覆盤一個商品期貨的通用模型

數量技術宅發表於2021-11-03

更多精彩內容,歡迎關注公眾號:數量技術宅,也可新增技術宅個人微訊號:sljsz01,與我交流。

技術宅今年年初,在我們的策略商城中,上線了商品期貨中長線通用模型,該模型適用於30個成交活躍的商品期貨品種。並且與市場主流中長線模型不同的是,該模型呈現出市場震盪期橫盤為主不大幅回撤、市場趨勢期大幅盈利的特徵。

先一起來看下圖,策略在商城上線時,測試的績效曲線。

測試周期從2017年1月1日到2021年3月11日,30個主流商品期貨品種,手續費雙邊萬2+2滑點。

 策略自從商城上線,到最新交易日,經過了7個多月的時間。那麼,策略到最新的表現如何?讓我們一起來複盤。

測試周期從2017年1月1日(起始時間不變)到2021年10月18日,依然是30個主流品種,測試成本不變,也是雙邊萬2+2滑點。下面是最新的績效:

 上圖紅線左側是策略在商城上線前的績效,右側是上線後的績效。可以看到,策略在樣本外,依然保持了樣本內的震盪期橫盤、趨勢期大幅創歷史新高的優秀表現。並且在樣本外,策略選入的30個品種,仍然是全部盈利。

 再一起看上圖最後一行彙總的紅色劃線部分,總盈利220.9萬,最大使用資金72.7萬,最大回撤19.3萬。由這幾個資料可以計算出策略的核心績效指標:

 最後,我們簡要介紹策略的邏輯,策略主體邏輯是趨勢的K線形態識別:

1)通過識別出大概率會延續趨勢的K線形態,當滿足該形態條件時,進行開倉操作。

2)在持倉過程中,對每根新的K線進行形態判斷,判斷趨勢是否會延續,如果判斷為真,則繼續持倉,如果判斷為假,則平倉。

總結一下:策略的所有交易,都完全依賴於趨勢的形態識別。

例如,近期有特大行情的動力煤(ZC)、矽鐵(SF),策略在極早期就識別出了趨勢,相比較傳統的通道類、均線類模型更早,並且在行情發展過程中,形態識別也準確的把握住了趨勢,並沒有因為趨勢發展過程中的大跌洗盤過早的出場。

 

 

而對於弱勢品種紙漿(SP),策略也在趨勢產生後即開始做空,並一直持有,隨著商品整體趨勢的反轉,紙漿空頭也獲利頗豐

 

 該策略有tb旗艦版、tbquant兩個版本,可供大家選擇。如果對策略感興趣,歡迎聯絡技術宅微信:sljsz01或sljsz05。

 


往期乾貨分享推薦閱讀

數字貨幣穩定幣對網格做市策略

數字貨幣資金費策略

分享一個年化15%以上的無風險套利機會

網格交易系統開發

通過深度學習股價截面資料分析和預測股票價格

Omega System Trading and Development Club內部分享策略Easylanguage原始碼

一個真實資料集的完整機器學習解決方案(下)

一個真實資料集的完整機器學習解決方案(上)

如何使用交易開拓者(TB)開發數字貨幣策略

股指期貨高頻資料機器學習預測

如何使用TradingView(TV)回測數字貨幣交易策略

如何投資股票型基金?什麼時間買?買什麼?

【數量技術宅|量化投資策略系列分享】基於指數移動平均的股指期貨交易策略

AMA指標原作者Perry Kaufman 100+套交易策略原始碼分享

【 數量技術宅 | 期權系列分享】期權策略的“獨孤九劍”

【數量技術宅|金融資料系列分享】套利策略的價差序列計算,恐怕沒有你想的那麼簡單

【數量技術宅|量化投資策略系列分享】成熟交易者期貨持倉跟隨策略

如何獲取免費的數字貨幣歷史資料

【數量技術宅|量化投資策略系列分享】多週期共振交易策略

【數量技術宅|金融資料分析系列分享】為什麼中證500(IC)是最適合長期做多的指數

商品現貨資料不好拿?商品季節性難跟蹤?一鍵解決沒煩惱的Python爬蟲分享

【數量技術宅|金融資料分析系列分享】如何正確抄底商品期貨、大宗商品

【數量技術宅|量化投資策略系列分享】股指期貨IF分鐘波動率統計策略

【數量技術宅 | Python爬蟲系列分享】實時監控股市重大公告的Python爬蟲

相關文章