基于常见技术指标策略在量化交易中应用研究

摘要：程序化交易是通过数学模型和现代统计学的方法，利用计算机技术来进行交易的一种投资方式。本文首先对量化交易的定义进行说明，对量化交易的发展状况及国内外对于以量化交易所持的态度进行比较，得出量化交易的优缺点，然后在MT4的交易平台中选择XAUUSD(黄金)品种进行量化测试，通过常见策略指标CCI、RSI、KD在黄金历史数据中的测试得出该数学模型是否有效，最后对前面研究所得出的问题提出策略建议，如多种指标进行结合运用或通过盈亏比、仓位管理、指标使用周期进行改进，有效实现获利。

关键词：量化交易；黄金；技术指标；CCI；RSI；KD

第1章 绪 论

　　1.1研究背景和意义

1.1.1量化交易的背景分析

随着社会的进步，科技的发展，如今人们的生活越来越离不开科技这重要的一环了。科技的发展也带动了金融的创新。最早进行金融和科技进行创新结合的是在国外，并把这种创新称之为程序化交易。程序化交易起源于20世纪70年代的X，在1971年巴克莱投资管理有限公司的约翰·麦奎更是把程序化交易从理论研究运用到实际应用领域。程序化交易起初只是运用于股票交易中，随着金融、科技的发展，程序化交易在期货、现货、外汇等金融衍生工具都有运用。为什么程序化交易运用的范围越来越广？我们可以发现在股票、期货、现货、外汇、基金等金融衍生工具都有一个共同的特征——价格波动。既然有价格波动的产生，那么在任意时刻都会有开盘价、收盘价、最低价、最高价的出现，而K线则很好的诠释了这个价格波动。程序化交易是通过数学模型和现代统计学的方法，利用计算机技术来进行交易的一种投资方式。通过数学模型和现代统计学的方法把K线进行量化的投资方式可通过历史的回测确定该数学模型是否有效，发现其中的规律和不足，从而更好的指引投资者进行正确的投资。

程序化交易也叫量化交易，在国外，量化交易已经发展了30多年，并且从最初的只有股票公司进行研究逐渐延伸到基金公司也进行量化投资。目前国外有很多量化基金公司，其业绩也是比较稳定。在国内，最早进行量化投资的可以追溯到2004年华夏基金旗下的第一支ETF基金上证50ETF。在国内，真正引起国内投资者和机构重视量化交易的是在2010年股指期货在中金所挂牌交易，因光大证券、招商证券等在沪深300指数股票和股指期货二者之间进行套利，并且获得巨大的回报。如今，进行量化交易研究的大多数都是一些机构进行量化交易研究。对于一些投资者来说，个人进行量化交易研究是比较困难的。通过阅读大量国内外的量化交易的文献发现，国内外学者所研究的策略量化模型大多数都是比较单一的数学模型进行套利或进行高频交易，或是布林带、均线、MACD这些策略量化模型。而对于个人投资来说，更多的是通过手工进行交易的，并且是通过自己过往的投资经验或是多种指标策略进行结合投资。随着金融和科技的发展，最终量化交易会逐渐取代人工交易，这是一个趋势所向。

1.1.2本课题的研究意义

在国内，量化交易投资这一块是比较空缺的，并且对于研究一些常见的指标策略KD、CCI、RSI在K线中的应用更是甚少。因此，本文通过研究KD、CCI、RSI指标策略看单一策略是否在K线中有效，然后再研究KD、CCI、RSI指标策略的组合在K线中的作用是否有效。通过量化交易的几个技术指标在K线中的作用，从而让个人投资者能更好的认识量化交易，帮助投资者进行投资。

1.3文献综述

Brock等人（1991）通过研究支撑阻力交易策略和移动平均线交易策略，以此来判断收益率和风险率。

Bollinger（2002）第一次提出了BOLL理论，是以波动性为基础创立的布林线，以此来说明股票价格集中体现了市场的所有有价值的信息，也以此来表明个股价格的变化会改变股票价格产生的价格区间，即标注差值大小的变化会让价格区间也发生变化。

