【数量技术宅|量化投资策略系列分享】多周期共振交易策略

数量技术宅团队在CSDN学院推出了量化投资系列课程

欢迎有兴趣系统学习量化投资的同学，点击下方链接报名：

量化投资速成营（入门课程）

Python股票量化投资

Python期货量化投资

Python数字货币量化投资

C++语言CTP期货交易系统开发

数字货币JavaScript语言量化交易系统开发

更多精彩内容，欢迎关注公众号：数量技术宅。探讨数据分析、量化投资问题，请加技术宅微信：sljsz01（个人号快加满，欲添加老师请从速）

多周期共振，提高策略胜率

趋势策略是量化投资策略中一个重要的类别，趋势策略有着低胜率、高盈亏比的特征，低胜率意味着当行情长期不出现趋势，策略会面临较大的回撤幅度、较长的回撤周期，容易让策略交易者产生无法继续执行策略的念头。那么，如何可以提高趋势策略的胜率，使其在震荡行情尽可能少开仓、甚至不开仓，我们这里引进多周期共振的方法。

多周期共振，理论依据是自然界的“分形理论”。我们把该理论应用到K线图表上，市场不同级别的K线，如果抹去K线周期，很难看出所属的K线周期；根据分形理论，大小周期K线的属性是极其相似的，同样的，他们都具有识别趋势的功能。

因此，当大、小K线周期都提示市场具有趋势行情的时候，此时趋势延续的概率也将更大，而我们在开发策略中需要做的，就是实现多周期共振信号的编写。

日线与其他日内周期共振的策略开发

在本文的分享中，我们将采用一个支持策略编写开发、测试、交易的三方平台：交易开拓者（TB）来为大家实现多周期共振的策略思路。我们首先来看日线与其他日内分钟周期共振的策略开发，我们以日内想要交易的分钟周期作为主周期，所以此时需要获取的是日线这个非主周期的K线数据，并计算相应的指标。

日线的跨周期数据获取比较便捷，TB为我们直接定义了日线的跨周期函数，可以调用日线的开、高、低、收等常用K线数据。日线收盘价用法如下，可以用CloseD(N)的方式获得。日线开盘价、最高价、最低价的数据获取方式同理，分别是OpenD(N)、HighD(N)、LowD(N)。

我们以著名的技术指标Keltner通道为例，演示如何在分钟级别的主周期，利用TB的日线跨周期函数来计算日线的Keltner通道。先通过循环依次获取日线周期前N天的收盘价，计算辅助指标SumValue（日线收盘价之和）以及SumTR（日线真实波幅之和），最后计算Keltner通道的上下轨。

日线Keltner通道的效果展示：由于日线数据在对应的分钟级别K线周期上，不是连续变化的，所以我们看到的Keltner通道是呈现一小段一小段折线形式变化的。

任意K线级别的多周期共振

如果我们不仅需要日线级别周期，还需要其他更精细的分钟级别周期，来进行共振的确认，此时，我们就需要自己编写跨周期获取K线数据的函数了，在本文中，技术宅将分享给大家一个自编的计算任意K线级别跨周期K线的函数。

这个函数有两个参数：一是目标时间周期，支持任意跨周期时间的获取，月、日、小时、任意分钟；二是目标时间周期BAR偏移，一般情况下我们选1，即当前主周期能获取到的历史最近1个跨周期K线的数据，避免未来数据。该函数支持输出跨周期K线的所有数据：开、高、低、收、成交、持仓等数据。

接下来是跨周期数据获取的核心实现部分，我们首先需要在每根小周期的K线上，记录它所属的大时间周期（跨周期）下的开高低收等值的变化；接下来，我们需要把在大的时间周期级别上属于同一根K线的开高低收等数据，记录在这一组小周期K线的最后一根K线上；最后，将相应的K线数据作为引用参数返回，就能得到任意跨周期的K线数据了。

自编的跨周期函数，它的使用方法很简单，我们可以通过调用跨周期函数，进一步计算所需要的跨周期技术指标，我们在此处以简单移动平均线为例。只需要设定拟跨的K线周期、偏移、均线计算周期，首先调用跨周期K线数据获取函数得到跨周期的收盘价，再调用求和函数并除以均线计算周期，就能得到跨周期计算的均线指标了。

我们举一个简单的任意跨周期均线指标的计算示例，此处我们以5分钟K线作为主周期，拟计算30分钟跨周期K线的均线，均线的计算周期为20、60周期的双均线，并展示效果。有了前述函数的铺垫，代码实现变得相当简单。

再来看一下跨周期均线的绘图结果，完美实现了跨周期指标的计算和呈现。

一个多周期共振的策略实例

现在，有了计算任意跨周期K线、跨周期指标的函数，我们就可以根据策略的思路，轻松构建多周期共振的交易策略了。在文末，我们为大家展示一个多周期共振的交易策略实例，该示例用到了多周期共振的思路，以及我们实现多周期共振的函数。

我们按照等权重，对目前期货市场所有交易活跃的品种，应用该策略做了组合测试。不刻意挑选品种，是为避免选品种带来的过度拟合，验证多周期共振逻辑是否真正有效。

从回测结果来看，总体业绩比较稳健的向上，不同品种互有盈亏。我们没有刻意筛选品种，也没有对单个品种做任何的参数调优，已经充分说明策略思路是有效的。

如果你想要获取上述分享的策略，欢迎添加技术宅微信：sljsz01（个人号快加满，欲添加老师请从速），与我交流。

往期干货分享推荐阅读

【数量技术宅|金融数据分析系列分享】为什么中证500（IC）是最适合长期做多的指数

大宗商品现货数据不好拿？商品季节性难跟踪？技术宅带你Python爬虫一键解决没烦恼

【数量技术宅|金融数据分析系列分享】如何正确抄底商品期货、大宗商品

【数量技术宅|量化投资策略系列分享】股指期货IF分钟波动率统计策略

【数量技术宅 | Python爬虫系列分享】实时监控股市重大公告的Python爬虫