惯性聚合 高效追踪和阅读你感兴趣的博客、新闻、科技资讯
阅读原文 在惯性聚合中打开

推荐订阅源

V
Visual Studio Blog
奇客Solidot–传递最新科技情报
奇客Solidot–传递最新科技情报
G
Google Developers Blog
J
Java Code Geeks
爱范儿
爱范儿
Microsoft Azure Blog
Microsoft Azure Blog
美团技术团队
人人都是产品经理
人人都是产品经理
Martin Fowler
Martin Fowler
IT之家
IT之家
博客园_首页
B
Blog RSS Feed
Google DeepMind News
Google DeepMind News
B
Blog
U
Unit 42
Apple Machine Learning Research
Apple Machine Learning Research
L
LangChain Blog
Stack Overflow Blog
Stack Overflow Blog
罗磊的独立博客
N
Netflix TechBlog - Medium
T
Tailwind CSS Blog
博客园 - 聂微东
腾讯CDC
A
About on SuperTechFans

お前はどこまで見えている

基于成交量预测市场走势 深入理解BashShell重定向 PowerShell常见问题 波动率与换手率中的牛熊密码 通道突破择时策略 均线择时策略 Partial Plots 因子投资基础 Permutation Importance Use Cases for Model Insights 天文相关资源汇总 被讨厌的勇气 量化笔试数理知识复习 你当像鸟飞往你的山 Python模块logging 失去的二十年:日本经济长期停滞的真正原因 PyTorch的hook机制 A股交易规则 强化学习概述
低延迟趋势线择时策略
hotarugali · 2024-05-21 · via お前はどこまで見えている

1. 简介

传统移动平均线(Moving Average, MA)是金融市场分析中常用的技术指标之一,主要用于平滑价格数据以识别趋势方向。然而,尽管移动平均线在趋势识别方面具有一定的效用,但它也存在明显的局限性:

  • 时滞性:MA 捕捉的是历史的价格趋势变化,无法及时反映市场的真实情况。
  • 平滑性与时滞性的矛盾:MA 的平滑性越好,通常意味着使用的时间窗口越长,对应的时滞性也越大。
  • 趋势跟随问题:由于 MA 的时滞性,它主要用于趋势跟随策略,即在明确的趋势市场中表现较好。在市场趋势不明显或市场横盘震荡时,MA 的效果会大打折扣。
  • 市场波动率的影响:在高波动性的市场环境中,MA 可能会频繁地穿越价格,导致频繁的交易信号。
  • 参数选择的主观性:MA 的参数选择很大程度上取决于分析师或交易者的主观判断。

本文将介绍一种改进的择时指标,即低延迟趋势线 LLT(Low-Lag Trendline)。

2. 低延迟趋势线

低延迟趋势线(LLT)是为了解决传统移动平均线(MA)在趋势跟踪时存在的时滞问题而设计的一种技术指标。LLT 的构造思路主要基于信号处理理论,特别是滤波器的概念,目的是在保留趋势信息的同时减少延迟

2.1 信号处理滤波器

在信号处理中,滤波器用于去除或减弱信号中的某些频率成分。比如,低通滤波器可以减少高频噪声,而保留低频信号。LLT 的构造就是基于这样的原理,通过设计一个滤波器来捕捉价格变动的主要趋势,同时减少不必要的波动和延迟。

2.2 一阶滤波器

指数移动平均线(EMA)是 MA 的一种改进形式,它通过给予近期价格更高的权重来减少时滞。EMA 的本质是一个一阶低通滤波器,但这种滤波器在处理价格信号时仍有改进空间,尤其在截止频率附近,信号可能会被过度平滑。

2.3 选择合适阶数的滤波器

为了提高滤波效果,我们需要选择合适的滤波器阶数。往往越高阶的滤波器可以更快地衰减高频信号,但可能会引入更大的不稳定性和通带波动。LLT 的构造方法选择了二阶滤波器,二阶滤波器相比于一阶滤波器,在截止频率附近可以更快的地衰减高频信号,同时避免了通带波动的问题,可能更有效地区分趋势信号和噪声。

2.4 构造 LLT

LLT 的核心设计是一个二阶低通滤波器,这个滤波器的目标是保留低频部分的信号,即价格趋势;同时过滤掉高频部分的信号,即短期波动。通过这种方式,LLT 可以在保持趋势信号完整的同时,减少对短期波动的敏感性。

LLT 的公式如下:

LLT=(α−α22)×pt+(α22)×pt−1−(α−3α24)×pt−2+2×(1−α)×LLTt−1−(1−α)2×LLTt−2LLT = (\alpha - \frac{\alpha^2}{2}) \times p_t + (\frac{\alpha^2}{2}) \times p_{t-1} - (\alpha - \frac{3\alpha^2}{4}) \times p_{t-2} + 2\times(1-\alpha) \times LLT_{t-1} - (1-\alpha)^2 \times LLT_{t-2}

其中,α\alpha 为平滑系数,(α−α24)×pt(\alpha - \frac{\alpha^2}{4}) \times p_t 表示当前价格的加权,(α22)×pt−1(\frac{\alpha^2}{2}) \times p_{t-1} 表示前一个时刻价格的加权,(α−3α24)×pt−2(\alpha - \frac{3\alpha^2}{4}) \times p_{t-2} 表示前两个时刻价格的加权,2×(1−α)×LLTt−12\times(1-\alpha) \times LLT_{t-1} 表示前一个时刻 LLT 值的加权,(1−α)2×LLTt−2(1-\alpha)^2 \times LLT_{t-2} 表示前两个时刻 LLT 值的加权。

在 LLT 中,α\alpha 参数类似于 EMA 中的平滑系数,它决定了当前价格与历史价格之间的相对权重。α\alpha 越小,延迟越高,平滑性越好。α\alpha 值的选取会影响 LLT 对价格变动的响应速度。

3. 基于 LLT 的择时策略

LLT 和均线都是属于趋势线,因此 LLT 的择时方法和均线是类似的。通过观察 LLT 线的走势,可以判断市场的当前趋势。如果 LLT 呈上升趋势,即 LLT 随着时间的推移而增加,这通常表示市场处于上升趋势中;相反,如果 LLT 线呈下降趋势,表示市场处于下降趋势。具体方法有:

  • 当日的 LLT 值大于昨日的 LLT 值为做多信号,反之为做空信号。
  • 当日 LLT 的 nn 日平均值大于昨日 LLT 的 nn 日平均值为做多信号,反之为做空信号。
  • 用最近 nn 日的 LLT 值构建线性回归方程,线性回归的斜率是正数为做多信号,斜率是负数为做空信号。

参考资料