138"   Gross.Losses       "-89840"    "-70722"    "-74819"   Std.Dev.Trade.PL   "10379.465" "10322.876"" 7778.482"Std.Err.Trade.PL   "1621.000"  "1697.070"  "1261.836" Percent.Positive   "34.14634"  "37.83784"  "31.57895" Percent.Negative   "63.41463"  "62.16216"  "63.15789" Profit.Factor      "1.858025"  "2.574489"  "1.485425" Avg.Win.Trade      "11923.21"  "13005.21"  " 9261.50" Med.Win.Trade      " 6532.5"   "12418.0"   " 7700.0"  Avg.Losing.Trade   "-3455.385" "-3074.870""-3117.458"Med.Losing.Trade   "-3037.5"   "-2409.0"   "-3002.5"  Avg.Daily.PL       "2141.111"  "3275.029"  "1100.273" Med.Daily.PL       "-1207.5"   " -733.0"   "-1714.0"  Std.Dev.Daily.PL   "10599.994" "10607.983"" 8043.178"Std.Err.Daily.PL   "1766.666"  "1819.254"  "1400.138" Ann.Sharpe         "3.206519"  "4.900977"  "2.171566" Max.Drawdown       "-62265"    "-31439"    "-49313"   Profit.To.Max.Draw "1.2379346""3.5418111" "0.7362967"Avg.WinLoss.Ratio  "3.450619"  "4.229517"  "2.970850" Med.WinLoss.Ratio  "2.150617"  "5.154836"  "2.564530" Max.Equity         "104575"    "116763"    " 48896"   Min.Equity         "-1485"     "-4820"     "-6691"    End.Equity         " 77080"    "111351"    " 36309"   可以看出，这种策略效果非常理想，每种期货都出现了较大的盈利。其中棉花期货盈利77080元、玻璃期货盈利111351元，甲醇期货盈利36309元。估计很多人要飘飘然了，这么好的绩效，还呆在这里干什么，赶紧赚钱去！冷静冷静，这只是Paper Trading而已，很多实际因素并没有考虑在内。一定要对比思考，这种交易与实盘交易不同之处在哪里，有哪些因素会对上面的最终收益造成影响。切记，这种思考对实盘交易非常重要。

    如有读者想进一步研究，可移步参考《量化投资基础、方法与策略——R语言实战指南》（电子工业出版社）。

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏3 回帖