原文参考：http://tecdat.cn/?p=4600
趋势交易策略是至今应用最广泛以及最重要的投资策略之一，它的研究手段种类繁多，所运用的分析工具也纷繁复杂，其特长在于捕捉市场运动的大方向。股指期货市场瞬息万变，结合趋势分析方法，量化投资策略能够得到更有效的应用。
均线系统作为最古老的技术分析手段之一，至今仍在沿用，同时它也是运用最广泛的技术指标体系。最常用的移动平均线是简单移动平均线，而后在此基础上延伸出了很多类型的移动平均线，如指数移动平均（EMA），加
权移动平均（WMA）,还有按成交量加权移动平均（VWMA）等。
由于均线的参数不同，均线所刻画的价格趋势也不相同，所以，单纯使用一条均线不能全面的刻画市场的趋势。对于日内高频交易来说，市场的趋势时短时长，因此需要采用多条不同周期的均线，从不同的角度来反映市场不同周期内的趋势。Triple Moving Average 策略（以下简称 TMA），顾名思义采用的是三条简单移动平均线
（SMA），选择不同周期的参数来刻画期指日内的短期，中期以及长期趋势。通常，三个参数的设定范围为短期（5 分钟～15 分钟），中期（20 分钟～40 分钟），长期（50 分钟～90 分钟）。
在 TMA 的基础上，我们设计了如下的指标：
Up Bound=Max (SMA(Fast),SMA(Middle),SMA(Slow) )
Dn Bound=Min ( SMA(Fast),SMA(Middle),SMA(Slow) )
指标采用 1 分钟收盘价作为价格时间序列，当收盘价第一次上穿 Up Bound时确认为买入时机，当收盘价第一次下穿 Dn Bound 时确认为卖出时机。
由于backtester_v4.2投资组合软件包中已经给出了SMA的方法，因此我们可以对其进行简单的修改，从而实现TMA策略。
通过getTMA可以得到不同窗口宽度下的收盘价：
通过getPosSignFromTMA我们可以通过三条均线得到的不同收盘价来采取不同的交易策略：
通过getPosSize我们可以得到某支股票的交易量
最终可以通过getInSampleOptResult得到三条均线不同组合下的最佳市盈率
有问题欢迎交流讨论 qq 570881451
部分源码
getOrders <- function(store, newRowList, currentPos, params) {
allzero<- rep(0,length(newRowList)) # used for initializing vectors
if (is.null(store))
store <- initStore(newRowList)
else
store <- updateStore(store, newRowList)
################################################
pos <- allzero
if (store$iter > params$lookbacks$long) {
for(i in 1:2){
size=getPosSize(store$cl[[i]][store$iter])
pos[[i]]=getPosSignFromTMA(getTMA(as.xts(store$cl[[i]]),params$lookbacks))*size
}
}
marketOrders <- -currentPos + pos
return(list(store=store,marketOrders=marketOrders,
limitOrders1=allzero,limitPrices1=allzero,
limitOrders2=allzero,limitPrices2=allzero))
}
########################################################################
# The following function should be edited to complete steps 1 to 3
# of comp22 assignment 2
getTMA <- function(close_prices, lookbacks) {
if (!("long"%in% names(lookbacks) && "short"%in% names(lookbacks) && "medium"%in% names(lookbacks) ))
stop("E01: At least one of \"short\", \"medium\", \"long\" is missing from names(lookbacks)")
# Replace TRUE to
# check that the elements of lookbacks are all integers
if( !(class(lookbacks[[1]])=="integer" && class(lookbacks[[2]])=="integer" && class(lookbacks[[3]])=="integer"))
stop("E02: At least one of the lookbacks is not an integer according to is.integer()")
# Replace TRUE to
# check that lookbacks$short < lookbacks$medium < lookbacks$long
if (!(lookbacks[[1]]
stop("E03: The lookbacks do not satisfy lookbacks$short < lookbacks$medium < lookbacks$long")
# Replace TRUE to
# check that close_prices is an xts
if (!(class(close_prices)[1]=="xts"))
stop("E04: close_prices is not an xts according to is.xts()")
# Replace TRUE to
# check that close_prices has enough rows
if (nrow(close_prices)
