利用平均趋向指数辅助MACD策略

23 Mar 2020, 13:50 · Views 660

前言

“趋势是你的朋友”这是每一个交易者都耳熟能详的箴言。但做过交易的朋友可能会有体会，趋势总是在毫无预警地开始并突然结束。那么在CTA策略中，如何抓住趋势并过滤震荡行情，是许多主观和量化交易者孜孜不倦的追求。在本节课程中，我们将以平均趋向指数(ADX)为滤网，分析在它量化交易中的应用。

什么是平均趋向指数

平均趋向指数是衡量趋势的技术工具，简称ADX(average directional indicator)，它是由韦尔斯·怀尔德在1978年提出，与其他技术分析工具不同的是，ADX并不能判断多空方向，更不能提示精确的买卖点位，它只是衡量当前趋势的强弱。

ADX的默认周期参数是14，通常在K线图的副图中显示。它的值是在0~100之间，数值越大说明上涨或下跌趋势越强力，通常当ADX的值大于40时，说明趋势强力，此时使用趋势交易才具有最大的回报潜力；当ADX的值小于20时，说明趋势疲软，并警告交易者不要使用趋势跟踪交易策略。

ADX的计算方式

ADX的计算方式比较复杂，它涉及到了：价格正向移动距离(+DM)、价格负向移动距离(-DM)、真是波动幅度(TR)、正向方向性指数(+DI), 负向方向性指数(-DI)等很多中间变量：

计算动向变化

up：今天的最高价 – 昨天的最高价
down：昨天的最低价 – 今天的最低价
+DM：如果up大于max(down, 0)，则+DM等于up，否则等于零
-DM：如果down大于max(up, 0)，则-DM等于down，否则等于零

计算真实波幅

TR：max(今天最高价与今天最低价的差值，今天最高价与昨天收盘价差值的绝对值，今天最低价与昨天收盘价差值的绝对值)

计算动向指数

+DI(14)：+DM(14)/TR(14)*100
-DI(14)：-DM(14)/TR(14)*100

计算ADX

DX：((+DI14)- (-DI14)/(+DI14)+(-DI14))*100
ADX：MA(DX，14)

虽然ADX的计算比较复杂，但其逻辑还是比较清晰的：up和down分别代表了价格正向和负向移动距离；+DI和-DI分别代表用波动率修正后上涨和下跌趋势。不管趋势是上涨还是下跌，只要存在明显的趋势行情，那么+DI和-DI中总有一个是较大的，因此DX的值会随着趋势的强弱指示在0~100之间；最后ADX则是DX的14天平均线。

当+ DI高于-DI时，表明价格处于上升趋势。相反，当-DI高于+ DI时，价格处于下降趋势。交易者可以通过检查同一时间点的ADX值来确定上升趋势或下降趋势的强度。

策略逻辑

在前几节中，我们使用MACD指标创建了一个简单的策略，虽然该策略在趋势行情中表现还可以，但是在震荡行情入不敷出，甚至在长期的震荡行情中资金回撤比较大。因此我们将在本节中将之前的MACD策略加入ADX滤网，我们来看下效果到底如何？

原策略逻辑

多头开仓：DIF大于零轴
空头开仓：DIF小于零轴
多头平仓：DIF向下突破DEA
空头平仓：DIF向上突破DEA

改进后的策略逻辑

多头开仓：DIF大于零轴，并且ADX大于20
空头开仓：DIF小于零轴，并且ADX大于20
多头平仓：DIF向下突破DEA，或者ADX下降
空头平仓：DIF向上突破DEA，或者ADX下降

我们在原策略逻辑基础之上，对开仓和平仓分别加入ADX滤网，控制在行情进入震荡时期的开仓次数。在开仓的时候ADX的数值必须大于指定的数值；当开仓之后一旦ADX下降就平仓出局。整个策略逻辑就设计成一个严进宽出的模式，以此来控制震荡时期的回撤幅度。

策略编写

原始策略

# 回测配置
'''backtest
start: 2015-02-22 00:00:00
end: 2019-10-17 00:00:00
period: 1h
exchanges: [{"eid":"Futures_CTP","currency":"FUTURES"}]
'''


mp = 0  # 定义一个全局变量，用于控制虚拟持仓


# 判断数组是否上升
def is_up(arr):
    arr_len = len(arr)
    if arr[arr_len - 1] > arr[arr_len - 2] and arr[arr_len - 2] > arr[arr_len - 3]:
        return True     

    
# 判断数组是否下降
def is_down(arr):
    arr_len = len(arr)
    if arr[arr_len - 1] < arr[arr_len - 2] and arr[arr_len - 2] < arr[arr_len - 3]:
        return True

    
# 判断两根两个数组是否金叉
def is_up_cross(arr1, arr2):
    if arr1[len(arr1) - 2] < arr2[len(arr2) - 2] and arr1[len(arr1) - 1] > arr2[len(arr2) - 1]:
        return True

