趋势跟踪型程序化交易模型实测
- 格式：pdf
- 大小：245.93 KB
- 文档页数：5
文档推荐
-
日内趋势跟踪的交易方法--朱淋靖页数:10
-
趋势跟踪交易系统页数:10
-
交易系统分类2-反趋势震荡类资料页数:10
-
趋势跟踪交易系统页数:10
-
趋势跟踪策略的难点页数:2
-
稳健收益型量化交易模型_20161212页数:22
下载文档原格式
合集下载
量化交易模型100例
量化交易模型100例量化交易是一种利用数理或统计方法，根据历史数据和市场行情，通过制定一套严谨的规则和策略，进行金融交易的方法。
在金融领域，量化交易已经成为一种主流的交易方式，因为它能够提供高效、快速和系统化的交易决策。
在本文中，将介绍一百个不同类型的量化交易模型，分析其原理和应用。
1. 均值回归模型均值回归模型是量化交易中常用的一种策略。
它通过分析价格的历史走势，利用统计学原理和显著性检验，判断当前价格与历史均值的偏离程度，从而进行交易决策。
这种模型适用于市场波动较小的情况，如股票市场中的股价。
2. 动量策略模型动量策略模型是一种根据价格走势的momentum效应进行交易决策的方法。
它利用市场中的惯性效应，即价格趋势在相对短期内继续延续的趋势。
在价格上升时买入，在价格下降时卖出。
这种模型适用于市场中存在明显趋势的情况。
3. 套利模型套利模型是一种通过同时买入和卖出相关性较高的金融工具，从而利用市场价格的不对称性获利的交易策略。
这种模型利用了市场中的套利机会，通过买入低价资产和卖出高价资产的方式进行交易。
套利模型适用于市场中存在价格差异的情况。
4. 趋势跟踪模型趋势跟踪模型是一种根据市场趋势进行交易决策的方法。
它通过分析价格的趋势和趋势的持续性，判断市场的上升或下降趋势，并根据趋势的判断进行交易。
这种模型适用于市场中存在明显趋势的情况。
5. 风险平衡模型风险平衡模型是一种根据投资组合的风险和收益的平衡进行交易决策的方法。
它通过分析投资组合中不同资产的风险和收益，选择合适的资产分配比例，从而实现风险和收益的平衡。
这种模型适用于投资组合管理的情况。
6. 统计套利模型统计套利模型是一种利用统计学原理和方法进行交易决策的模型。
它通过分析历史数据和市场走势，利用统计学的套利机会进行交易。
这种模型适用于市场中存在统计学套利机会的情况。
7. 事件驱动模型事件驱动模型是一种根据市场中的事件和消息进行交易决策的方法。
股票交易中的趋势预测模型研究
股票交易中的趋势预测模型研究在股票交易中，利用趋势预测模型进行分析已经成为了一种常见的操作方式。
趋势预测模型能够帮助我们了解市场的走势，并且在投资策略上做出更加明智的决策。
本文将介绍股票交易中的趋势预测模型，并且探讨它在投资决策中的应用。
趋势预测模型的分类首先，我们需要了解趋势预测模型的分类。
主要有两种：1. 基础趋势预测模型基础趋势预测模型是通过历史数据对未来趋势的预测进行建模。
这种模型考虑了市场的周期性波动和重要事件对市场情绪的影响。
它可以通过时间序列分析、波动分析、差分分析、指数平滑法等方法来预测未来的走势。
其中，时间序列分析是一种时间为自变量、分析对象为因变量的统计学方法，它可以对未知的环境变化进行预测。
基于时间序列分析的方法，有ARIMA模型、ARCH模型等。
-ARIMA模型：ARIMA是自回归积分移动平均模型的简称，它是一种基于历史数据和拟合数据的时间序列分析方法，用于预测未来市场的变化趋势。
-ARCH模型：ARCH是自回归条件异方差模型的简称，它是一种为了描述时间序列方差范围而开发出来的模型，可以分析出方差的波动情况，进一步用于预测市场的方向。
2. 技术趋势预测模型技术趋势预测模型是依靠价格走势之间的图形模式以及成交量和强弱指标等方式来进行研究的，可以对未来价格的趋势进行预测。
其中，技术分析有很多种方法，如：K线图、影线图、趋势线、均线、MACD、RSI、KD等。
-K线图：K线图是日本著名的技术分析图形，它能够清晰地反映出市场情绪和力量。
K线包括开盘价、收盘价、最高价和最低价四个价格参数，通过颜色或实心/空心来标明涨跌。
-MACD：是一种常用于技术分析的指标，可以反映出股票价格趋势的变化。
