-
NO.1
QUANT.LA 量化干货聚集地
前言
一名合格的交易者，不会因为自己的经验，而有所偏见，而是尊重事实，并做出理性客观的决策。 但大部分投资者总是在潜意识中存在这样那样的偏见，而这些偏见就是交易路上的绊脚石。
很多人都有这样的偏见：「都已经连续跌了这么长时间了，并且跌到前期低点，肯定是底部了，正是抄底的时候」。据此轻易的作出判断，下更大赌注，这种做法，华尔街戏称「徒手接天上掉下来的刀子」。价格之所以下跌，背后肯定有不为所知的原因，价格总是走它自己的路，更不会听任你的偏见。
所以，在交易中，判断归判断，但始终要尊重事实。牢记风控第一，判断****第二。一旦市场走势与自己的判断不符，承认错误，不断的修正自己，作出客观理性的决策，才是交易正途。
-
NO.2
QUANT.LA 量化干货聚集地
概述
回到正题，本篇将为大家带来：基于抛物线转向的交易策略。
抛物线转向（SAR）是一个计算非常复杂的分析工具，由美国威尔斯·威尔德发明。「抛物线」这个名字只是一个描述，实际上在指标中并不涉及抛物线的数学计算，它只是在图表上的形状跟抛物线比较相像。
有意思的是，当你在图标上手动绘制趋势线时，它们通常与抛物线转向指标的点对齐。
蓝色虚线——抛物线转向（SAR）
image
数据来源：宽客在线（www.quant.la）
抛物线转向最大的特点是：内置加速因子，将趋势方向与趋势强度相结合。在算法中，不仅利用价位变动的动能，还利用了时间变动性质来调整价位上设定的止损点。其中，递减或递增与实际价格之升跌幅度及时间长短有密切关系，可以很好的适应不同形态价格的波动。
-
NO.3
QUANT.LA 量化干货聚集地
原理及算法
抛物线转向原理
简单概括为：首先需要确定极值点（最高价或最低价 EP）。然后在它的基础上加上从 0.02 起步的加速因子（AF），然后每当触及下一个极值点时，再加 0.02。AF的最高为 0.20。然后用极点价与前一时段 SAR 之间的差值乘以加速因子，然后再加上前一时段的 SAR。
涨势中的算法
第一步：假设时间段是t。SAR(t)等于前面N个时间段的最低价格。Af(t)的初始值为0.02。
-
如果SAR(t)大于t时间段的最低价L(t)，则发生跳转，在下一个时间段时进入跌势；
-
如果SAR(t)不大于t时间段的最低价L(t)，在下一个时间段时进入涨势；
-
极值Ep(t)等于最近N个时间段的最高价格；
第二步：时间段是t+1，即：
SAR(t+1)=SAR(t)+Af(t)*(Ep(t) – SAR(t))
-
如果SAR(t+1)大于t+1时间段的最低价L(t+1)，则发生跳转，在下一个时间段时进入跌势；
-
如果SAR(t+1)不大于t+1时间段的最低价L(t+1)，进入涨势下一步；并且，极值Ep(t+1)等于最近N个时间段的最高价格；
-
如果该时间段的最高价，即H(t+1)比前面N个时间段的最高价高，则AF(t+1)=AF(t)+0.02，否则，AF(t+1)=AF(t)。
第三步：在后面的时间段t+2，t+3，……，上重复涨势第二步中的算法，直到发生跳转为止。另外，AF的最大值是0.2。
跌势中的算法
第一步：假设时间段是t。SAR(t)等于前面N个时间段的最高价格。Af(t)的初始值为0.02。
-
如果SAR(t)小于t时间段的最高价H(t)，则发生跳转，在下一个时间段时进入涨势；
-
如果SAR(t)不小于t时间段的最高价H(t)，在下一个时间段时进入跌势；
-
极值Ep(t)等于最近N个时间段的最低价格；
第二步：时间段是t+1，即：
SAR(t+1)=SAR(t)+Af(t)*(Ep(t) – SAR(t))
-
如果SAR(t+1)小于t+1时间段的最高价H(t+1)，则发生跳转，在下一个时间段时进入涨势；
-
如果SAR(t+1)不小于t+1时间段的最高价L(t+1)，进入跌势下一步；并且，极值Ep(t+1)等于最近N个时间段的最低价格；
-
如果该时间段的 最低价 L(t+1)，比前面N个时间段的最低价低，则AF(t+1)=AF(t)+0.02，否则，AF(t+1)=AF(t)。
