基于数据挖掘框架下的策略公式生成器

普通CTA策略或者择时策略的决策过程，本来就可以简化为一颗颗决策树…….

而研发CTA策略的过程，本质上也就是寻找/建立一颗颗决策树的过程。

算法原理：

设立目标函数：夏普率/收益风险比/收益率/复合算法

思想：用数据挖掘的手段，替代人工迭代CTA的过程。

前期准备：1，算子公式池，穷举自己或他人的交易经验，将各类价量指标的公式跟使用方式列出来，数量越多，可行解的空间越大，挖掘效果也越好。

2，设定公式组合框架，其实就是如何从这边算子公式中，组合成完整的交易流程。这里也是跟据交易者的个人交易经验来设定，本文只以最简单的‘与或非’组合为例。

原理：运用改进过的Gplearn框架，将公式算子简化到（-1，0，1）状态，通过遗传规划算法让其随机组合、遗传、编译、迭代，遗传算法的适应度为如收益风险比之类的。

开仓变量准备：

技术指标-ROC、RSI、MACD、CCI、EMA、WR、KDJ、MOM、CMO、DMA、SAR、OBV、

DMI、ABO、ADX、TRIX、CMF、MFI、Stochastic Oscillator……..

通道-布林通道、海龟通道、开盘区间、肯特纳通道、斐波那契通道、ADX通道、伍尔夫通道………

变量用法：

>、<、>阈值、<阈值、突破上轨、突破下轨………….

逻辑判断：

与、或、非、是/否

状态：

空仓/持仓、亏损/盈利、持仓周期数、入场价

止盈止损：

盈利/亏损x%、盈利/亏损x*ATR、价格低于/高于y周期最高/最低价、价格高于/低于形态点位

仓位管理：

价值等权、ATR等权、波动率等权

公式组合框架设计

如，算法生成公式demo1：

and(open_signal_keltner_100, and(open_signal_CCI_100,open_signal_bias_250))

vol_amount_atr

or(or(close_signal_bias_150, close_signal_v_factor_150)，stop_signal_3%)

公式解读：

开多条件：clsoe上穿 keltner上轨 且 CCI>100 且 bias>5%

开空条件：clsoe下穿keltner下轨 且 CCI<-100 且 bias<-5%

开仓量：value*0.01/ATR

平多条件：bias<-5% or close< v_factor_up

平空条件：bias>5% or close> v_factor_dm

止损条件：开仓价亏损3%

止盈条件：无

依此类推：

Demo2：

and(or(and(open_signal_boll_second_200, open_signal_boll_dul_150), open_signal_boll_250), not(and(open_signal_mfi_percent_250, open_signal_macd_200)));

vol_amount_bod;

or(or(close_signal_p_score_250,and(yes(close_signal_high_mean_250), close_signal_v_factor_250)) ，stop_signal_2atr);

Demo3：

or(not(or(yes(open_signal_bias_150), open_signal_resistance_200)), and(open_signal_boll_wma_250, open_signal_ma_slope_200));

vol_amount_bod;

or(and(not(close_signal_single_ema_150), yes(close_signal_single_t3_250)), stop_signal_open10);

发布于 2024-07-29 18:18・IP 属地广东

数据挖掘

量化交易与策略

赞同 167 条评论

分享

喜欢收藏申请转载