程序化交易初级程 第10-14章.pptVIP

//布林线突破回撤交易策略 inputs: BollLength(26),NumDevsDn(2),Losspercent(2), //定义布林线区间长度和标准差倍数 FloorPercent(2),TrailingPct(20),UnitValue(300); //定义最低止盈目标，盈利回落和标的单位价值 variables: UpperBand(0),LowerBand(0), //定义布林线上下轨变量 FloorProfit(0),Stoploss(0); //定义止盈和止损变量 UpperBand = BollingerBand( c, BollLength, NumDevsDn ); //计算布林线上轨 LowerBand = BollingerBand( c, BollLength, -NumDevsDn ); //计算布林线下轨 if c crosses over LowerBand then //突破下轨反弹开多 Buy ( !( 上穿下轨开多 ) ) next bar at LowerBand stop; if c crosses under UpperBand then //突破上轨回落开空 Sell short ( !( 下穿上轨开空 ) ) next bar at UPPerBand stop; //风险控制模块 SetStopShare; //以每股计算盈利 FloorProfit=c*FloorPercent/100*UnitValue; //计算按百分比计算的最低盈利额 Stoploss=c*LossPercent/100*UnitValue; //计算按百分比计算的最低盈利额 SetPercentTrailing( FloorProfit, TrailingPct ); //设置达到最低盈利后回落止盈 setstoploss(Stoploss); //设置达到最大亏损后止损 图12-15增加止损止盈命令的布林线突破回撤交易策略程序 图12-16有无止损止盈命令的布林线突破回撤交易策略的优化模拟结果 （2）调整策略思想 由于布林线突破回撤交易策略是一种区间震荡策略，区间震荡时期交易效果较好，而对趋势的跟踪效果就甚差。由于市场既有震荡又有趋势，因此，要提高策略绩效，就需要调整策略思想，使之更加适应市场。 在此，我们将布林线突破回撤逆趋势策略与阻力支撑趋势跟踪策略组合，以弥补单一策略难以适应复杂市场的缺陷。策略程序如图7-15所示，其参数优化后的模拟运行效果如图12-17所示。将该图两个子图比较可见，组合策略比单一策略在适应市场形态方面的能力有了大幅提高。后者的盈利能力和稳定性也有较大程度的提高。这说明，策略的优化不仅是参数的优化，更重要的是策略思想的优化，策略功能的完善。 图12-18布林线突破回撤与+阻力支撑趋势跟踪策略的模拟结果比较 13.4.1 历史测试与现实交易的差异 对交易系统的历史测试和优化是以历史数据为依据进行的，其隐含的假设前提是，历史是会重演的。因此，交易系统对历史数据的模拟和优化是可以用于指导未来交易的。但是，虽然历史是会重演的，但历史绝不会简单地重演。因此，我们利用历史数据模拟优化的具有很好绩效的交易系统在实际交易中往往并不能够获得模拟测试的效果。我们必须对此有充分的认识。 造成模拟与现实差异的原因是多方面的，许多程序化交易的先驱们为了缩小这种差距进行了无数的探索。作为最成功的海龟交易者之一的柯蒂斯.费思在著名的《海龟交易法则》一书中认为，历史测试结果和实际交易结果的差异主要是由四大因素造成的： （1）交易者效应 如果一种方法在近期赚了很多钱，那么其他交易者很可能注意到它，可是用类似的方法模仿它，这很容易导致这种方法的效果不再像一开始那样好。 （2）随机效应（Randomeffect） 历史测试的结果夸大了系统的内在优势也可能是纯随机性的现象。现实世界存在许多不确定性因素，它们的发生既有特定的规律，也有许多随机因素的影响。因此，这些随机性因素必然会对交易系统在不同时间的表现产生重要的影响。 （3）最优化矛盾（optimizationparadox） 选择特定参数的过程（比如选择25日移动均线而不是30日移动均线）可能降低事后测试的预测价值。最优化过程一方面可以提高系统在未来表现良好的概率，另一方面却会降低系统未来表现符合模拟测试结果的概率。我们必须对此有一清醒的认识。有些人