在MACD中，DIF是指EMA(short)-EMA(long)，而DEA则为DIF的EMA(M)线。
趋势预测模型在投资决策中的应用趋势预测模型可以帮助我们了解市场的走势，但是“趋势非常好，我们要严格控制仓位”的原则依然适用。
程序化交易系列研究一(国泰君安证券-金融工程)
2.1. 程序化交易的优点 ....................................................................................................................................4 2.2. 程序化交易的应用领域.............................................................................................................................4 2.3. 程序化交易策略构建 ................................................................................................................................5 2.4. 程序化交易使用须知 ................................................................................................................................6 3. 程序化交易模型介绍 ............................................................................................................................................7 3.1. 技术分析类模型 ........................................................................................................................................7 3.2. 统计类模型 ................................................................................................................................................8 3.3. 创新类模型 ................................................................................................................................................9
期货交易中的趋势跟踪策略介绍
期货交易中的趋势跟踪策略介绍期货交易市场中，趋势跟踪策略是一种较为常见和有效的交易策略。
本文将对趋势跟踪策略的基本原理、实施步骤以及风险管理进行介绍，旨在帮助读者更加全面地了解和掌握这一策略。
一、趋势跟踪策略的基本原理趋势跟踪策略基于一个简单的假设，即市场的趋势在一定的时间内会延续下去。
这意味着，一旦确定了一个趋势的方向，就可以通过跟踪该趋势来进行交易。
在趋势跟踪策略中，交易者主要关注市场价格的变动，以判断出趋势的方向和强度。
二、趋势跟踪策略的实施步骤1. 趋势判断：首先，我们需要判断市场当前的趋势方向。
这可以通过技术分析工具来实现，如移动平均线、趋势线等。
交易者可以根据自己的交易周期选择适合的技术指标来判断趋势。
2. 信号生成：一旦确定了趋势的方向，接下来需要生成交易信号。
交易信号通常是以市场价格突破某个特定的水平或者指标的数值为基础的。
例如，当市场价格突破某个移动平均线时，就可以触发买入或卖出的信号。
3. 仓位管理：在趋势跟踪策略中，仓位管理非常重要。
交易者需要根据趋势的强度和自身的风险承受能力来确定每笔交易的仓位大小。
