SF30 | 双均线交易模型的震荡过滤

 致力于分享量化策略，培训视频，Python，算法研究等相关内容

大家好，我是乌克兰剑圣。

均线指标实际上是移动平均线指标的简称，移动平均线（Moving Average，简称MA）由美国投资专家葛兰威尔（jogepsb ganvle）所创立，由道氏理论的“三种趋势说”演变而来，将道氏理论具体的加以数字化，从数字的变动中去预测股价未来短期、中期、长期的变动方向，为投资决策提供依据。

时至今日，均线的计算方法有很多种变形，MA,EMA,SMA,AMA等计算方式。无论哪一种变形，都无法避免粘合缠绕，如下图：

俗称震荡，从趋势交易的角度来看，这种没有趋势行情的就是回撤期。基于均线的交易模型在这种行情下会亏损，也就是失效。

衍生品市场(不含期权)宏观上分为这三种走势，均线指标已经做的很好，只要有趋势，绝对可以捕捉到。但是它的缺点太致命，趋势赚的钱会在震荡里赔光。

进入正题，我们如何在不增加优化参数的前提下，实现震荡过滤。

步骤一：平滑均线

MA1=SMA((H+L+C)/3,M/S,S);//计算SMA指数加权均线Slow_MA1=XAverage(MA1,M/S); //取MA1的均值MA2=SMA((H+L+C)/3,M,S);//计算长周期SMA指数加权均线Slow_MA2=XAverage(MA2,M);//取MA2的均值

这一步很常用，就是均线的均线。

步骤二：计算波动差

DLH=Slow_MA1-Slow_MA2;//计算加权指数波动差

步骤三：组合过滤规则(部分代码)

  DK=(DLH>MADLH and DLH>0) and (MA1>Slow_MA1)  KK=(DLH