高频交易算法研发心得--WAVT指标(Warensoft交易量趋势指标)算法及应用
2017-01-16 15:12
375 查看
高频交易算法研发心得--WAVT指标(Warensoft交易量趋势指标)算法及应用
注:WAVT指标由Warensoft(王宇)原创。
前面聊了一系列的常见应用指标,包括短线、长线的指标,并且也无耐的指出每种指标的问题。当然每写一篇文章,也都是一次学习过程。经过一年多的学习研究,笔者也自创了一个应用指标,并将其命名为WAT指标,本次让我们一起来探讨一下,欢迎大家扔砖!
1.指标定义
WAVT:Warensoft交易量趋势(Warensoft Volume Trend),是根据一定时期内交易量描述出买卖趋势的指标量,适合于中长期交易。WAVT指标表达形式,如下所示:
![](https://images2015.cnblogs.com/blog/105209/201701/105209-20170116150644005-76006153.png)
如图所示,WAVT指标包括两种显示形式,一个是曲线图,一个是方波图,方波图是由曲线图计算得到的。其中,曲线图可以较为直观的显示当前行情的变化趋势,但是不便于量化交易;而方波图是对曲线图进行了一次数值变换,适合计算机进行量化交易。
2.趋势线的计算
我相信有很多程序猿和我一样,一直都希望通过行情变化曲线的极值点,来捕获最合理的买卖时机。这里存在两个技术难点:
曲线是否平滑(曲线不平滑,就难以确定极值点)
曲线的末端是否稳定(不稳定,就会常常出现误判)
对于趋势线的计算,最简单的想法是利用K线进行绘制。由于K线是市场的最直接反映,所以其波动性会比较大,因此,以K线作为数据源的话,整个图像中出现的M头或W底会非常的多。
前段时间,研究了一下OBV指标,同时,有一个10多年的老股民朋友(也是资深软件工程师)告诉我说:“可以利用交易量来模拟行情”。本人大受启发,因此,WAVT的趋势线的数据源是来自市场交易量的。
前一篇文章中(谈RSI指标),我们说过经典的MACD以及MA均线,都是从固定周期的价格作为判读的指导思想,并将价格进行平滑处理,然后得到可参考的判读结果。排除个人经验外,这些计算方法从方法论层面上来说是一种数值化判定方法(即:先有数据,再判定结果)。
然而基于交易量的OBV指标,则是从交易量的角度,分析人们的交易信心(信心是无法量化的),因此,OBV指标是带有预测性。另外,相同周期的OVB指标要比MA指标更靠近真实行情,同时OBV的曲线要比MA的曲线平滑得多!
咱们书归正文,WAVT指标中的趋势线算法描述如下:
经过上面4个步骤,我们就可以得到WAVT趋势线。具体算法比较复杂,看官们可以自己实现,或者调用Warensoft Stock Service Client来实现。其图像如下所示:
![](https://images2015.cnblogs.com/blog/105209/201701/105209-20170116150903739-1467371777.png)
3.方波图的计算
趋势线的特点是比较直观,适合人眼来观察行情,但是不便于计算机量化处理。下面我们来进行方波化变换,以便计算机量化。其过程如下:
经过上面3个步骤,我们就可以得到WAVT方波图,其图像如下所示:
![](https://images2015.cnblogs.com/blog/105209/201701/105209-20170116151012583-352710431.png)
4.应用方式
通过前面的算法描述,我们不难发现,方波图可以较好的把握大体的买卖时机,即:
当数据由负值向上穿越0线时,可以买入
当数据由正值向下穿越0线时,可以卖出
如下图所示:
![](https://images2015.cnblogs.com/blog/105209/201701/105209-20170116151057989-2062559481.png)
5.总结
本指标算法尚在测试中,应用需要谨慎。
WAVT指标可以用于中长期的交易,但是只能大体来把握趋势,和其他技术指标一样,WAVT指标存在一定的延时性,在应用的时候会错过最最低值和最最高值。
注:WAVT指标由Warensoft(王宇)原创。
前面聊了一系列的常见应用指标,包括短线、长线的指标,并且也无耐的指出每种指标的问题。当然每写一篇文章,也都是一次学习过程。经过一年多的学习研究,笔者也自创了一个应用指标,并将其命名为WAT指标,本次让我们一起来探讨一下,欢迎大家扔砖!