此外，逐步建仓和逐步离场也是一种常见的仓位管理策略。
4. 止损和止盈：风险管理是交易成功的关键。
在趋势跟踪策略中，设置合理的止损和止盈水平可以帮助交易者有效控制风险。
对于亏损的交易，及时出局是非常重要的。
三、趋势跟踪策略的优势与风险趋势跟踪策略具有以下几个优势：1. 简单易实施：只需要关注市场价格和趋势，无需过多的复杂分析。
2. 适应多种市场：趋势跟踪策略适用于各种市场，包括股市、商品市场和外汇市场等。
3. 利润潜力较大：如果能够抓住较长时间的趋势，趋势跟踪策略可以带来较高的收益。
然而，趋势跟踪策略也存在一定的风险：1. 假突破：市场价格可能出现暂时的突破，然后回调，这可能导致损失。
2. 无法适应震荡市：在市场缺乏明显趋势时，趋势跟踪策略可能导致频繁的交易和亏损。
3. 忽略基本面因素：趋势跟踪策略主要基于技术面的分析，可能忽略了市场的基本面因素。
外汇趋势跟踪交易系统
外汇趋势跟踪交易系统做多（一）进场策略及进场时机的选择1、基准周K线为阴线时,每一次日K线突破基准周K线的高点，都是一次做多的好机会。
即：阳日K线的收盘价收在为基准那根阴周K线的高点之上（不含）,也必须收在它们之间所有的高点之上及5日均线之上，才可以进场做多。
注:①为基准那根阴周K线，若是单独的一根阴线,那么就以它为基准.②为基准那根阴周K线，若是连续两根以上的阴周K线，那么这根阴周K线的收盘价必须收在它前边所有的低点之下或持平,才能以它为基准。
③基准阴周K线有跳空缺口的，按缺口策略执行。
2、基准周K线为阳线时，每一次日K线回调至基准周阳线的低点附近形成上涨吞没形态,也是一次做多的好机会.即：在基准阳周K线的低点上方，阳日K线的收盘价收在另一根阴日K线的高点之上（不含)，及5日均线之上，而不需要收在它们之间所有高点之上，就可以做多.注：①为基准那根阳周K线，若是单独的一根阳线，那么就以它为基准。
②为基准那根阳周K线，若是连续两根以上的阳周K线,那么这根阳周K线的收盘价必须收在它前边所有的高点之上或持平,才能以它为基准。
③为基准那根阳周K线，若是连续两根以上的阳周K线，同时是两根以上阳K线组合的收盘价收在它前边所有的高点之上（不含）那么就以这个阳K线组合的最低点为基准.④基准阳周K线有跳空缺口的，按缺口策略执行。
⑤进场的日K线的形态有无跳空缺口都一样，只要是在周阳线的低点附近形成上涨吞没形态，就可做多。
3、其它进场必备条件：选择欧美、澳美的直盘货币对。
(二）止损点的设置1、设置止损点的进场这根日阳线的最低点如果与它前边日K线的收盘价之间没有跳空缺口，那么就把止损点设置在进场这根日阳线的最低点下方13个点处。
2、设置止损点的进场这根日阳线的最低点如果与它前边的日K线的收盘价之间有跳空缺口，那么就把止损点设置在它前边的日K线的收盘价下方13个点处.3、加仓后，把所有单子的止损点，都设置在加仓时进场那根日阳K线低点下方13个点处.(三）移动止损点的设置注:①符合以下任意一条，立即移动止损点。
开拓者程序化交易TB公式高级应用
KCS版本1(2)
If(MarketPosition!=1 && High >= UpperBand) { MyPrice = UpperBand; If(Open > MyPrice) MyPrice = Open; Buy(1,MyPrice); Return; } If(MarketPosition!=-1 && Low <= LowerBand) { MyPrice = LowerBand; If(Open < MyPrice) MyPrice = Open; SellShort(1,MyPrice); Return; } End
易系统。 由价格均线和ATR形成通道，当价格突破 通道产生入场讯号。
Keltner Channelቤተ መጻሕፍቲ ባይዱ理
肯特纳通道（KC）是一个移动平均通道，
由三条线组合而成(上轨、中线及下轨)，若 价格突破边界，即表示出现开仓机会。 肯特纳通道是基于平均真实波幅原理而形 成的指标，对价格波动反应灵敏，基于KC 的系统可以实时开仓，不需要等待下一个 Bar。
以橡胶测试结果为例，从报表中我们看到，