周星月（2014）用数学的方式证明BOLL指标理论用在我国股指期货市场的过往真实历史数据，来证明BOLL指标理论对于预测未来的合理性。并利用BOLL指标理论所设计的量化交易模型，有着较好的收益率，但是有待改善稳定性。

张剑等（2017）通过研究国内金融市场，提出了一种新的交易策略。以SVM多因子模型框架的MV模型，通过对历史数据的回测发现无论是做多还是做空都能得。

潘智平（2016）用了多种指标测试了股指的历史数据，分别用了唐奇安通道、移动平均线、BOLL指标的交易策略进行测试。结果表明，在中国的证券市场中，效果较好的有移动平均线和BOLL指标交易策略，相对来说唐奇安通道策略不是这么理想。

蓝海平（2014）从对市场围观结构进行分析，并且在高频过滤理论基础上提出一种交易策略。在回测过往历史数据发现该策略可以很高的控制风险，从而进行提高夏普比。

朱敏（2014）通过对技术分析理论投资来进行统计量化的，从而达到显著的收益。相对于国外的市场来说，在中国期货市场中是可以达到更高的收益率。通过对比表明我国期货市场相对来说没这么成熟，因此利用技术分析能有更大的获利空间。

谭磊(2017)通过研究趋势追踪类策略并进行改进，加入了多因子选股模型中静态和加权的方式进行研究。并通过遗传算法，得出最优权重组合，用遗传算法代替以往的传统方法，从而使策略效果更加明显。

通过以上研究可以发现量化交易是能在金融市场实现收益的，不论是常见的技术指标策略模型，还是创新改进以后的模型，都能够实现获利。量化交易相对于传统的主观意识人工交易来说，风险是较低的。通过学者的研究，可以发现移动平均线和布林带是能够获利的。因此可以通过国内外对于量化交易的研究改进模型或改变策略，去量化交易模型的设计与构建，从而让投资者能更好的进行投资。

　1.4课题研究方法及内容

1.4.1课题研究方法

本文在撰写中主要应用以下方法：

文献研究法。文献研究法是通过对一些相关的文献进行查阅来了解所研究对象的问题的一种方法。根据论文的选题方向，去查找相关的量化交易策略、K线交易的理论和相关的核心期刊、文献、书籍。在学习和参考国内外优秀专家和学者的研究成果基础上，认真分析和总结研究方法和思路，从而得出本研究的初步构想。统计法。本文所研究的是量化交易，而量化的本质就是对数据进行统计，并从中发现其问题和结论。定量研究法。本文通过对XAUUSD的历史交易数据进行回测，以此来证明常见的技术指标策略RSI、KD、CCI指标策略在黄金市场中是否可行，是否有效。实验法。本文中的所有结论和报告都是通过模拟测试得出来的结论，并且得到报告数据的。1.4.2课题研究内容

首先对量化交易的定义进行说明，对量化交易的发展状况和国内外对于以量化交易所持态度进行比较，得出量化交易的优缺点。（2）然后通过常见策略指标RSI、KD、CCI在黄金历史数据中的测试，得出结论该数学模型是否有效。

（3）最后对前面研究所得出的问题提出策略建议，比如多种指标进行结合运用或通过盈亏比、仓位管理、指标使用周期进行改进。

第2章 量化交易相关理论概述及技术分析常见指标

　　2.1 量化交易定义

量化交易是指借助现代统计学和数学的方法，利用计算机技术来进行交易的一种投资方式。量化交易本质上是一种投资工具，它所按照的交易买卖指令是通过过往投资者的经验或则数学模型进行的。并通过历史的回测可以知道该投资者的经验或该数学模型是否有效，指引投资者进行正确的投资。

