用 Python 架构的策略探讨：价量结合+动量反转

策略理念：

从技术分析角度来讲，价量是最重要的两个指标，同时 momentum/reverse 是最通用也是最经典的分析法，

本策略试图将这两者结合起来。

策略思路：

价量结合：以每日成交量为权重，计算过去 N 天的加权收盘价，可以看出计算的加权价格可以理解为过去 N 里的平均成交价，也可以理解为筹码最集中的地段

动量反转：对比今天的收盘价和上述计算的加权平均价，我们假定当收盘价向上突破加权价一定比例时有继续上涨的趋势，但当突破到很大程度时会出现反转；当收盘价向下突破加权价一定比例时会有继续下跌的趋势，但跌到一定程度时会发生反转。

策略频率：

不建议经常换仓，所以定性为周度策略， refresh_rate = 5

改进点：

样本股扩容，考虑扩展到中证 800 或者更多

仓位的资金分配，当样本股扩容后，如何根据信号分配好资金

遇到 07 年和当前的大跌情况时要采取些措施，考虑止损或者进一步改进策略信号

策略信号： https://uqer.io/community/share/55b1f886f9f06c91f918c5d1

接下来进行参数分析： https://uqer.io/community/share/55b1f886f9f06c91f918c5d1 ，在上述五个参数（ window,positive1,positive2,negative1,negative2 ）中，最重要的可能是 window ，因为 window 的长短对加权平均价影响很大，这就直接影响了 signal 的大小，那么其余的四个参数也应该作相应的调整。

下面： https://uqer.io/community/share/55b1f886f9f06c91f918c5d1 就不同 window 的情况做一下统计分析，统计不同 window 下，所有 signal 均值、标准差，看看变化规律。

对于不同 window 的选取也比较一般化，由于周度策略，那么历史数据应该是过去一个月、两个月、、、半年。

从上面： https://uqer.io/community/share/55b1f886f9f06c91f918c5d1 可以看出,从 06 年至今来看，股市整体还是上涨的，所以 signal 的均值都为正，但也都接近 0 ；而方差则随着窗口期的变大而变大，毕竟半年的行情和一个月行情比起来，不确定性会更多。

接下来，以此为参考来确定其余的四个参数

当 signal 位于（ negative1 ， positive1 ），我们不作任何操作，一方面是避免操作频繁，另一方面，收盘价和加权平均价相差较小时，也并没有包含任何趋势或者反转的信息

当 signal 向上突破 positive1 时，就表明有趋势产生，但是当 signal 达到 positive2 时，就认为会产生反转； negative 的情况也是一致的

根据上述计算的 signal 的均值和方差，来确定 positive2 和 negative2 ，取置信区间为 1.5 倍标准差作为参考（置信度大概为 85%）

根据上述结果来确定各种情况下的合适参数，但不失一般性， positive 和 negative 要保证对称性，而且尽量取整（避免过度优化）

最后的参数结果在如下的 params 中展示

从上面的结果可以看出，策略本身可能更偏短线，在预测未来一周走势上，短期的 momentum/reverse 可能更有效。

结合实际，当 window=20 时，表明用过去一个月的数据来预测未来一周的数据，这一点也是非常合理的

所以，将 window 确定为 20 ，另外 4 各参数也都确定下来，下面就展示最终的策略回测表现

至此，基于最开始策略思路的一个简单版策略实现了，从上图看，收益表现还行，但是波动太大，而且熊市不抗跌。。。。

正如开篇提到的改进部分，还有很多部分需要去完善，而这些也都是在实盘中需要考虑到的

暂时写到这吧，后续有更新版本再与大家共享，同时，也希望大家多提意见，一起把这个策略做的更完善~