最大回撤发生的日期是2006/7/18，我们仔 细查看交易记录和讯号，可以看到最大的 资金回撤是由于一次盈利平仓过慢，以及 两次假突破导致。 因此我们有必要增加一个跟踪止损的设置。 我们选择固定点数跟踪止损(吊灯止损)。
KCS_V3(2)
KCS_V3(3)
KCS_V3(4)
If(BarsSinceEntry == 1) { HigherAfterEntry = AvgEntryPrice; LowerAfterEntry = HigherAfterEntry; }Else If(BarsSinceEntry > 1) { HigherAfterEntry = Max(HigherAfterEntry[1],High[1]); LowerAfterEntry = Min(LowerAfterEntry[1],Low[1]); } Commentary("HigherAfterEntry="+Text(HigherAfterEntry)); Commentary("LowerAfterEntry="+Text(LowerAfterEntry));
程序化初级交易模型总结
阶段涨幅：（CLOSE-REF(CLOSE,N）/REF(CLOSE,N);再创新高：HIGH=HHV(HIGH,N);放量上攻：CLOSE/REF(CLOSE,5)>1.2 &&VOL>MA(VOL,5)*3;窄幅整理：(HHV(CLOSE,20)-LLV(CLOSE,20))/CLOSE,0.08;均线多头排列:MA(CLOSE,5)>MA(CLOSE,10) && MA(CLOSE,10)>MA(CLOSE,20);前期高点及其位置:HHV(HIGH,20) HHVBARS(HIGH,20);60天前到40天前的最高价格: REF(HHV(HIGH,20),40)动态平均EMA(X,N) SMA(X,N,M) SMA(CLOSE,VOL)点到面转化COUNT SUM HHV LLV面到点转化CROSS线性回归SLOPE(CLOSE,10)/REF(CLOSE,10)>0.05;之字转向PEAK TROUGH PEAKBARS TROUGHBARS大阳线LOW=OPEN &&CLOSE=HIGH&&CLOSE/OPEN>1.04;穿头破脚C/O>1.04 &&OPEN<REF(CLOSE,1)&&CLOSE>REF(OPEN,1);吊颈O=H && (OPEN-CLOSE)/(HIGH-LOW)<1/3 && (HIGH-LOW)/HIGH>0.05;低开大阳线OPEN<REF(LOW,1) && OPEN/REF(CLOSE,1,1.98) && CLOSE/OPEN>1.04 ;跳空缺口LOW>REF(HIGH,1) && LOW/REF(HIGH,1)>1.02;MA普通金叉CROSS(MA(CLOSE,5),MA(CLOSE,10)) && MA(CLOSE,5)>MA(CLOSE,10) && MA(CLOSE,10)>MA(CLOSE,20)3条均线多头排列持续3天CC:= MA(CLOSE,5)>MA(CLOSE,30) && MA(CLOSE,10)>MA(CLOSE,30); EVERY(CC,3)=1 ;均线死叉CROSS(MA(CLOSE,10),(CLOSE,5));当日成交量放大2倍的金叉CROSS(MA(CLOSE,5),MA(CLOSE,10)) && VOL/REV(VOL,1)>2 KDJ指标RSV:=(CLOSE-LLV(LOW,N1))/(HHV(HIGH,N1)-LLV(LOW,N1))*100;K:=SMA(RSV,N2,1);D:=SMA(K,N3,1);综合判断条件CROSS(K,D)&&D ;RSI指标N1[2.0.7] N2[2.0.14]LC := REF(CLOSE,1);RSI1:SMA(MAX(CLOSE-LC,0),N1,1)/SMA(ABS(CLOSE-LC),N1,1)*100; RSI2:SMA(MAX(CLOSE-LC,0),N2,1)/SMA(ABS(CLOSE-LC),N2,1)*100;WR指标N[2.100.14]WR:100*(HHV(HIGH,N)-CLOSE)/(HHV(HIGH,N)-LLV(LOW,N));综合判断条件CROSS(WR,80)CROSS(WR,20)MACD指标L1[1.40.12] L2[1.100.26] L3[1.60.9]DIFF:EMA(CLOSE,L2)-EMA(CLOSE,L3);DEA:EMA(DIFF,L1);MACD:2*(DIFF-DEA),COLORSTICK;BOLL通道N[5.300.26] M[1.100.26] P[1.10.2]MID:MA(CLOSE,N);//求N个周期的收盘价均线，称为布林通道中轨TMP2:=STD(CLOSE,M);//求M个周期内的收盘价的标准差TOP:MID+P*TMP2;//布林通道上轨BOTTOM:MID-P*TMP2;//布林通道下轨多空指数（BBI）指标MA3 := MA(CLOSE,3);MA6 := MA(CLOSE,6）;MA12 := MA(CLOSE,12）;MA24 := MA(CLOSE,24）;BBI:(MA3+MA6+MA12+MA24)/4;乖离率（BIAS）指标BIAS1:((CLOSE-MA(CLOSE,L1))/MA(CLOSE,L1))*100;BIAS2:((CLOSE-MA(CLOSE,L2))/MA(CLOSE,L2))*100;BIAS3:((CLOSE-MA(CLOSE,L3))/MA(CLOSE,L3))*100;OBV指标编写编写要点：第一步，如果今收盘价>昨收盘价，那么成交量为正：AA:=IFELSE(CLOSE>REF(CLOSE,1),VOL,0);第二步，如果今收盘价＜昨收盘价，那么成交量为负：BB:=IFELSE(CLOSE<REF(CLOSE,1),-VOL,0);第三步，将所有的成交量加和：CC:=AA+BB;第四步，统计所有的周期上的成交量即得 OBV。
资产管理中的量化对冲考核试卷
A.多元化投资
B.风险与收益平衡
C.资产之间的低相关性
D.寻求市场中性
16.以下哪些是量化对冲基金可能采用的交易信号生成方法？（）
A.技术分析
B.基本面分析
C.统计方法
D.机器学习算法
17.以下哪些因素会影响期权在量化对冲中的应用？（）
A.期权的价格
B.期权的到期时间
C.期权的行权价
D.市场的波动性
3.描述量化对冲基金如何使用VaR（Value at Risk）模型进行风险管理，并讨论VaR模型的局限性。
4.请结合实际市场情况，分析量化对冲策略在市场动荡时期的潜在风险，并提出相应的风险管理措施。
标准答案
一、单项选择题
1. C
2. D
3. A
4. D
5. C
6. B
7. D
8. A
9. B
10. C
5.量化对冲策略中，机器学习技术的应用可以提高策略的预测准确性。（）
6.在量化对冲中，所有的策略都可以在所有市场环境下获得稳定的收益。（）
7.量化对冲基金在风险管理中，只关注系统性风险，不关注非系统性风险。（）
8.量化对冲基金在构建投资组合时，应该追求资产之间的完全正相关。（）
9.量化对冲策略中，趋势跟踪策略通常在市场波动性低时表现良好。（）
11. D
12. D
13. D
14. A
15. C
16. B
17. A
18. D
19. D
20. B
二、多选题
1. ABD
2. ABCD
3. ABC
4. ABCD
5. ABCD
6. ABC
7. ABCD
8. ABCD
B.风险与收益平衡
C.资产之间的低相关性
D.寻求市场中性
16.以下哪些是量化对冲基金可能采用的交易信号生成方法？（）
A.技术分析
B.基本面分析
C.统计方法
D.机器学习算法
17.以下哪些因素会影响期权在量化对冲中的应用？（）
A.期权的价格
B.期权的到期时间
C.期权的行权价
D.市场的波动性
3.描述量化对冲基金如何使用VaR（Value at Risk）模型进行风险管理，并讨论VaR模型的局限性。
4.请结合实际市场情况，分析量化对冲策略在市场动荡时期的潜在风险，并提出相应的风险管理措施。
标准答案
一、单项选择题
1. C
2. D
3. A
4. D
5. C
6. B
7. D
8. A
9. B
10. C
5.量化对冲策略中，机器学习技术的应用可以提高策略的预测准确性。（）
6.在量化对冲中，所有的策略都可以在所有市场环境下获得稳定的收益。（）
7.量化对冲基金在风险管理中，只关注系统性风险，不关注非系统性风险。（）
