实盘接口下的MACD指标回测演示

MACD-KDJ联合验证的具体参数设置和回测结果的特点 MACD-KDJ联合交易策略需注重多周期协同验证。核心参数设置遵循趋势互补原则:MACD捕捉中期趋势(常用6,13,5或12,26,9),KDJ识别短期超买超卖(常用5,3,3或9,3,3)。回测数据显示,日线周期策略胜率78%,盈亏比1.8:1。三周期共振时胜率提升至85%。参数优化需动态调整,如波动率触发时缩短KDJ周期,并设置2%固定止损。不同市场适配不同参数组合,加密货币建议MACD(8,17,6)+KDJ(7,3,3)。需避免参数过度拟合,每季度重新校准。 阅读详情

量化交易中利用指标来判断时机可以达到很好的效果。

MACD发明了过半世纪,是可以明确反应出买入卖出点时机的有力指标。

初接触量化的朋友除了通过接口实现自动化交易外,不妨尝试各种指标为自己的策略优化

下面是指标回测的示例。

start = '2021-08-01'                       # 起始时间
end = '2022-08-01'                         # 结束时间
universe = DynamicUniverse('HS300')        # 证券池,支持股票、基金、期货、指数
benchmark = 'HS300'                        # 参考标准
freq = 'd'                                 # 'd'表示日间策略使用日线回测,'m'表示日内策略使用
refresh_rate = 1   
max_history_window = (50, 300)	
# 调仓频率,表示执行handle_data的时间间隔,若freq = 'd'时间间隔的单位为交易日,若freq = 'm'时间间隔为分钟
  
# 配置账户信息,支持多账户
accounts = {
    'fantasy_account': AccountConfig(account_type='security', capital_base=10000000)
}
  
def initialize(context):
    pass
  
# 每个单位时间调用一次
def handle_data(context):    
    
    hist = context.history(symbol='all', time_range=34, attribute='closePrice', req='d',style='ast')['closePrice']
    current_universe = context.get_universe(exclude_halt=True)
    MA_12 = hist[-12:].mean()
    MA_
【源码分享】经典指标和K线图系列之MACD 最近从经典技术指标开始学习量化策略,有些在talib中有打包好的函数,但我还是希望自己在编的过程中学习策略的思想、进一步改进基础策略。今天学习了移动平滑异同平均线(Moving Average Convergence Divergence,简称MACD指标)策略。MACD是查拉尔·阿佩尔(Geral Appel)于1979年提出的,由一快及一慢指数移动平均(EMA)(可以参考指数平滑均线文档)之间... 阅读详情

相关推荐

MACD进阶使用模型回测

MACD进阶使用模型回测

竹石君的博客 3897

C#量化交易革命:从算法设计到实盘验证的全栈实战指南——MACD策略实现收益提升200%的深度解析

构建一个可直接部署的量化交易系统,代码与实战技巧全公开!当算法成为你的交易大脑,C#将带你开启量化投资的新纪元!

墨夶的博客 1199

java macd 开源,开源分布式量化交易系统——回测系统(一)

回测系统基础概念在开始编写策略系统之前,需要了解一些基础概念,搞明白什么是回测系统?怎么进行回测?如何进行回测分析?并且在回测中需要注意的一些要素,真正的做到有效的策略回测。根据回测的精度可分为Bar回测和Tick回测,所谓的Bar是指一根包含上下引线的柱体,由开盘价、最高价、最低价、收盘价、成交量、成交额、持仓量、时间等组成的分钟、小时、天、周或年的数据,这种方式回测速度快但精度不够细,适用于中...

weixin_35985796的博客 2128

量化投资学习【TA-LIB】之MACD

移动平滑异同平均线(Moving Average Convergence Divergence,简称MACD指标)策略。MACD是查拉尔·阿佩尔(Geral Appel)于1979年提出的,由一快及一慢指数移动平均(EMA)之间的差计算出来。“快”指短时期的EMA,而“慢”则指长时期的EMA,最常用的是12及26日EMA。   MACD指标是运用快速(短期)和慢速(长期)移动平均线及其聚合与分离

IAlexanderI的专栏 5724

技术指标回测-基于Backtrader的MACD指标回测说明文档

本文基于Backtrader量化回测框架对MACD指标进行回测分析,以沪深300为基准,以SH.600600青岛啤酒为股票池,回测期间2019-01-01~2023-12-31。策略累积收益16.53%,年化收益3.23%,夏普比率26.87%,最大回撤29.27%,累计交易49次,胜率32.65%。

qq_49635902的博客 2998

视频监控设备(NVR、IPC等)如何通过国标GB28181接入到视频监控平台,以及接入过程如何测试视频接入是否成功

GB/T28181标准广泛的应用,视频监控设备通过国标GB28181接入视频监控平台的过程变成程序化、标准化的互联过程,确保了视频监控设备能够在不同系统、不同网络环境下实现远程、跨区域、跨级别的访问和控制。版本有GB28181-2011、2016、2022几个常用版本,威迪斯特的视频监控平台完全支持GB28181的这几个版本,能够实现不同品牌视频监控设备的国标视频接入(国标视频监控接入),或者为国标28181视频接入(国标28181视频监控接入),也为国标281818接入(国标GB/T28181接入。