　2.2 国内外量化交易对比

在国外，量化交易起源于上世纪七十年代的股票市场，之后迅速发展和普及，尤其是在期货交易市场，程序化逐渐成为主流。经过这几十年的发展，目前在国外从事量化投资的顶尖基金公司有文艺复兴、KCG、Citadel、AQR、SIG等，国外对于量化交易理论的研究有各种各样的趋势策略、反转策略、剥头皮策略、造势策略、高频交易策略、海龟交易法等，不再停留于传统的策略当中，并且这些策略不再是手工交易或半自动交易，更多的是自动化交易。

相较于国外迅猛势头，国内的量化交易起步较晚。我国是在2008年金融危机以后才出现大量的量化交易公司，这个时候才算是真正意义上接收量化交易投资。并且我国的量化基金公司主要是用量化交易进行选股或则是进行数据分析统计的，能实现真正意义上的自动化交易相对来说较少。目前，大部分的量化交易人员思路还停留在K线如何走出形态后追趋势的阶段，从本质上来讲还是出在用量化的方法驱动主观交易逻辑的层次，量化的意义只是让交易更加客观，更少受交易者主观的影响；真正用较大算法难度的统计模型驱动的高等级策略在市场上其实很少，大多都是海归团队在操作。

　2.3 量化交易的特点

量化投资和传统的定性投资本质上来说是相同的，二者都是基于市场非有效或弱有效的理论基础。两者的区别在于量化投资管理是“定性思想的量化应用”去中心化，更加强调数据。量化交易具有以下几个方面的特点：

科学性。量化交易是通过投资者过往的历史经验来建立量化交易策略模型的，并通过大量的历史数据测试最终得出结果看是否能在投资市场中运用。套利思想。量化交易通过对外汇中的各个货币对进行套利，通过每个货币对的价差来进行高买低卖。概率取胜。一是依靠组合各个货币对来取胜，而不是单个货币对取胜；二是量化交易不断从历史数据中挖掘有望重复的规律并加以利用。系统性。从大量数据中进行处理，并通过大量的模型进行回测。通过宏观周期、市场结构、估值、成长、盈利质量、分析师盈利预测、市场情绪等多个角度进行分析。客观性。根据模型的运行结果进行决策，而不是凭主观判断。客观性既可以克制主观判断中人性的贪婪、恐惧和侥幸心理等弱点，也可以克服认知偏差，进行跟踪。2.4 技术分析常见指标

2.4.1 CCI指标

CCI指标是引进价格与固定期间的K平均区间的偏离程度的概念。CCI指标强调股价平均绝对偏差在股市技术分析中的重要性，是一种比较特有的技术指标。由于对短时间内暴涨暴跌的股票的价格走势时，不会出现指标钝化现象，因此是一项有利于投资者更好地进行行情研判的指标。CCI指标是一种常见的技术性指标，它的计算公式参照文献（林赵华，2009）。

CCI指标的应用在以下两个方面：

（1）当CCI指标突破-100的时候，并且突破方向是从上而下突破，那么这个时候进入另一个新的超卖区域，如果这时候持有空单可以继续持有，也可以进行再次买跌。当价格是从-100向上突破，并且在-100区域停留了较长时间，表明空头方向有所转变。这个时候可以考虑减少空单，并且布局多单，进行买涨。

（2）CCI指标突破+100的时候，并且突破方向是从下而上突破，那么这个时候进入另一个新的超买区域，如果这个时候持有多单可以继续持有，也可以进行再次买涨。当价格是从+100向下突破，并且在+100区域停留了较长时间，表明多头方向有所转变。这个时候可以考虑减少多单，并且布局空单，进行买跌。

2.4.2 KD指标

KD指标是一种能判断行情超买和超卖的指标。其综合动量观念，强弱指标及移动平均线的优点，能准确判断买卖信号。KD的计算计算公式参照文献（周恺越，2018）。

KD指标的数值介于0~100，因此：

（1）当KD指标中K＞80，并且KD指标中D＞80，即为超买信号，达到卖出的条件；

（2）当KD指标中K＜20，并且KD指标中D＜20，即为超卖信号，达到了买入的条件。

2.4.3 RSI指标

RSI指标是通过一定时期内上涨和下跌幅度之和的比率而制作出的一种技术曲线，反映了市场在一定时期内的景气程度。RSI指标优势是根据市场多空的景气程度进行判断，进而提示具体操作。相对强弱指标RSI是用以计测市场供需关系和买卖力道的方法及指标，计算公式参照文献（麦根，2019）。