8.量化对冲基金在构建投资组合时，应该追求资产之间的完全正相关。（）
9.量化对冲策略中，趋势跟踪策略通常在市场波动性低时表现良好。（）
11. D
12. D
13. D
14. A
15. C
16. B
17. A
18. D
19. D
20. B
二、多选题
1. ABD
2. ABCD
3. ABC
4. ABCD
5. ABCD
6. ABC
7. ABCD
8. ABCD
趋势跟踪的几种模型
趋势跟踪的几种模型
趋势跟踪是一种基于数据的分析方法，通过观察数据的变化和趋势来预测未来的发展方向。
在趋势跟踪中，有几种常用的模型方法可以帮助进行预测和分析。
1. 简单移动平均模型（Simple Moving Average，SMA）：SMA模型是最简单的趋势跟踪模型之一，它通过对一段时间内的数据进行平均来观察趋势。
该模型可以平滑数据并剔除噪音，帮助识别出趋势的方向。
2. 加权移动平均模型（Weighted Moving Average，WMA）：WMA模型是对SMA模型的改进，它给予最近的数据点更高的权重，从而更加敏感地反映市场的变化。
这可以提高模型对趋势的准确性。
3. 指数移动平均模型（Exponential Moving Average，EMA）：EMA模型是在WMA模型的基础上引入了指数衰减因子，使得最近的数据点具有更高的权重。
这使得EMA模型更加关注最新的市场动态，可以更准确地捕捉到趋势的变化。
4. 线性回归模型（Linear Regression）：线性回归模型可以通过对数据进行拟合来确定趋势的方向和斜率。
该模型通过寻找最佳拟合直线来预测未来的趋势，并可以提供一些关于市场走势的统计分析。
5. ARIMA模型：自回归移动平均模型（Autoregressive Integrated Moving
Average, ARIMA）是一种常用的时间序列分析模型，它结合了自回归（AR）、差分（I）和移动平均（MA）的方法。
ARIMA模型可以对趋势和周期性进行拟合和预测，对于具有明显的趋势和季节性的数据较为适用。
这些模型可以根据不同的数据和预测需求进行选择和使用，以便进行趋势跟踪和预测分析。
程序化交易策略
风险控制
01
02
03
仓位管理
通过控制仓位来降低市场 波动的风险，如采用分散 投资、止损等措施。
止损止盈
设定合理的止损止盈点位 ，控制单笔交易的风险和 收益，避免过度贪婪或恐 慌。
风险管理
制定完善的风险管理计划 ，包括风险识别、评估、 监控和应对等环节，确保 策略的稳健运行。
06
程序化交易平台与工具
程序化交易策略
汇报人： 日期:
contents
目录
• 程序化交易概述 • 技术分析策略 • 基本面分析策略 • 机器学习策略 • 策略回测与评估 • 程序化交易平台与工具
01
程序化交易概述
定义与特点
定义
程序化交易是一种通过计算机程序自动执行交易决策和交易指令的交易方式。该方式利用各种技术和算法来分析 市场数据、预测价格走势并生成交易信号，最终由程序自动执行交易。
01
提供稳定、安全的云服务器和云数据库服务，适用于量化交易
策略的部署和运行。
腾讯云（Tencent Cloud）
02
拥有丰富的云计算资源和服务，为量化交易策略提供高效、便
捷的云端解决方案。
新华云（Xinhua Cloud）
03
专注于金融行业的云计算服务，提供高可用、高安全性的云端
交易平台。
数据服务与模型库
特点
程序化交易具有高效性、精准性、纪律性和可重复性等优点。它可以迅速处理大量市场数据，提高交易决策的效 率和准确性；同时，程序化交易可以克服人类情绪和心理因素的影响，使交易行为更加客观和可预测。然而，程 序化交易也存在一些风险，如过度拟合、市场异常波动等。
程序化交易的优劣
优点
1. 提高交易效率：程序化交易可以迅速处理大量市场数据，快速生成交易信号并自 动执行，从而提高交易效率。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
“胜券在我”程序化交易模型实测
介绍：本程序化交易模型为趋势跟踪模型，在趋势逆转时平掉原有方向仓位，并朝新的方向 开仓。经过测试，本模型对期货市场绝大部分品种表现优秀。
运行平台：和讯北斗星（金魔方亦可，其它平台需改写），支持大部分期货公司