weixin_70208651的博客 1万+

文档多模态识别工具对比:MinerU、PaddleOCR、Marker

本文对比了三款文档多模态识别工具:MinerU、PaddleOCR和Marker。MinerU专注于中文文档的端到端解析,支持复杂元素提取和结构化输出,适合中文论文和教材解析。PaddleOCR是通用OCR工具包,支持多语言和全流程任务,适用于发票、车牌等图像OCR。Marker则注重多语言支持和轻量化部署,适合英文论文和技术文档的快速转换。三者在核心技术、中文优化、表格处理、输出格式、部署复杂度和适用语言等方面各有优劣。选型建议根据具体需求:MinerU适合高精度中文解析,PaddleOCR适合定制化OC

朴拙科技的博客 4750

Python解析骑行fit文件:从数据缺失到完整记录

本文详细介绍了如何利用Python解析和处理骑行FIT文件,解决数据缺失问题。通过使用fitparse库读取二进制FIT文件,并结合Garmin FitCSVTool进行格式转换,指导读者一步步诊断数据完整性、设计心率修补方案,并最终生成完整的骑行记录文件。该方法为骑行爱好者提供了灵活的数据修复与自定义分析能力。

weixin_29062255的博客 457

揭秘Outlook/QQ邮箱伪造:如何利用Unicode编码绕过SPF检测

本文深入剖析了利用Unicode编码进行邮件显示名伪造的攻击手法,揭示了攻击者如何通过插入零宽字符等特殊编码绕过SPF检测,使邮件在Outlook、QQ邮箱等客户端中看似来自可信发件人。文章通过Python代码示例演示了伪造过程,并提供了从用户自查到管理员部署DMARC策略的多层次防御建议。

weixin_29063035的博客 337

Dify插件离线部署全攻略:从下载到安装的完整流程

本文详细介绍了Dify插件离线部署的完整流程,针对企业内网等无网络环境需求。核心步骤包括在联网环境下载插件包、在特定Python 3.12.9环境下使用专用工具进行离线重打包,以及最终在离线Dify环境中安装验证。重点解决了离线安装的核心难题,并提供了环境配置、批量处理和故障排查等实用技巧,帮助用户实现Dify插件的顺利离线部署。

seed的博客 661

告别Visual Studio!用MSYS2+GCC+CMake在Windows上打造Linux式C++开发环境(保姆级避坑)

本文详细介绍了如何在Windows上使用MSYS2+GCC+CMake搭建Linux式C++开发环境,替代Visual Studio。从MSYS2的安装配置、MinGW-w64 GCC工具链的部署,到CMake项目的创建与构建,提供了保姆级教程和常见问题解决方案,帮助开发者高效过渡到命令行开发模式。

weixin_30298497的博客 327

AD学习笔记(一)基础认识

文章目录AD学习笔记第一讲 AD基础认识一、两库两图(分别对应下图)1、PCB图(pcbdoc)2、原理图(schdoc)3、原理图库(schlib)4、PCB库(pcblib)二、封装1、DIP封装2、LQFP封装三、绘制整体流程1、建立工程(PrjPcb)2、建立两库两图并保存整个工程(五次)3、从库中提取绘制原理图4、原理图导入pcb图5、根据原理图布线6、pcb图交由工厂打板 AD学习笔记 第一讲 AD基础认识 一、两库两图(分别对应下图) PCB图(pcbdoc) 原理图(schdoc) PCB库

qq_52465473的博客 6686

【Block总结】DiffAttention,差分注意力融入CLIP架构,抑制噪声,增强对相关特征的关注|即插即用

DiffCLIP通过微小的结构改动实现了显著的性能提升,为多模态模型的轻量化与高效化提供了新范式。

AI浩 1563

假人有限元模型

假人模型,车辆碰撞假人有限元模型,适合做乘员安全的研究者利用

efm32 入门.pdf

本PDF共计22页,介绍的是操作驱动API,下载与否自己斟酌。

C# WinForm 基于DirectShow.dll编写的程序,可边预览边保存视频,音频和图片

基于微软的DirectShow.dll的二次开发1.自动识别连接的摄像头跟麦克风且可以对其进行选择(默认选中第一个)2.可录制wmv和avi两种格式的视频并且都带有音频,avi可以录制的分辨率和帧数进行选择,wmv默认进行了淸晰度优化如不喜欢可去除代码中有相关提示3.可在预览点开之后进行拍照,也可边录制视频边拍照4.添加了视频和音频的压缩功能(酌情使用)这次二次开发发现C#对DirectShow的相关信息太少,这次做完也不敢藏私共享出来,还望大家指正

上一篇: 根据实盘接口获取数据返回错误注意事项
下一篇: 交易接口本质扫盲,如何选择并运用接口帮助自己?
LegendCode
博客等级 码龄4年 26粉丝 13原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值