RSI指标的数值介于0~100，因此：

（1）RSI>80为超买区，则应选择卖出；

（2）RSI<20为超卖区，则应选择买进。

第3章 常见技术指标量化模型设计

　　3.1 RSI量化工具的选择与测试数据选择

3.1.1量化工具的选择

设计好的模型想要进行测试需要选择一个合适的量化工具。本文选择MT4交易平台进行量化测试。MT4是MetaQuotes Software Corp4的缩写，是由迈达克软件公司发布。选择这个交易平台进行量化测试基于两点：一是该交易平台是外汇交易平台，且在外汇市场中对于从事外汇零售交易，超过90%以上的交易量都是通过MT4交易平台成交的。虽然MT4是一个外汇交易平台，但是它的交易品种不局限于外汇，对股指、期货、股票都可以进行交易。二是MT4不仅自带各种技术指标，而且还能直接进行使用。MT4的编写语言类似于C++语言，有C++语言基础的都可直接编写量化模型，把编写的量化模型直接进行数据历史回测或直接使用交易。

3.1.2 测试数据选择

在MT4这个交易平台中，本文选择XAUUSD（黄金）这个品种进行测试。由于MT4交易平台能交易的品种众多，而本文能测试的品种有限，且仅是对K线进行研究，量化K线，因此选择了一个普遍常见并不陌生的品种XAUUSD（黄金）来进行测试。

　3.2 CCI技术指标交易策略在黄金中的运用

3.2.1 CCI技术指标交易策略量化模型构建

CCI做多入场信号是当CCI的值从-100向上突破以后，当CCI的值从100向下突破以后是做空入场信号。并且用K0表示当前最新一根K线，K1表示K0的上一根K线，K2表示K1的上一根K线，K3表示K2的上一根K线。那么对应的公式如下。

（1）入场条件：

做多入场：CCIK1>-100&&CCIK2>-100&&CCIK3<-100

做空入场：CCIK1<100&&CCIK2<100&&CCIK3>100

（2）出场条件：

做多出场：

a、盈利出场:CCIK1<100&&CCIK2<100&&CCIK3>100&&盈利金额＞10美金

b、亏损出场:CCIK1>-100&&CCIK2>-100&&CCIK3<-100&&亏损金额＞10美金

做空出场：

a、盈利出场:CCIK1>-100&&CCIK2>-100&&CCIK3<-100&&盈利金额＞10美金

b、亏损出场:CCIK1<100&&CCIK2<100&&CCIK3>100&&亏损金额＞10美金

（3）CCI指标参数：CCI=14

（4）CCI指标使用周期：15分钟级别图

3.2.2 CCI技术指标交易策略量化模型回测

对CCI技术指标测试，本文的数据回测采用的是XAUUSD(黄金)，并以5分钟级别的图进行数据回测，测试的时间是从2014年01月01日~2019年01月01日。起始资金为10000，点差是10。下单手数为0.1手。测试结果如图1所示。

图1 XAUUSD(黄金)CCI技术指标测试净值图

表1 XAUUSD(黄金)CCI技术指标测试报告

续表1

从图1中可看到，从2014年01月01日~2019年01月01日测试中，CCI指标是一直亏损的，其获利能力基本是没有的。从表1中可看到其盈亏比是0.67，并且其盈利交易胜率是44.53%，其中卖单胜率是44.18%，买单胜率是46.75%。

由于净盈利=胜率×盈利-亏率×亏损，可得到以下结论：（1）可实现正期望；（2）　可实现正期望。因此，CCI指标在XAUUSD(黄金)亏损原因是：（1）CCI指标在XAUUSD(黄金)交易胜率只有44.53%；（2）CCI指标在XAUUSD(黄金)盈利与亏损的比值只有0.67。