# 判断两根两个数组是否死叉
def is_down_cross(arr1, arr2):
    if arr1[len(arr1) - 2] > arr2[len(arr2) - 2] and arr1[len(arr1) - 1] < arr2[len(arr2) - 1]:
        return True    

    
# 程序主函数
def onTick():
    exchange.SetContractType("rb000")  # 订阅期货品种
    bar_arr = exchange.GetRecords()  # 获取K线数组
    if len(bar_arr) < long + m + 1:  # 如果K线数组长度太小，就不能计算MACD，所以直接返回跳过
        return
    all_macd = TA.MACD(bar_arr, short, long, m)  # 计算MACD值，返回的是一个二维数组
    dif = all_macd[0]  # 获取DIF的值，返回一个数组
    dif.pop()  # 删除DIF数组最后一个元素
    dea = all_macd[1]  # 获取DEA的值，返回一个数组
    dea.pop()  # 删除DEA数组最后一个元素
    last_close = bar_arr[len(bar_arr) - 1]['Close']  # 获取最新价格（卖价），用于开平仓
    global mp  # 全局变量，用于控制虚拟持仓
    
    # 开多单
    if mp == 0 and dif[len(dif) - 1] > 0:
        exchange.SetDirection("buy")  # 设置交易方向和类型
        exchange.Buy(last_close, 1)  # 开多单
        mp = 1  # 设置虚拟持仓的值，即有多单
    
    # 开空单
    if mp == 0 and dif[len(dif) - 1] < 0:
        exchange.SetDirection("sell")  # 设置交易方向和类型
        exchange.Sell(last_close - 1, 1)  # 开空单
        mp = -1  # 设置虚拟持仓的值，即有空单
        
    # 平多单
    if mp == 1 and is_down_cross(dif, dea):
        exchange.SetDirection("closebuy")  # 设置交易方向和类型
        exchange.Sell(last_close - 1, 1)  # 平多单
        mp = 0  # 设置虚拟持仓的值，即空仓
    
    # 平空单
    if mp == -1 and is_up_cross(dif, dea):
        exchange.SetDirection("closesell")  # 设置交易方向和类型
        exchange.Buy(last_close, 1)  # 平空单
        mp = 0  # 设置虚拟持仓的值，即空仓

        
def main():
    while True:
        onTick()
        Sleep(1000)

根据上面更改的策略逻辑，我们可以直接在原始策略的基础之上把ADX滤网加入进去，虽然ADX的计算方法比较复杂，但可以借助talib库只需要几行代码就可以把ADX的值计算出来。因为计算ADX需要用带talib，而计算talib库又需要用到numpy.array数据类型，所以我们需要在代码开头导入talib库和numpy库。

import talib
import numpy as np

在使用talib库计算ADX的时候，一共需要4个参数：最高价、最低价、收盘价、周期参数。所以我们还需要写一个get_data函数，这个函数的目的是从K线数组中提取出最高价、最低价、收盘价。

# 把K线数组转换成最高价、最低价、收盘价数组，用于转换为numpy.array类型数据
def get_data(bars):
    arr = [[], [], []]
    for i in bars:
        arr[0].append(i['High'])
        arr[1].append(i['Low'])
        arr[2].append(i['Close'])
    return arr

然后我们使用numpy库把普通的数组转换为numpy.array类型数据，最后使用talib库就可以计算出ADX的值，具体的写法可以看下面代码中的注释：

np_arr = np.array(get_data(bar_arr)) # 把列表转换为numpy.array类型数据，用于计算ADX的值
adx = talib.ADX(np_arr[0], np_arr[1], np_arr[2], 20);  # 计算ADX的值

在策略逻辑中，需要判断ADX的大小和是否上升下降。判断大小很简单，只需要把ADX具体某一天的值提取出来就可以了，跟判断MACD一样，我们只取倒数第二根K线的ADX值；但判断时候上升下降则需要只取倒数第二根和第三根K线的ADX值。

adx1 = adx_arr[len(adx_arr) - 2]  # 倒数第二根K线的ADX值
adx2 = adx_arr[len(adx_arr) - 3]  # 倒数第三根K线的ADX值

最后修改下单逻辑：

# 开多单
if mp == 0 and dif[len(dif) - 1] > 0 and adx1 > 40:
    exchange.SetDirection("buy")  # 设置交易方向和类型
    exchange.Buy(last_close, 1)  # 开多单
    mp = 1  # 设置虚拟持仓的值，即有多单

# 开空单
if mp == 0 and dif[len(dif) - 1] < 0 and adx1 > 40:
    exchange.SetDirection("sell")  # 设置交易方向和类型
    exchange.Sell(last_close - 1, 1)  # 开空单
    mp = -1  # 设置虚拟持仓的值，即有空单
    
# 平多单
if mp == 1 and (is_down_cross(dif, dea) or adx1 < adx2):
    exchange.SetDirection("closebuy")  # 设置交易方向和类型
    exchange.Sell(last_close - 1, 1)  # 平多单
    mp = 0  # 设置虚拟持仓的值，即空仓

