如何利用平均趨向指數輔助MACD策略

如何利用平均趨向指數輔助MACD策略，相信很多沒有經驗的人對此束手無策，為此本文總結了問題出現的原因和解決方法，通過這篇文章希望你能解決這個問題。

前言

“趨勢是你的朋友”這是每一個交易者都耳熟能詳的箴言。但做過交易的朋友可能會有體會，趨勢總是在毫無預警地開始并突然結束。那么在CTA策略中，如何抓住趨勢并過濾震蕩行情，是許多主觀和量化交易者孜孜不倦的追求。在本節課程中，我們將以平均趨向指數(ADX)為濾網，分析在它量化交易中的應用。

什么是平均趨向指數

平均趨向指數是衡量趨勢的技術工具，簡稱ADX(average directional indicator)，它是由韋爾斯·懷爾德在1978年提出，與其他技術分析工具不同的是，ADX并不能判斷多空方向，更不能提示精確的買賣點位，它只是衡量當前趨勢的強弱。

ADX的默認周期參數是14，通常在K線圖的副圖中顯示。它的值是在0~100之間，數值越大說明上漲或下跌趨勢越強力，通常當ADX的值大于40時，說明趨勢強力，此時使用趨勢交易才具有最大的回報潛力；當ADX的值小于20時，說明趨勢疲軟，并警告交易者不要使用趨勢跟蹤交易策略。

ADX的計算方式

ADX的計算方式比較復雜，它涉及到了：價格正向移動距離(+DM)、價格負向移動距離(-DM)、真是波動幅度(TR)、正向方向性指數(+DI), 負向方向性指數(-DI)等很多中間變量：

計算動向變化

• up：今天的最高價 – 昨天的最高價

• down：昨天的最低價 – 今天的最低價

• +DM：如果up大于max(down, 0)，則+DM等于up，否則等于零

• -DM：如果down大于max(up, 0)，則-DM等于down，否則等于零

計算真實波幅

• TR：max(今天最高價與今天最低價的差值，今天最高價與昨天收盤價差值的絕對值，今天最低價與昨天收盤價差值的絕對值)

計算動向指數

• +DI(14)：+DM(14)/TR(14)*100

• -DI(14)：-DM(14)/TR(14)*100

計算ADX

• DX：((+DI14)- (-DI14)/(+DI14)+(-DI14))*100

• ADX：MA(DX，14)

雖然ADX的計算比較復雜，但其邏輯還是比較清晰的：up和down分別代表了價格正向和負向移動距離；+DI和-DI分別代表用波動率修正后上漲和下跌趨勢。不管趨勢是上漲還是下跌，只要存在明顯的趨勢行情，那么+DI和-DI中總有一個是較大的，因此DX的值會隨著趨勢的強弱指示在0~100之間；最后ADX則是DX的14天平均線。

當+ DI高于-DI時，表明價格處于上升趨勢。 相反，當-DI高于+ DI時，價格處于下降趨勢。 交易者可以通過檢查同一時間點的ADX值來確定上升趨勢或下降趨勢的強度。

策略邏輯

在前幾節中，我們使用MACD指標創建了一個簡單的策略，雖然該策略在趨勢行情中表現還可以，但是在震蕩行情入不敷出，甚至在長期的震蕩行情中資金回撤比較大。因此我們將在本節中將之前的MACD策略加入ADX濾網，我們來看下效果到底如何？

原策略邏輯

• 多頭開倉：DIF大于零軸

• 空頭開倉：DIF小于零軸

• 多頭平倉：DIF向下突破DEA

• 空頭平倉：DIF向上突破DEA

改進后的策略邏輯

• 多頭開倉：DIF大于零軸，并且ADX大于20

• 空頭開倉：DIF小于零軸，并且ADX大于20

• 多頭平倉：DIF向下突破DEA，或者ADX下降

• 空頭平倉：DIF向上突破DEA，或者ADX下降

我們在原策略邏輯基礎之上，對開倉和平倉分別加入ADX濾網，控制在行情進入震蕩時期的開倉次數。在開倉的時候ADX的數值必須大于指定的數值；當開倉之后一旦ADX下降就平倉出局。整個策略邏輯就設計成一個嚴進寬出的模式，以此來控制震蕩時期的回撤幅度。

策略編寫

原始策略

# 回測配置
'''backtest
start: 2015-02-22 00:00:00
end: 2019-10-17 00:00:00
period: 1h
exchanges: [{"eid":"Futures_CTP","currency":"FUTURES"}]
'''


mp = 0  # 定義一個全局變量，用于控制虛擬持倉


# 判斷數組是否上升
def is_up(arr):
    arr_len = len(arr)
    if arr[arr_len - 1] > arr[arr_len - 2] and arr[arr_len - 2] > arr[arr_len - 3]:
        return True     

    
# 判斷數組是否下降
def is_down(arr):
    arr_len = len(arr)
    if arr[arr_len - 1] < arr[arr_len - 2] and arr[arr_len - 2] < arr[arr_len - 3]:
        return True