　3.3 KD技术指标交易策略在黄金中的运用

3.3.1 KD技术指标交易策略量化模型构建

对于KD指标，KD的值＞80为超买，KD的值＜20为超卖。构建常见的KD指标策略模型，并用K0表示当前最新一根K线，K1表示K0的上一根K线，K2表示K1的上一根K线。在MT4中的KD指标是Stochastic，那么对应的公式如下。

（1）入场条件：

做多进场：KDK2<20&&KDK1>20

做空进场：KDK2>80&&KDK1<80

（2）出场条件：

做多出场：

a、盈利出场：KDK1>80&&盈利金额＞10美金

b、亏损出场：KDK1<20&&亏损金额＞10美金

做空出场：

a、盈利出场：KDK1<20&&盈利金额＞10美金

b、亏损出场：KDK1>80&&亏损金额＞10美金

（3）KD指标参数：K=5、D=3、Slowing=3

（4）KD指标使用周期：15分钟级别图

3.3.2 KD技术指标交易策略量化模型回测

对于KD技术指标测试，本文的数据回测采用的是XAUUSD(黄金)，并以5分钟级别的图进行数据回测，测试的时间是从2014年01月01日~2019年01月01日。起始资金为10000，点差是10。下单手数为0.1手。测试结果如图2所示。

图2 XAUUSD(黄金)KD技术指标测试净值图

表2 XAUUSD(黄金)KD技术指标测试报告

续表2

从图2中可看到，从2014年01月01日~2019年01月01日测试中，KD指标是一直亏损的，其获利能力基本是没有的。从表2中可知，其盈亏比是0.8，并且其盈利交易胜率是50.51%，其中卖单胜率是50.77%，买单胜率是50.23%。

由于净盈利=胜率×盈利-亏率×亏损，可得到以下结论：（1）可实现正期望；2、可实现正期望。因此，KD指标在XAUUSD(黄金)亏损原在于KD指标在XAUUSD(黄金)盈利与亏损的比值只有0.8。

　3.4 RSI技术指标策略在黄金中的运用

3.4.1 RSI技术指标交易策略量化模型构建

RSI做多是当RSI的值<20时买入，做空是当RSI的值>80时买入。用K0表示当前最新一根K线，K1表示K0的上一根K线，K2表示K1的上一根K线。那么对应的公式如下。

（1）入场条件：

做多进场：RSI1>20&&RSI2<20

做空进场：RSI1<80&&RSI2>80

（2）出场条件：

做多出场：

a、盈利出场：RSI1>80&&盈利金额＞10美金

b、亏损出场：RSI1<20&&亏损金额＞10美金

做空出场：

a、盈利出场：RSI1<20&&盈利金额＞10美金

b、亏损出场：RSI1>80&&亏损金额＞10美金

（3）RSI指标参数：RSI=14

（4）RSI指标使用周期：15分钟级别图。

3.4.2 RSI技术指标交易策略量化模型回测

对于RSI技术指标测试，本文的数据回测采用的是XAUUSD(黄金)，并以5分钟级别的图进行数据回测，测试的时间是从2014年01月01日~2019年01月01日。起始资金为10000，点差是10。下单手数为0.1手。测试结果如图3所示。

图3 XAUUSD(黄金)RSI技术指标测试净值图

表3XAUUSD(黄金)RSI技术指标测试报告

从图3中可看到，从2014年01月01日~2019年01月01日测试中，RSI指标是一直亏损的，其获利能力基本是没有的，且其测试的时间到2016年11月11日就结束测试了，原因是资金在测试中资金已经亏完。从表3可以看到，其盈亏比是0.89，并且其盈利交易胜率是46.08%，其中卖单胜率是46.77%，买单胜率是45.39%。

由于净盈利=胜率×盈利-亏率×亏损，可得到以下结论：（1）可实现正期望；（2）可实现正期望。因此，RSI指标在XAUUSD(黄金)亏损原因为：（1）RSI指标在XAUUSD(黄金)交易胜率只有46.08%；（2）RSI指标在XAUUSD(黄金)盈利与亏损的比值只有0.89。