# 平空单
if mp == -1 and (is_up_cross(dif, dea) or adx1 < adx2):
    exchange.SetDirection("closesell")  # 设置交易方向和类型
    exchange.Buy(last_close, 1)  # 平空单
    mp = 0  # 设置虚拟持仓的值，即空仓

完整策略代码

# 回测配置
'''backtest
start: 2015-02-22 00:00:00
end: 2019-10-17 00:00:00
period: 1h
exchanges: [{"eid":"Futures_CTP","currency":"FUTURES"}]
'''

# 导入库
import talib
import numpy as np


mp = 0  # 定义一个全局变量，用于控制虚拟持仓


# 把K线数组转换成最高价、最低价、收盘价数组，用于转换为numpy.array类型数据
def get_data(bars):
    arr = [[], [], []]
    for i in bars:
        arr[0].append(i['High'])
        arr[1].append(i['Low'])
        arr[2].append(i['Close'])
    return arr


# 判断两根两个数组是否金叉
def is_up_cross(arr1, arr2):
    if arr1[len(arr1) - 2] < arr2[len(arr2) - 2] and arr1[len(arr1) - 1] > arr2[len(arr2) - 1]:
        return True

# 判断两根两个数组是否死叉
def is_down_cross(arr1, arr2):
    if arr1[len(arr1) - 2] > arr2[len(arr2) - 2] and arr1[len(arr1) - 1] < arr2[len(arr2) - 1]:
        return True    

    
# 程序主函数
def onTick():
    exchange.SetContractType("rb000")  # 订阅期货品种
    bar_arr = exchange.GetRecords()  # 获取K线数组
    if len(bar_arr) < long + m + 1:  # 如果K线数组长度太小，就不能计算MACD，所以直接返回跳过
        return
    all_macd = TA.MACD(bar_arr, short, long, m)  # 计算MACD值，返回的是一个二维数组
    dif = all_macd[0]  # 获取DIF的值，返回一个数组
    dif.pop()  # 删除DIF数组最后一个元素
    dea = all_macd[1]  # 获取DEA的值，返回一个数组
    dea.pop()  # 删除DEA数组最后一个元素
    
    np_arr = np.array(get_data(bar_arr)) # 把列表转换为numpy.array类型数据，用于计算ADX的值
    adx_arr = talib.ADX(np_arr[0], np_arr[1], np_arr[2], 20);  # 计算ADX的值
    adx1 = adx_arr[len(adx_arr) - 2]  # 倒数第二根K线的ADX值
    adx2 = adx_arr[len(adx_arr) - 3]  # 倒数第三根K线的ADX值
    
    last_close = bar_arr[len(bar_arr) - 1]['Close']  # 获取最新价格（卖价），用于开平仓
    global mp  # 全局变量，用于控制虚拟持仓
    
    # 开多单
    if mp == 0 and dif[len(dif) - 1] > 0 and adx1 > 40:
        exchange.SetDirection("buy")  # 设置交易方向和类型
        exchange.Buy(last_close, 1)  # 开多单
        mp = 1  # 设置虚拟持仓的值，即有多单
    
    # 开空单
    if mp == 0 and dif[len(dif) - 1] < 0 and adx1 > 40:
        exchange.SetDirection("sell")  # 设置交易方向和类型
        exchange.Sell(last_close - 1, 1)  # 开空单
        mp = -1  # 设置虚拟持仓的值，即有空单
        
    # 平多单
    if mp == 1 and (is_down_cross(dif, dea) or adx1 < adx2):
        exchange.SetDirection("closebuy")  # 设置交易方向和类型
        exchange.Sell(last_close - 1, 1)  # 平多单
        mp = 0  # 设置虚拟持仓的值，即空仓
    
    # 平空单
    if mp == -1 and (is_up_cross(dif, dea) or adx1 < adx2):
        exchange.SetDirection("closesell")  # 设置交易方向和类型
        exchange.Buy(last_close, 1)  # 平空单
        mp = 0  # 设置虚拟持仓的值，即空仓

        
def main():
    while True:
        onTick()
        Sleep(1000)

以上贴出本节已经改进过的策略完整源代码，无需配置直接在线回测。

结尾

之前流行过一段话：站在风口猪都会飞，我们做交易也是一样。在大趋势面前，再笨的策略也能分一杯羹，所以我们要做的就是抓住大趋势并在震荡时期控制回撤。ADX与MACD配合使用，可以帮助交易者确认差异，从而提高交易的精度。可以在震荡行情中降低风险，又可以在趋势行情中增加你的盈利潜力，以达到最大限度地降低风险并最大化利润的目的。一句话：要想赚大钱，就一定不要与趋势为敌！

作者：卡卡罗特
来源：知乎
著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。

Disclaimer: The content above represents only the views of the author or guest. It does not represent any views or positions of FOLLOWME and does not mean that FOLLOWME agrees with its statement or description, nor does it constitute any investment advice. For all actions taken by visitors based on information provided by the FOLLOWME community, the community does not assume any form of liability unless otherwise expressly promised in writing.

FOLLOWME Trading Community Website: https://www.followme.com

If you like, reward to support.