程序化交易优势： 外国著名投资大师，埃尔德的理论是 3M 即：心态、方法，及资金管理。要想成功，你必须 有一种行之有效的方法，此外，你还得有良好的心态，不会今天亏了前就对你经过检验的方 法表示怀疑，不会今天用这个指标，明天用那个指标；最后便是很重要的资金管理，你不能 把鸡蛋都放一个篮子里。而一个好的程序化模型符合这一切。电脑在信号出现时不会犹豫， 会迅速发出指令。在达到平仓（止损）条件时会坚定执行平仓（止损），很好克服了人性的 弱点。在可行性方面，本程序已经通过绝大部分品种验证，尤其时上市时间长品种的检验。 正是因为有了程序化才可以重演历史。如果靠实盘去摸索，是无法想象的时间和资金成本。 有了程序化，你几乎可以不用交学费，不需要再付出那么大的代价。资金管理方面，本程序 推荐的是品种组合策略，建议不少于四个品种，程序不可能每次都是准确的，它也会有亏损 的时候，但是不同的品种由于运行规律不一样，便可在上升途中有效减少回撤幅度，从而更 好地控制了风险。如果，你能坚持下来那就能成功！
-5-
6 年累计复利收益： 2014 年 9 月 10 按复利计算的资产为： =100000*(1+244.59.82%))*(1+38.2%)*(1+124.39%)*(1+266%)*(1+137.39%)*(1+211.6)*(1+122.0 6%)=57080690 元=5700 万 没错！是 5700 万元，不可思议吧！！当然这只是理论值，实际情况或许会有些变化，而且这 需要你有超强的耐心，需要六年如一日的坚持。 以上只说明一点，复利可以创造惊人的利润。
“胜券在我”模型测试数据简析
注意：因为本模型为持仓过夜模型，所以涉及主力合约切换问题。测试数据不能完全反映真 实情况。
本模型总共发出交易信号 323 次（开平仓算一次交易），按每年约 50 个交易周来算，平均每 周交易约：323/（50*6.8）=1 次
-1-
年度收益分析 （图表中的年化收益率是以 10 万的持仓组合收益除以总资产计算年收益，所 以并不正确）
-3-
各品种盈利分析 组合收益走势
-4-
多品种组合的意义 “胜券在我”程序化交易模型为趋势跟踪型，特点为：胜率较低，盈亏比例高。6 年来四个 品种综合统计的胜率为 38.08%，也就是说平均交易三次有两次是亏损的。但平均盈亏比达 到了 4.1，可以理解为平均一次的盈利等于两次亏损之和的两倍。所以要对模型有充分的信 心，同时对小亏要有良好的心理准备和耐心，历史上本模型的最大回撤时间接近四个月，所 以坚持很重要。 作者简介：2003 年开始从事于股票行业工作，2010 股指期货推出来后，有幸接触期货相关 方面的风控工作，并对期货产生浓厚兴趣。根据多年来的心得、实践，才有了这套程序化交 易模型的问世。
程序化交易条件： 一台状态良好的电脑，稳定的宽带
测试初始资金为 10 万元，组合品种为：黄金、橡胶、焦炭、ＰTＡ四个品种的主力合约。这 四个品种均为上市超过六年的品种。默认下单参数如下： 下单手数： 黄金 1 手 橡胶 1 手 白糖 3 手 PTA 3 手 手续费： 交易所 1.1 倍 双边收取
测试数据采用 Leabharlann 0080101 至 20140910 间的数据
-2-
平仓收益走势
以 10 万元初始资金投入的话，从 2008 年 1 月 1 日到 2014 年 9 月 15 日累计收益是 1144225 元。这个是在没有计算复利的情况下，即每次都以 10 万块的持仓组合来买，赚的利润全部 转走。事实上若利润不转走，每年调整一次下单参数，利润将超乎想象的增长。 先计算每年的收益率： 2008 年 244587/100000=244.59% 2009 年 38201/100000=38.2% 2010 年 124383/100000=124.38% 2011 年 266007/100000=266% 2012 年 137392/100000=137.39% 2013 年 211596/100000=211.6% 2014 年 122056/60000=122.06% （非年化收益，截止到 20140910 的收益）
介绍：本程序化交易模型为趋势跟踪模型，在趋势逆转时平掉原有方向仓位，并朝新的方向 开仓。经过测试，本模型对期货市场绝大部分品种表现优秀。