　3.5 CCI、RSI、KD组合技术指标策略在黄金中的运用

3.5.1 CCI、RSI、KD组合技术指标交易策略量化模型构建

通过上面测试三个单一指标测试可发现其交易胜率普遍偏低。因此，通过组合三个指标来测试，看看其交易胜率能否有所提升。

由于CCI的做多入场信号是当CCI的值从-100向上突破以后，当CCI的值从100向下突破以后是做空入场信号。对于KD指标是KD的值＞80为超买，KD的值＜20为超卖。RSI的做多是当RSI的值＜20的时候买入，做空是当RSI的值>80的时候买入。用K0表示当前最新一根K线，K1表示K0的上一根K线，K2表示K1的上一根K线，K3表示K2的上一根K线。那么对应的公式如下。

（1）入场条件

做多入场：

CCIK1>-100&&CCIK2>-100&&CCIK3<-100&&KDK2<20&&KDK1>20&&RSI1>20&&RSI2<20

做空入场：

CCIK1<100&&CCIK2<100&&CCIK3>100&&KDK2>80&&KDK1<80&&RSI1<

80&&RSI2>80

（2）出场条件

做多出场：

盈利出场：CCIK1<100&&CCIK2<100&&CCIK3>100&&KDK1>80&&RSI1>80&&盈利金额＞10美金

亏损出场：CCIK1>-100&&CCIK2>-100&&CCIK3<-100&&KDK1<20&&RSI1<20&&亏损金额＞10美金

做空出场：

盈利出场：CCIK1>-100&&CCIK2>-100&&CCIK3<-100&&KDK1<20&&RSI1<20&&盈利金额＞10美金

亏损出场：CCIK1<100&&CCIK2<100&&CCIK3>100&&KDK1>80&&RSI1>80&&亏损金额＞10美金

（3）CCI、RSI、KD指标参数

RSI指标参数=14；CCI指标参数：KD指标参数：K=5、D=3、Slowing=3。

（4）CCI、RSI、KD指标使用周期：15分钟级别图。

3.5.2 CCI、RSI、KD组合技术指标交易策略量化模型回测

对于CCI、RSI、KD组合技术指标测试，本文的数据回测采用的是XAUUSD(黄金)，并以5分钟级别的图进行数据回测，测试的时间是从2014年01月01日~2019年01月01日。起始资金为10000，点差是10。下单手数为0.1手。测试结果如图4所示。

图4 XAUUSD(黄金)CCI、RSI、KD组合技术指标测试净值图

表4XAUUSD(黄金)CCI、RSI、KD组合技术指标测试报告

从图4中可以看到，从2014年01月01日~2019年01月01日测试中，CCI、RSI、KD组合技术指标是一直亏损的，其获利能力基本是没有的。从表4中可以看到其盈亏比是0.69，并且其盈利交易胜率是47.66%，其中卖单胜率是54.09%，买单胜率是42.86%。

由于净盈利=胜率×盈利-亏率×亏损，可得到以下结论：（1）可实现正期望；（2）　可实现正期望。因此，CCI、RSI、KD组合技术指标在XAUUSD(黄金)亏损原因为：（1）CCI、RSI、KD组合技术指标在XAUUSD(黄金)交易胜率只有47.66%；（2）CCI、RSI、KD组合技术指标在XAUUSD(黄金)盈利与亏损的比值只有0.69。

　3.6 CCI、RSI、KD技术指标交易策略在黄金中存在的问题和改进

3.6.1 CCI、RSI、KD技术指标交易策略在黄金中存在的问题

从2014年01月01日~2019年01月01日XAUUSD(黄金)测试的结果中可知，无论是CCI、RSI、KD单个指标测试还是CCI、RSI、KD组合技术指标测试，其测试结果都是不太理想，都是处于亏损当中，而且通过上面测试发现其亏损原因有两个，一是交易胜率，二是盈亏比。