stop("E05: close_prices does not enough rows")
# Replace TRUE to
# check that close_prices contains a column called "Close"
if (!(colnames(close_prices)=="Close"))
stop("E06: close_prices does not contain a column \"Close\"")
sma=numeric(0)
for(i in 1:3){
sma[i] <-as.numeric(last(SMA(close_prices,n=lookbacks[[i]]))) # TTR version # convert to vector from xts
}
smalist <- list(short=sma[1],medium=sma[2],long=sma[3])
return(smalist)
}
getPosSignFromTMA <- function(tma_list) {
# This function should return a single number that is:
#1 if the short SMA < medium SMA < long SMA
#-1 if the short SMA > medium SMA > long SMA
#0 otherwise
ret=0
if(tma_list[[1]]
else if(tma_list[[1]]>tma_list$medium && tma_list$medium>tma_list[[3]])ret=-1
else ret=0
return(ret)
}
getPosSize <- function(current_close,constant=1000) {
return(floor(constant/current_close))
}
getInSampleResult <- function() {
period=getInSamplePeriod('x4jr')
start=period[1]
end=period[2]
datalist=getData(directory="A2")
datalist <-lapply(datalist, function(x)x[start:end])
sMult=0.2
series=1:length(datalist)
params <-list(lookbacks=list(short=as.integer(10),medium=as.integer(20),long=as.integer(30)),sdParam=1,series=series)
results <- backtest(datalist, getOrders, params, sMult)
pfolioPnL <- plotResults(datalist,results)
return(pfolioPnL[[3]])
#> pfolioPnL[[3]]
#[1] -1625.5
}
getInSampleOptResult <- function() {
period=getInSamplePeriod('x4jr')
start=period[1]
end=period[2]
dataList <- getData(directory="A2")
dataList <- lapply(dataList, function(x) x[start:end])
medium <- seq(from=105,to=120,by=5)
short <- seq(from=100,to=110,by=5)
long <- seq(from=110,to=130,by=5)
time <- matrix(0,28,3)
numberComb <- 28
sMult <- 0.2 # slippage multiplier
rr=1
for(l in long)
for(m in medium)
for(s in short)
if(s< l){time[rr,]=c(as.integer(s),as.integer(m),as.integer(l));rr=rr+1}
pfolioPnLList <- vector(mode="list",length=numberComb)
count <- 1
bestPD <- 0
resultsMatrix=matrix(0,28,4)
for (i in 1:28) {
short=as.integer(time[i,1]);medium=as.integer(time[i,2]);long=as.integer(time[i,3]);
lookbacks <-list(short=short,medium=medium,long=long)
params <- list(lookbacks=lookbacks)
results <- backtest(dataList, getOrders, params, sMult)
pfolioPnL <- plotResults(dataList,results)
resultsMatrix[count,] <- c(lookbacks[[1]],lookbacks[[2]],lookbacks[[3]],pfolioPnL$fitAgg)
pfolioPnLList[[count]]<- pfolioPnL
cat("Just completed",count,"out of",numberComb,"\n")
print(resultsMatrix[count,])
count <- count + 1
}
print(resultsMatrix[order(resultsMatrix[,4]),])
bsetPD=max(resultsMatrix[,4])
return(bsetPD)
#> bsetPD
#[1] 3.28
}
原文请浏览官网
【拓端数据tecdat.cn】第三方数据服务提供商,提供全面的统计分析与数据挖掘咨询服务,为客户定制个性化的数据解决方案与行业报告等。
中国专业的统计分析和数据挖掘咨询服务商：拓端数据（商务合作请联系官网客服）
帅的小伙伴都关注了拓端数据团队^..^~
QQ交流群：186388004
微信公众号：拓端数据
微信客服号：lico_9e