    
# 判斷兩根兩個數組是否金叉
def is_up_cross(arr1, arr2):
    if arr1[len(arr1) - 2] < arr2[len(arr2) - 2] and arr1[len(arr1) - 1] > arr2[len(arr2) - 1]:
        return True

# 判斷兩根兩個數組是否死叉
def is_down_cross(arr1, arr2):
    if arr1[len(arr1) - 2] > arr2[len(arr2) - 2] and arr1[len(arr1) - 1] < arr2[len(arr2) - 1]:
        return True    

    
# 程序主函數
def onTick():
    exchange.SetContractType("rb000")  # 訂閱期貨品種
    bar_arr = exchange.GetRecords()  # 獲取K線數組
    if len(bar_arr) < long + m + 1:  # 如果K線數組長度太小，就不能計算MACD，所以直接返回跳過
        return
    all_macd = TA.MACD(bar_arr, short, long, m)  # 計算MACD值，返回的是一個二維數組
    dif = all_macd[0]  # 獲取DIF的值，返回一個數組
    dif.pop()  # 刪除DIF數組最后一個元素
    dea = all_macd[1]  # 獲取DEA的值，返回一個數組
    dea.pop()  # 刪除DEA數組最后一個元素
    last_close = bar_arr[len(bar_arr) - 1]['Close']  # 獲取最新價格（賣價），用于開平倉
    global mp  # 全局變量，用于控制虛擬持倉
    
    # 開多單
    if mp == 0 and dif[len(dif) - 1] > 0:
        exchange.SetDirection("buy")  # 設置交易方向和類型
        exchange.Buy(last_close, 1)  # 開多單
        mp = 1  # 設置虛擬持倉的值，即有多單
    
    # 開空單
    if mp == 0 and dif[len(dif) - 1] < 0:
        exchange.SetDirection("sell")  # 設置交易方向和類型
        exchange.Sell(last_close - 1, 1)  # 開空單
        mp = -1  # 設置虛擬持倉的值，即有空單
        
    # 平多單
    if mp == 1 and is_down_cross(dif, dea):
        exchange.SetDirection("closebuy")  # 設置交易方向和類型
        exchange.Sell(last_close - 1, 1)  # 平多單
        mp = 0  # 設置虛擬持倉的值，即空倉
    
    # 平空單
    if mp == -1 and is_up_cross(dif, dea):
        exchange.SetDirection("closesell")  # 設置交易方向和類型
        exchange.Buy(last_close, 1)  # 平空單
        mp = 0  # 設置虛擬持倉的值，即空倉

        
def main():
    while True:
        onTick()
        Sleep(1000)

根據上面更改的策略邏輯，我們可以直接在原始策略的基礎之上把ADX濾網加入進去，雖然ADX的計算方法比較復雜，但可以借助talib庫只需要幾行代碼就可以把ADX的值計算出來。因為計算ADX需要用帶talib，而計算talib庫又需要用到numpy.array數據類型，所以我們需要在代碼開頭導入talib庫和numpy庫。

import talib
import numpy as np

在使用talib庫計算ADX的時候，一共需要4個參數：最高價、最低價、收盤價、周期參數。所以我們還需要寫一個get_data函數，這個函數的目的是從K線數組中提取出最高價、最低價、收盤價。

# 把K線數組轉換成最高價、最低價、收盤價數組，用于轉換為numpy.array類型數據
def get_data(bars):
    arr = [[], [], []]
    for i in bars:
        arr[0].append(i['High'])
        arr[1].append(i['Low'])
        arr[2].append(i['Close'])
    return arr

然后我們使用numpy庫把普通的數組轉換為numpy.array類型數據，最后使用talib庫就可以計算出ADX的值，具體的寫法可以看下面代碼中的注釋：

np_arr = np.array(get_data(bar_arr)) # 把列表轉換為numpy.array類型數據，用于計算ADX的值
adx = talib.ADX(np_arr[0], np_arr[1], np_arr[2], 20);  # 計算ADX的值

在策略邏輯中，需要判斷ADX的大小和是否上升下降。判斷大小很簡單，只需要把ADX具體某一天的值提取出來就可以了，跟判斷MACD一樣，我們只取倒數第二根K線的ADX值；但判斷時候上升下降則需要只取倒數第二根和第三根K線的ADX值。

adx1 = adx_arr[len(adx_arr) - 2]  # 倒數第二根K線的ADX值
adx2 = adx_arr[len(adx_arr) - 3]  # 倒數第三根K線的ADX值

最后修改下單邏輯：

# 開多單
if mp == 0 and dif[len(dif) - 1] > 0 and adx1 > 40:
    exchange.SetDirection("buy")  # 設置交易方向和類型
    exchange.Buy(last_close, 1)  # 開多單
    mp = 1  # 設置虛擬持倉的值，即有多單