第三步：在后面的时间段t+2，t+3，……，上重复涨势第二步中的算法，直到发生跳转为止。另外，AF的最大值是0.2。
关于SAR的算法，有很多种版本，上面这种算法只是其中之一，算法结构都差不多，区别是在细节上，比如：加速因子的触发条件、Ep(t)的确定算法等，会有所区别。
-
NO.4
QUANT.LA 量化干货聚集地
SAR实例
上述的算法过程，你可能会看的云里雾里。不过你可以利用BotVS量化交易平台，直接引用talib库中的SAR指标：
首先引用：☑商品期货交易类库
image.png
由上述几行代码就可以获取SAR指标：
-
第一行：程序主函数；
-
第二行：调用商品期货交易类库中的CTA框架，并传入两个参数（合约代码，回调函数）；
-
第三行：获取K线数组；
-
第四行：控制K线数组的长度；
-
第七行：调用talib库中的SAR函数；第一个参数是K线数组，第二个参数是加速因子的起始值，第三个参数是加速因子的最大值。
-
第八行：测试，把计算好的SAR数组打印到日志上；
-
NO.5
QUANT.LA 量化干货聚集地
SAR优缺点
SAR优点
-
一定程度上减少了趋势型指标的滞后性。通过加速因子，每当行情快速波动的时候，SAR的变动速度也会加快，一旦价格失速或者反转，SAR都会紧贴价格走势，保护好利润或防止亏损扩大。
-
尽管SAR算法很复杂，但从图形和运用上，与均线类似，属于价格与时间并重的趋势型分析系统，即使是初学者，使用起来也非常简单。
-
一般的技术指标只有在K线走完后才能确定，而SAR在当根K线走完后就能确定下根K线的停损点，止盈止损可以做到提前心中有数，保持操作的主动性，避免被动追随的缺点。
SAR缺点
-
当行情陷入窄幅整理时，SAR经常会交替出现买卖信号，导致信号失效。
-
计算SAR需要一定的周期数据，这也代表了它并不能完全消除滞后性。
-
NO.6
QUANT.LA 量化干货聚集地
策略构建
单独的SAR是一套「反转系统」，即价格在止损点之上是多头，价格在止损点之下是空头，也就是说头寸永远停留在市场内，趋势向上就作多，趋势向下就作空，但是如果行情在盘整时就会来回亏损。
事实上在策略构建中，SAR更适合作为出场点：
-
在行情上涨走势中，每根K线的SAR 都高于上一根K线的SAR，止损点在逐步上移，从而保证浮盈也在逐步上移，这就是典型的移动止损。
-
在行情加速上涨走势中，AF 加大，EP 增大，从而进一步加速止损点上移的速度，保证在强势情况下，止损点能紧密跟随股价的走势，并锁定更多的收益。
所以，为了避免过于频繁短线，限制交易次数，同时过滤震荡行情，在进场点上，加入了长期移动平均线（MA）。
入场点
-
多头买入开仓：如果当前无持仓，并且收盘价高于对应的SAR值，并且收盘价格大于长周期移动平均线，就在下一根K线开盘买入；
-
空头卖出开仓：如果当前无持仓，并且收盘价低于对应的SAR值，并且收盘价格小于长周期移动平均线，就在下一根K线开盘卖出；
出场点
-
多头卖出平仓：如果当前持有多单，并且收盘价低于对应的SAR值，就在下根K线开盘卖出；
-
空头买入平仓：如果当前持有空单，并且收盘价高于对应的SAR值，就在下根K线开盘买入；
-
NO.7
QUANT.LA 量化干货聚集地
策略源码
模板引用：☑ 商品期货交易类库
策略源码：
image
参数设置：
image
图片来源：BotVS量化交易平台
回测设置：
image
图片来源：BotVS量化交易平台
回测绩效：
image
image
图片来源：BotVS量化交易平台
-
NO.8
QUANT.LA 量化干货聚集地
总结
抛物线转向指标有一项哲学假设：只有继续高于最新抛物线转向指标的走势才值得您花费时间和资金。另外，它还可以作为出场条件，可以与其他条件组成攻守兼备的交易策略。
交易者最难克服的就是：在盈利时落袋为安的心里，一点蝇头小利就想及早卖出。在亏损时固执侥幸的心里，小的亏损积累成大亏损。你如果没有一个相当明确的买卖法则，一定受不了心里的诱惑或恐惧，乱买卖一通。使用正期望的交易规则来约束自己，才是广大散户最捷径的道路。共勉！
作者： Hukybo
由 BotVS 宽客在线 首发授权刊载
网友评论