松鼠宽客的博客

增加对python策略在可视化上的应用，让你的交易更直观、更有力！、在上述新增内容前提下，进一步拓展你的交易技能，迈入机器学习和深度学习的领域！尝试新的策略，用数据驱动决策，利用人工智能的力量提升你的交易能力！上述是历史内容绩效总结与新内容计划，社群新增内容，给你带来前所未有的交易体验！不容错过的精彩，加入我们，开启属于你的投资传奇！将买卖行为直观展现，帮助你做出更明智的决策，快速获取交易机会！如果你是我们的老粉，那么不用过多介绍，在过去一年里，我们分享了中短线、横截面等策略共6个。

综上所述，也就谈不上什么所谓普适性的策略，所谓的普适性犹如乱花渐欲迷人眼，金融的世界就不存在什么普适性，一时的普适性都是假普适性，只要你变了就不是普适性，然而这个世界唯一不变的就是改变的哲学道理规律，我们谁也违背不了。很多社群小伙伴私信我，问我每期发布的优化工作区，那个如何使用，那个文件是MC的专属，如果你没有这个软件是打不开这个文件的，这个文件主要是用于观察参数3D图，通过定性可视化观察，确定参数平原和孤岛的。4、进场ORB过滤，与跨日周期均线过滤，改为平滑自适应动量代替，此处实现了过滤模块的自适应。

今天我们来分享魔改RSI策略，RSI即相对强弱指数，本质上就是一个动量指标，用于衡量一定时间内价格变动的速度及其变动的大小。该策略会根据RSI的值与预设的上下限（rsi_upper和rsi_lower）的关系，以及趋势（TrendValue）的情况来计算一个“流动值”（flow_value）。研究发现，传统的技术指标在进场方便与随机扔骰子差不多，出场效果更差。上图中我们可以看出，该逻辑数据与行情的一一对应程度，该策略普适性自适应用于期货、股票、与数字货币（已可视化验证，具体进出场具体分析）。

从传统的限幅振荡器开始， 例如随机指标或 RSI 类似，并在 -1 和 +1 之间进行缩放，费雪变换的目的是 将波形转换为具有接近高斯的波形 概率分布。此处也可以根据该算法改为回归逻辑，去做震荡和反转类型的策略，当然这里面需要进一步的选币逻辑，并不是所有的品种波动率和噪音都很大的。因此，在应用费雪逆变换之前，它用标准差缩放原始波形是一种很好的做法。无论你是大学生，量化小白，还是量化爱好者，我们提供的是广阔开放的量化思路，在这些思路基础上，可以发散性我们的策略思维，可以对你的量化职业之路提供一定帮助。

横截面是一种非时序动量逻辑，从统计学感性描述（非严谨客观描述）时序动量是根据历史收益率高低波动，推导未来惯性波动的一种逻辑模式。就好比我们做时间序列分析中自相关图平稳性一样，如下图所示：横截面动量来源于相对性，而非自身历史性，所以更容易做个组合出来。从稳定性角度来看，市场主体往往更加倾向同一板块内逻辑，因为板块内逻辑往往更加稳定，不容易变，从而达到模型的稳定性。

1、代码核心就是一直在循环rolling就算，尽管看起来很复杂，实际上先计算一个预热数据，然后进行一个while的循环，里面套入一个200天的for循环，核心计算就自由3行代码。2、Ahr999指数可以不仅可以作为屯币和逃顶，也可以作为一个右侧的长周期的入场点信号择时。3、加入事件驱动型策略思想，提高定投准确时机。

红色代表原始涨跌幅数据统计，黄色代表低延迟去噪时序数据，目的同样也是去掉一些不必要的噪音和错误信号，毕竟大饼及其其他品种行情噪音都很大，宁愿延迟、少做一些也不能多做无谓的尝试。最后我们提供了不同品种，不同周期的优化数据，我是通过我的24核服务器跑完的，大家可以直接拿去用。今天我们来发布可达鸭第2期实战策略，鉴于目前行情反复性，震荡性，本期策略注重短线的进出场逻辑，出场由被动出场逻辑变为主动出场。在N周期中，我们循环计算过去涨跌幅，并统计计算出来，而后求出N周期的比例关系，也即是第一幅中说显示那样。

该策略是以前通过TradingViews进行主观参考交易的逻辑，如下图所示：通过历史主观策略逻辑，结合交易的总结和经验。在此基础上，将该可视化主观交易方法进行迭代升级，我们加入了进场过滤以及出场逻辑，形成了今天的KD01量化（可实盘）策略。