# 開空單
if mp == 0 and dif[len(dif) - 1] < 0 and adx1 > 40:
    exchange.SetDirection("sell")  # 設置交易方向和類型
    exchange.Sell(last_close - 1, 1)  # 開空單
    mp = -1  # 設置虛擬持倉的值，即有空單
    
# 平多單
if mp == 1 and (is_down_cross(dif, dea) or adx1 < adx2):
    exchange.SetDirection("closebuy")  # 設置交易方向和類型
    exchange.Sell(last_close - 1, 1)  # 平多單
    mp = 0  # 設置虛擬持倉的值，即空倉

# 平空單
if mp == -1 and (is_up_cross(dif, dea) or adx1 < adx2):
    exchange.SetDirection("closesell")  # 設置交易方向和類型
    exchange.Buy(last_close, 1)  # 平空單
    mp = 0  # 設置虛擬持倉的值，即空倉

完整策略代碼

# 回測配置
'''backtest
start: 2015-02-22 00:00:00
end: 2019-10-17 00:00:00
period: 1h
exchanges: [{"eid":"Futures_CTP","currency":"FUTURES"}]
'''

# 導入庫
import talib
import numpy as np


mp = 0  # 定義一個全局變量，用于控制虛擬持倉


# 把K線數組轉換成最高價、最低價、收盤價數組，用于轉換為numpy.array類型數據
def get_data(bars):
    arr = [[], [], []]
    for i in bars:
        arr[0].append(i['High'])
        arr[1].append(i['Low'])
        arr[2].append(i['Close'])
    return arr


# 判斷兩根兩個數組是否金叉
def is_up_cross(arr1, arr2):
    if arr1[len(arr1) - 2] < arr2[len(arr2) - 2] and arr1[len(arr1) - 1] > arr2[len(arr2) - 1]:
        return True

# 判斷兩根兩個數組是否死叉
def is_down_cross(arr1, arr2):
    if arr1[len(arr1) - 2] > arr2[len(arr2) - 2] and arr1[len(arr1) - 1] < arr2[len(arr2) - 1]:
        return True    

    
# 程序主函數
def onTick():
    exchange.SetContractType("rb000")  # 訂閱期貨品種
    bar_arr = exchange.GetRecords()  # 獲取K線數組
    if len(bar_arr) < long + m + 1:  # 如果K線數組長度太小，就不能計算MACD，所以直接返回跳過
        return
    all_macd = TA.MACD(bar_arr, short, long, m)  # 計算MACD值，返回的是一個二維數組
    dif = all_macd[0]  # 獲取DIF的值，返回一個數組
    dif.pop()  # 刪除DIF數組最后一個元素
    dea = all_macd[1]  # 獲取DEA的值，返回一個數組
    dea.pop()  # 刪除DEA數組最后一個元素
    
    np_arr = np.array(get_data(bar_arr)) # 把列表轉換為numpy.array類型數據，用于計算ADX的值
    adx_arr = talib.ADX(np_arr[0], np_arr[1], np_arr[2], 20);  # 計算ADX的值
    adx1 = adx_arr[len(adx_arr) - 2]  # 倒數第二根K線的ADX值
    adx2 = adx_arr[len(adx_arr) - 3]  # 倒數第三根K線的ADX值
    
    last_close = bar_arr[len(bar_arr) - 1]['Close']  # 獲取最新價格（賣價），用于開平倉
    global mp  # 全局變量，用于控制虛擬持倉
    
    # 開多單
    if mp == 0 and dif[len(dif) - 1] > 0 and adx1 > 40:
        exchange.SetDirection("buy")  # 設置交易方向和類型
        exchange.Buy(last_close, 1)  # 開多單
        mp = 1  # 設置虛擬持倉的值，即有多單
    
    # 開空單
    if mp == 0 and dif[len(dif) - 1] < 0 and adx1 > 40:
        exchange.SetDirection("sell")  # 設置交易方向和類型
        exchange.Sell(last_close - 1, 1)  # 開空單
        mp = -1  # 設置虛擬持倉的值，即有空單
        
    # 平多單
    if mp == 1 and (is_down_cross(dif, dea) or adx1 < adx2):
        exchange.SetDirection("closebuy")  # 設置交易方向和類型
        exchange.Sell(last_close - 1, 1)  # 平多單
        mp = 0  # 設置虛擬持倉的值，即空倉
    
    # 平空單
    if mp == -1 and (is_up_cross(dif, dea) or adx1 < adx2):
        exchange.SetDirection("closesell")  # 設置交易方向和類型
        exchange.Buy(last_close, 1)  # 平空單
        mp = 0  # 設置虛擬持倉的值，即空倉

        
def main():
    while True:
        onTick()
        Sleep(1000)

以上貼出本節已經改進過的策略完整源代碼，或者你也可以到 https://www.fmz.com/strategy/174672 發明者量化官網的策略中復制下載，無需配置直接在線回測。

看完上述內容，你們掌握如何利用平均趨向指數輔助MACD策略的方法了嗎？如果還想學到更多技能或想了解更多相關內容，歡迎關注億速云行業資訊頻道，感謝各位的閱讀！