1.指标定义
WAVT:Warensoft交易量趋势(Warensoft Volume Trend),是根据一定时期内交易量描述出买卖趋势的指标量,适合于中长期交易。WAVT指标表达形式,如下所示:
![](https://images2015.cnblogs.com/blog/105209/201701/105209-20170116150644005-76006153.png)
如图所示,WAVT指标包括两种显示形式,一个是曲线图,一个是方波图,方波图是由曲线图计算得到的。其中,曲线图可以较为直观的显示当前行情的变化趋势,但是不便于量化交易;而方波图是对曲线图进行了一次数值变换,适合计算机进行量化交易。
2.趋势线的计算
我相信有很多程序猿和我一样,一直都希望通过行情变化曲线的极值点,来捕获最合理的买卖时机。这里存在两个技术难点:
曲线是否平滑(曲线不平滑,就难以确定极值点)
曲线的末端是否稳定(不稳定,就会常常出现误判)
对于趋势线的计算,最简单的想法是利用K线进行绘制。由于K线是市场的最直接反映,所以其波动性会比较大,因此,以K线作为数据源的话,整个图像中出现的M头或W底会非常的多。
前段时间,研究了一下OBV指标,同时,有一个10多年的老股民朋友(也是资深软件工程师)告诉我说:“可以利用交易量来模拟行情”。本人大受启发,因此,WAVT的趋势线的数据源是来自市场交易量的。
前一篇文章中(谈RSI指标),我们说过经典的MACD以及MA均线,都是从固定周期的价格作为判读的指导思想,并将价格进行平滑处理,然后得到可参考的判读结果。排除个人经验外,这些计算方法从方法论层面上来说是一种数值化判定方法(即:先有数据,再判定结果)。
然而基于交易量的OBV指标,则是从交易量的角度,分析人们的交易信心(信心是无法量化的),因此,OBV指标是带有预测性。另外,相同周期的OVB指标要比MA指标更靠近真实行情,同时OBV的曲线要比MA的曲线平滑得多!
咱们书归正文,WAVT指标中的趋势线算法描述如下:
public List<TimeValuePair> GetWAVTTrendLine() { //1.首先获取带有Vol值的K线数据。 var kline = GetKline(); //2.计算OBV指标值,注意这里使用40做为平滑周期 var obv = GetOBV(kline,40); //3.获取极值点采样,注意这里需要进行两次采样,因此参数为2 var peeks = GetPeekPoints(obv, 2); //4.因为极值点数据,在时间上是不连续的, //因此,需要对极值点数据进行线性插值,以保证每个时间点上都有数据 peeks = InterplotData(peeks); }
经过上面4个步骤,我们就可以得到WAVT趋势线。具体算法比较复杂,看官们可以自己实现,或者调用Warensoft Stock Service Client来实现。其图像如下所示:
![](https://images2015.cnblogs.com/blog/105209/201701/105209-20170116150903739-1467371777.png)
3.方波图的计算
趋势线的特点是比较直观,适合人眼来观察行情,但是不便于计算机量化处理。下面我们来进行方波化变换,以便计算机量化。其过程如下:
//1.计算WAVT趋势线 var trendLine = GetWAVTTrendLine(); //2.所有数据减去前一个数值,得到方波值 var value = trendLine[i] - trendLine[i - 1]; //3.对方波数据进行噪声滤波,以去掉干扰数据 value = MakeFilter(value);
经过上面3个步骤,我们就可以得到WAVT方波图,其图像如下所示:
![](https://images2015.cnblogs.com/blog/105209/201701/105209-20170116151012583-352710431.png)
4.应用方式
通过前面的算法描述,我们不难发现,方波图可以较好的把握大体的买卖时机,即:
当数据由负值向上穿越0线时,可以买入
当数据由正值向下穿越0线时,可以卖出
如下图所示:
![](https://images2015.cnblogs.com/blog/105209/201701/105209-20170116151057989-2062559481.png)
5.总结
本指标算法尚在测试中,应用需要谨慎。
WAVT指标可以用于中长期的交易,但是只能大体来把握趋势,和其他技术指标一样,WAVT指标存在一定的延时性,在应用的时候会错过最最低值和最最高值。
相关文章推荐
- 高频交易算法研发心得--MACD指标算法及应用
- 高频交易算法研发心得--RSI指标及应用
- 高频交易算法研发心得—最稳妥的低风险交易策略
- 高频交易算法研发心得--均线算法
- 高频交易算法研发心得--序言
- 高频交易算法研发心得—最稳妥的低风险交易策略
- 高频交易算法研发心得—最稳妥的低风险交易策略
- Silverlight游戏研发手记:(二)四叉树遍历与人工智能A*算法在SLG移动路径范围测算中的应用
- C++还是Java 哪个响应高频交易应用比较快?
- 多线程应用程式中调用窗体的一点心得-.NET教程,算法/线程
- 【转】谈高频交易中的冰山算法
- 高频交易都有哪些著名的算法
- 经典指标:SAR算法和应用
- 如何判断一笔交易是否属于欺诈 数据挖掘算法与现实生活中的应用案例
- 程序化交易、算法交易、量化投资、高频交易、统计套利,这些名词之间的关系是怎么样的?
- Silverlight.XNA(C#)跨平台3D游戏研发手记:(二)四叉树遍历与人工智能A*算法在SLG移动路径范围测算中的应用
- Silverlight.XNA(C#)跨平台3D游戏研发手记:(二)四叉树遍历与人工智能A*算法在SLG移动路径范围测算中的应用