3.6.2 仓库管理的启发及优势

仓位管理的启发来源于马丁格尔赌博策略。马丁格尔 (Martingale) 策略其实是一种赌博策略，起源于法国在十八世纪，并在短时间内传遍欧洲，理论上这种策略绝对不会输钱。该方法的具体内容为在一个能压大小的赌场里，只要不停的去压某一单边（例如压小或压大），当亏钱一次，就把亏钱的金额乘上两倍，一直到压盘获利一次，这时就可把之前所亏损的金额全部赚回来，并且还会多赢第一次所压的金额。例如，如果到一个赌场，看到有一个只可压大小的平台，一开始先放1元钱进行押（只能压某一边）， 然后以2的倍数（2×1）n 增加，即1、2、4、8、16、32、64、128、256、512……，直到赢钱为止。

仓位管理优势在于仓位管理不但能够减少亏损，还能把盈利进行最大化。比如一开始设定1手进行下单操作，止损为2万美金。通过仓位管理进行设置，把1手分成10个0.1手进行下单操作，并且每亏损一定金额和再次出现同样指标信号的时候再次进行下0.1手，以此反复进行10次。那么最终的亏损金额一定是小于比一次性下1手的亏损的。

3.6.3 CCI、RSI、KD技术指标交易策略在黄金中存在问题的改进

通过上面的问题可以发现，对于指标策略的进场和出场条件是没有疑问的，问题在于对盈亏比和交易胜率的改变。因此可通过改进模型来改进盈亏比和交易胜率。首先，对于盈亏比的改变，可以通过设置止盈止损的方式进行改进，从而改变盈亏。其次，对于交易胜率的改变，可以通过仓位管理和指标使用周期进行改进交易胜率。对于仓位管理：例如1万美金做多一手黄金，那么可通过10次的0.1手来进行做多黄金，而不是直接1手黄金进行操作。当每次亏损一定金额就进行加0.1手，通过10次的累计，那么从而达到1手，也因此可以改变交易胜率和盈亏比。对于指标使用周期：CCI指标是使用5分钟级别图，KD、RSI指标使用在15分钟级别图。

根据以上问题，即通过改变盈亏比、仓位管理、指标使用周期来进行改进模型。

（1）盈亏比：固定盈利金额：60美金（每0.1手为标准）（当盈利金额大于60美金，并且盈利出场信号出现即平仓）

亏损金额加仓：40美金（当亏损金额小于40美金，并且再次出现入场条件即再次开仓0.1手）

固定亏损设置：2000美金（每0.1手亏损达到2000美金即平仓该0.1手）

（2）仓位管理

初始资金：2万美金

总手数：1手

加仓手数：每次固定加0.1手（当每次亏损金额达到亏损金额加仓时，并且出现入场条件即再次开仓0.1手）

加仓次数：10次（因为总手数设置为1手，0.1手加仓十次刚好达到1手）

（3）指标周期：

CCI指标：使用在5分钟级别图

RSI指标：使用在15分钟级别图

KD指标：使用在15分钟级别图

（4）入场条件：

做多入场：

CCIK1>-100&&CCIK2>-100&&CCIK3<-100&&KDK2<20&&KDK1>20&&RSI1>20&&RSI2<20

做空入场：

CCIK1<100&&CCIK2<100&&CCIK3>100&&KDK2>80&&KDK1<80&&RSI1<

80&&RSI2>80

（5）出场条件：

做多出场：

盈利出场：CCIK1<100&&CCIK2<100&&CCIK3>100&&KDK1>80&&RSI1>80&&盈利金额＞60美金

b、亏损出场：固定止损2000美金

a、盈利出场：

CCIK1>-100&&CCIK2>-100&&CCIK3<-100&&KDK1<20&&RSI1<20&&盈利金额＞60美金

b、亏损出场：固定止损2000美金

（6）RSI指标参数：RSI=14；CCI指标参数：RSI=14；KD指标参数：K=5、D=3、Slowing=3。

3.6.4 CCI、RSI、KD组合技术指标交易策略改进量化模型回测

对于CCI、RSI、KD组合技术指标改进后的模型测试，本文的数据回测采用的是XAUUSD(黄金)，并是以5分钟级别的图进行数据回测，测试的时间是从2014年01月01日~2019年01月01日。起始资金为20000，点差是10。下单手数为0.1手。测试结果如图5所示。

