quant-trading · 第 2 章 动量与趋势指标策略

quant-trading · 第 2 章 动量与趋势指标策略

章节摘要:本章是旅程的第二步——你刚入行,轻信简单指标能赚钱。我们讲三个最经典的动量/趋势策略:MACD Oscillator(均线交叉,最基础的"trading strategy 101");Awesome Oscillator(MACD 升级版,用 (H+L)/2 而非收盘价,含 saucer 碟形信号);Parabolic SAR(Welles Wilder 发明的递归止盈止损指标)。本章最大的收获不是"学会三个指标",而是 AO 节那个反直觉实测结论——更灵敏的 AO 并没有比 MACD 赚更多,MACD 的 Sharpe 反而更高。这会种下旅程第一个批判性思考的种子。

旅程坐标

旅程第二步:相信"金叉死叉"能赚钱。但 AO 的反直觉结论会悄悄告诉你——更复杂不一定更好。

学习目标

阅读完本章,你应当能够:

1. 手写 MACD(快慢 SMA 之差 + 信号线)并用 np.where 生成持仓。
2. 理解 positions(持仓状态) vs signals(=positions.diff() 实际下单)的双列约定。
3. 说清 Awesome Oscillator 与 MACD 的差异(用 (H+L)/2 + saucer 碟形信号)。
4. 理解 Parabolic SAR 的递归构造(加速因子 0.02→0.2)。
5. 正视"更灵敏≠更赚钱"的反直觉结论。

子章节导航

01 MACD Oscillator:均线交叉的起点

macd() 算快慢 SMA;signal_generation 用 np.where(ma1>=ma2,1,0) 给持仓,positions.diff() 得下单信号;oscillator=ma1-ma2 震荡柱;"越多人相信策略就越有效"的行为金融学;默认 12/26 源自"曾经一周六天交易日"。配图 macd oscillator/positions。

02 Awesome Oscillator:MACD 升级版与反直觉实测

awesome_ma 用 (H+L)/2 的 SMA(5/34 Fibonacci);saucer 碟形信号(零线下两绿后红→看空);cumsum 优先级机制(saucer 抢先则忽略均线信号);portfolio/profit/mdd/stats 对比两策略。反直觉:MACD 的 Sharpe 反而更高,AO 最大回撤更小——"faster response may sound awesome, but does not guarantee more profitable"。配图 awesome oscillator/asset/ma/positions。

03 Parabolic SAR:Welles Wilder 的递归止盈止损

Stop and Reverse 趋势跟踪;递归构造 temp=sar[i-1]+af*(ep-sar[i-1]);加速因子 initial_af=0.02 每创新极值 +0.02 封顶 0.2;下跌中 SAR 取 max(temp,High[i-1],High[i-2]) 防瞬时穿破;趋势翻转时 af 重置。配图 parabolic sar positions。

前置知识与后续延伸

前置知识:第 1 章;pandas/numpy/matplotlib 基础。

后续延伸:第 3 章从趋势指标转向日内突破与 K 线形态。