稍作魔改,笑傲牛熊!MTM这么简单的指标也能做到20倍收益!

本文介绍了MTM(Momentum)指标及其移动平均线MAMTM的基础原理,并探讨了经典的MTM金叉策略在实际应用中的效果。通过魔改策略,如调整MTM的无量纲化和均线周期,显著提升了收益和降低了回撤。文章提供了不同周期和自研指标的组合测试结果,鼓励读者继续优化并分享成果。

大家好,夜猫子老Q又来给大家分享量化的基础知识了。

很多朋友喜欢做短线,也一直希望老Q能分析一些短线常用的经典指标。老Q觉得虽然自己主要做中长线,但是多研究一下短线指标可能会提升自己的择时表现,因此,最近也会专门为大家分享一些短线常用的指标。

总的来说,老Q不建议经验缺乏的散户们做短线。但是如果一定要做短线的话,老Q希望能通过自己的分析帮到大家。毕竟,如果老Q不告诉你们的话,可能你们真的会一直用错误的方法坚持使用一个指标,等真的意识到问题的时候,可能已经亏损很多钱了。

比如今天的主角:MTM(又称MOM)。

一、MTM的基本原理

MTM以及MAMTM是一套组合使用的极其简单的指标。越是简单的指标,在小白中的群众基础就越好,用的时候被收割的概率就越高。

为什么呢?因为用这些指标的人中,小白太多了呀!

言归正传,MTM和MAMTM的基本原理如下:

  • MTM是当天的收盘价减去N天前的收盘价,N经常取12。

  • 而MAMTM则是MTM的移动平均,一般取周期为6的SMA,也就是过去6天的MTM的算术平均值。

简单到不需要再重复说明。

脱离统计公式来看,MTM的现实意义就是抛弃过去几天的波动,只看今天相比于N天前,到底是涨了还是跌了,涨跌的绝对额是多少。假设某一周有5个交易日,那么MTM(5)就类似于周涨跌额。当然,实际上的周涨跌额是以自然周计算的,而MTM(5)则是每天滚动计算的。

而MAMTM,则是代表着过去一段时间里,MTM的平均表现。看到这里,已经读过历史文章的朋友应该已经想到了,M

分布式微服务企业级系统是一个基于Spring、SpringMVC、MyBatis和Dubbo等技术的分布式敏捷开发系统架构。该系统采用微服务架构和模块化设计,提供整套公共微服务模块,包括集中权限管理(支持单点登录)、内容管理、支付中心、用户管理(支持第三方登录)、微信平台、存储系统、配置中心、日志分析、任务和通知等功能。系统支持服务治理、监控和追踪,确保高可用性和可扩展性,适用于中小型企业的J2EE企业级开发解决方案。 该系统使用Java作为主要编程语言,结合Spring框架实现依赖注入和事务管理,SpringMVC处理Web请求,MyBatis进行数据持久化操作,Dubbo实现分布式服务调用。架构模式包括微服务架构、分布式系统架构和模块化架构,设计模式应用了单例模式、工厂模式和观察者模式,以提高代码复用性和系统稳定性。 应用场景广泛,可用于企业信息化管理、电子商务平台、社交应用开发等领域,帮助开发者快速构建高效、安全的分布式系统。本资源包含完整的源码和详细论文,适合计算机科学或软件工程专业的毕业设计参考,提供实践案例和技术文档,助力学生和开发者深入理解微服务架构和分布式系统实现。 【版权说明】源码来源于网络,遵循原项目开源协议。付费内容为本人原创论文,包含技术分析和实现思路。仅供学习交流使用。
### MTM指标概述 MTM(Momentum Indicator),即动量指标,是一种技术分析工具,用于衡量价格变化的速度。它通过比较特定时间段内的最新收盘价与之前的某个时间点的收盘价之间的差异来计算得出[^1]。 #### 计算方法 MTM指标的计算公式如下: \[ \text{MTM} = C_t - C_{t-n} \] 其中: - \(C_t\) 表示当前时段的收盘价, - \(C_{t-n}\) 表示\(n\)个周期前的收盘价, - \(n\) 是用户指定的时间窗口长度,通常称为MTM周期参数。 以下是Python实现的一个简单例子,展示如何手动计算MTM指标: ```python import pandas as pd def calculate_mtm(close_prices, period=10): """ 手动计算MTM指标。 参数: close_prices (list or pd.Series): 收盘价序列 period (int): 时间窗口大小,默认为10 返回: mtm_values (pd.Series): 动量指标值序列 """ close_prices_series = pd.Series(close_prices) mtm_values = close_prices_series.diff(period) return mtm_values ``` #### 定义与数据分析 MTM指标的核心在于捕捉市场的动能特征。当市场处于上升趋势时,MTM值通常为正;而当市场下跌时,MTM值可能变为负数。此外,较大的正值表明价格上涨速度加快,反之亦然[^2]。 在实际应用中,可以通过设置不同的阈值来进行买卖决策。例如,在量化交易策略中,可以定义买入信号为MTM值超过某一正向阈值,而卖出信号则发生在MTM值低于某负向阈值的情况下。 #### 实际案例中的使用 以下是一个基于Backtrader框架构建的MTM交易策略示例代码片段: ```python class MTMStrategy(bt.Strategy): params = ( ('mtm_period', 10), # MTM指标周期 ('buy_threshold', 5), # 买入阈值 ('sell_threshold', -5) # 卖出阈值 ) def __init__(self): self.mtm = bt.indicators.Momentum(self.data.close, period=self.params.mtm_period) def next(self): if not self.position and self.mtm[0] > self.params.buy_threshold: size = int(self.broker.getcash() / self.data.close[0]) self.buy(size=size) elif self.position and self.mtm[0] < self.params.sell_threshold: self.sell(size=self.position.size) ``` 上述代码展示了如何利用`bt.indicators.Momentum`函数生成MTM指标,并依据预设条件执行相应的买/卖操作。
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
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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

打赏作者

量化祛魅官 老Q

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
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