图5 XAUUSD(黄金)CCI、RSI、KD组合技术指标改进后的模型测试净值图

表5XAUUSD(黄金)CCI、RSI、KD组合技术指标改进后的模型测试报告

从图5中可以看到，从2014年01月01日~2019年01月01日测试中，CCI、RSI、KD组合技术指标改进以后是能够实现获利了。从表5中可以看到其盈亏比是1.96，并且其盈利交易胜率是80.95%，其中卖单胜率是87.76%，买单胜率是76.62%。因此，通过这次改进，不仅盈亏比大于1，盈利交易胜率也是大于50%，最终实现获利。

第4章 总结

程序化交易是通过数学模型和现代统计学的方法，利用计算机技术来进行交易的一种投资方式。本文介绍什么是量化交易，在国内外的学者的研究基础上来说明国内和国外量化交易的区别，并通过研究国内外学者比较少去量化研究的指标CCI、RSI、KD指标进行量化研究测试，从而说明该指标的是否有效。最后通过改进以后的量化模型进行测试，从而说明如何改进能有效的实现获利。

从2014年01月01日~2019年01月01日XAUUSD(黄金)测试结果中可以发现，无论是CCI、RSI、KD单个指标测试还是CCI、RSI、KD组合技术指标测试。其测试结果都是不太理想，都是处于亏损当中。通过对改进后的CCI、RSI、KD组合技术指标测试，其效果表现良好，能够实现获利，并且改变了盈亏比和盈利交易胜率。

　参考文献：

[1]Brock W,L akonishok J, Lebaron B.Simple Technical Trading Rules and theStochastic Properties of Stock Returns[J].Journal of Finance, 1991,47(5):1731-1764.

[2] Bllinger J A. Bllinger on Bolligr Bands[J].MCGRAW-HILL PROFESSI,2002.

[3]周星月.基于布林线的股指期货量化模型构建与回测检验巧[D].南京：南京师范大学，2014.

[4]张剑，王波.基于SVM的沪深300股指期货量化交易策略[J].数学理论与应用，2017（02）：112-121.

[5]潘智平.趋势跟踪系统在证券投资管理中的应用研究[D].广州：华南理工大学，2016.

[6]蓝海平：高频交易的技术特征、发展趋势及挑战[J].证券市场报道，2014（04）：59-64.

[7]朱敏.期货投资中技术分析有效性的实证研究——基于沪铜与伦敦铜的比较分析[J].上海经济研究,2010(04):72-81.

[8]谭磊，趋势跟踪类策略的内在逻辑[J].当代经济，2017（06）.

[9]林赵华.股票投资周CCI指标策略收益的检验分析[J].广西财经学院学报,2009,22(02):64-69.

[10]周恺越.基于深度学习的股票预测方法的研究与实现[D].北京：北京邮电大学,2018.

[11]麦根.基于技术分析指标组合的外汇量化交易策略优化研究[D].南宁：广西大学,2019.

　致谢

时光飞逝，大学很快就结束了。在这大学中完成了这一部分学业，首先感谢我的父母，然后感谢各位老师在大学中对我的教导，特别谢谢老师对我论文的指导，才能让我更好的完成毕业论文。最后感谢松田学院，谢谢松田学院让我收获了很多，不单单是知识，更还有一颗积极向上、努力为社会贡献的心，哪怕毕业了也不会忘记我的人生旅途当中这重要的一环。虽然就要踏入社会，开启新的一轮人生旅途，虽然没有了老师在你身旁教导、也没有了同学和你结伴同行，但是我相信我们会保持奋进的心态面对接下来的旅途，且能越走越好。

基于常见技术指标策略在量化交易中应用研究

价格 ¥9.90 发布时间 2023年2月9日

下载查看全文内容

已付费？登录 或 刷新