运行平台：和讯北斗星（金魔方亦可，其它平台需改写），支持大部分期货公司
程序化交易优势： 外国著名投资大师，埃尔德的理论是 3M 即：心态、方法，及资金管理。要想成功，你必须 有一种行之有效的方法，此外，你还得有良好的心态，不会今天亏了前就对你经过检验的方 法表示怀疑，不会今天用这个指标，明天用那个指标；最后便是很重要的资金管理，你不能 把鸡蛋都放一个篮子里。而一个好的程序化模型符合这一切。电脑在信号出现时不会犹豫， 会迅速发出指令。在达到平仓（止损）条件时会坚定执行平仓（止损），很好克服了人性的 弱点。在可行性方面，本程序已经通过绝大部分品种验证，尤其时上市时间长品种的检验。 正是因为有了程序化才可以重演历史。如果靠实盘去摸索，是无法想象的时间和资金成本。 有了程序化，你几乎可以不用交学费，不需要再付出那么大的代价。资金管理方面，本程序 推荐的是品种组合策略，建议不少于四个品种，程序不可能每次都是准确的，它也会有亏损 的时候，但是不同的品种由于运行规律不一样，便可在上升途中有效减少回撤幅度，从而更 好地控制了风险。如果，你能坚持下来那就能成功！
-5-
6 年累计复利收益： 2014 年 9 月 10 按复利计算的资产为： =100000*(1+244.59.82%))*(1+38.2%)*(1+124.39%)*(1+266%)*(1+137.39%)*(1+211.6)*(1+122.0 6%)=57080690 元=5700 万 没错！是 5700 万元，不可思议吧！！当然这只是理论值，实际情况或许会有些变化，而且这 需要你有超强的耐心，需要六年如一日的坚持。 以上只说明一点，复利可以创造惊人的利润。
“胜券在我”模型测试数据简析
注意：因为本模型为持仓过夜模型，所以涉及主力合约切换问题。测试数据不能完全反映真 实情况。
本模型总共发出交易信号 323 次（开平仓算一次交易），按每年约 50 个交易周来算，平均每 周交易约：323/（50*6.8）=1 次
-1-
年度收益分析 （图表中的年化收益率是以 10 万的持仓组合收益除以总资产计算年收益，所 以并不正确）
-3-
各品种盈利分析 组合收益走势
-4-
多品种组合的意义 “胜券在我”程序化交易模型为趋势跟踪型，特点为：胜率较低，盈亏比例高。6 年来四个 品种综合统计的胜率为 38.08%，也就是说平均交易三次有两次是亏损的。但平均盈亏比达 到了 4.1，可以理解为平均一次的盈利等于两次亏损之和的两倍。所以要对模型有充分的信 心，同时对小亏要有良好的心理准备和耐心，历史上本模型的最大回撤时间接近四个月，所 以坚持很重要。 作者简介：2003 年开始从事于股票行业工作，2010 股指期货推出来后，有幸接触期货相关 方面的风控工作，并对期货产生浓厚兴趣。根据多年来的心得、实践，才有了这套程序化交 易模型的问世。
程序化交易条件： 一台状态良好的电脑，稳定的宽带
测试初始资金为 10 万元，组合品种为：黄金、橡胶、焦炭、ＰTＡ四个品种的主力合约。这 四个品种均为上市超过六年的品种。默认下单参数如下： 下单手数： 黄金 1 手 橡胶 1 手 白糖 3 手 PTA 3 手 手续费： 交易所 1.1 倍 双边收取
测试数据采用 Leabharlann 0080101 至 20140910 间的数据
-2-
平仓收益走势
以 10 万元初始资金投入的话，从 2008 年 1 月 1 日到 2014 年 9 月 15 日累计收益是 1144225 元。这个是在没有计算复利的情况下，即每次都以 10 万块的持仓组合来买，赚的利润全部 转走。事实上若利润不转走，每年调整一次下单参数，利润将超乎想象的增长。 先计算每年的收益率： 2008 年 244587/100000=244.59% 2009 年 38201/100000=38.2% 2010 年 124383/100000=124.38% 2011 年 266007/100000=266% 2012 年 137392/100000=137.39% 2013 年 211596/100000=211.6% 2014 年 122056/60000=122.06% （非年化收益，截止到 20140910 的收益）