news 2026/4/23 13:56:52

SPL量化工作台使用教程-13 波动性突破策略

作者头像

张小明

前端开发工程师

1.2k 24
文章封面图
SPL量化工作台使用教程-13 波动性突破策略

这个策略的基本逻辑是:当市场的波动性(即价格区间)突然放大时,往往预示着新趋势的开始。我们用一个简单的指标来量化这种波动,并据此进行交易。

  1. 指标公式

这个策略只使用一个指标,我们称之为波动率因子 (Volatility Factor, VF)

VF = ln(最高价 / 最低价) * 10

  • 最高价:当前K线的最高价。
  • 最低价:当前K线的最低价。
  • ln:自然对数。ln(最高价/最低价) 本质上是计算当日价格的变化幅度(对数收益率的一种形式)。乘以10是为了放大这个值,使其更容易被观察到和用于触发信号。

这个值的含义:VF 值越大,表示当天的价格波动范围(从最高到最低)越大。


  1. 买入和卖出时机

这个策略需要一个波动性基准。我们假设如果当前的波动性超过了过去一段时间的平均水平,就可能发生“突破”。

策略规则(以做多为例):

  1. 计算基准波动率 (Benchmark Volatility)
    • 计算过去N天(例如N=20)的VF值的简单移动平均(SMA)。我们称之为 VF_MA。
    • VF_MA = SMA(VF, 20)
  2. 买入信号 (开仓信号):
    • 如果当前K线的 VF > VF_MA * 系数K(例如K=1.5)
    • 并且当前K线是阳线(收盘价 > 开盘价)
    • 则在下一根K线开盘时 买入。
    • 逻辑:波动性显著放大(超过平均水平的1.5倍)且价格收涨,表明可能开始了向上的突破行情。
  3. 卖出信号 (平仓信号):

买入后,设置一个目标盈利点和止损点。

    • 止盈:当股价从买入价上涨达到 X% 时,卖出。例如 X = 5%。
    • 止损:当股价从买入价下跌达到 Y% 时,坚决卖出止损。例如 Y = 3%。
    • 补充条件:如果一直没达到止盈或止损,则在买入后的第M天(例如第5天)无条件卖出。

根据上述描述,我们来实现此策略:

第一步先定义波动率因子指标:

选择SPL公式,输出列名填VF,输出列类型选普通,表达式为ln(最高/最低)*10

  1. SPL公式:ln()函数

函数说明:

计算一个数值的自然对数(以常数 e 为底的对数)。

函数语法:

ln(number)

参数说明:

number 数值类型

用法示例:

ln(100) //输出结果4.605170185988091

第二步定义买入信号列:

选择SPL公式,输出列名填VF_signal,输出列类型选信号,表达式为if(VF>VF[-20:-1].avg()*1.5 && 收盘>开盘,1,0)

第三步定义策略:买入信号列选VF_signal,买入价格选昨日收盘价,卖出信号列和卖出价格均不设(其意思是不按此操作),止盈幅度填5,止损幅度填3,最长持仓日填5,平仓缺省价格选昨日收盘价

提交后可看到回测结果:

可以看到使用该策略,600690这只股票在2022年实现了盈利。

SPL量化工作台(临时)网址:http://stock.raqsoft.com.cn:8092/model.jsp

因股票信息量大,请在大屏幕电脑上使用浏览器操作,不合适小屏幕手机体验。

工作台首页:https://www.raqsoft.com.cn/wx/splqt.html (长期有效,临时网址变更时可从这里获取最新的)。

社区网址:https://c.raqsoft.com.cn/tag/QuantitativeTrading

版权声明: 本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若内容造成侵权/违法违规/事实不符,请联系邮箱:809451989@qq.com进行投诉反馈,一经查实,立即删除!
网站建设 2026/4/18 12:40:47

YOLOv8 SimCLR无监督表征学习尝试

YOLOv8 SimCLR无监督表征学习尝试 在工业质检、医疗影像分析等实际场景中,高质量标注数据的获取成本极高,甚至难以规模化。与此同时,大量未标注图像持续产生——这些“沉默的数据”蕴含着丰富的结构信息,却因缺乏标签而被深度学习…

作者头像 李华
网站建设 2026/4/18 23:35:28

20251231-思维格局

一、SMART原则:让目标从模糊愿望变为清晰行动SMART原则是一种被全球广泛采用的科学目标管理方法,其核心是通过五个维度—— ​具体(Specific)、可衡量(Measurable)、可达成(Achievable&#xff…

作者头像 李华
网站建设 2026/4/23 13:02:18

YOLOv8 Mean Teacher指数移动平均教师模型

YOLOv8 中的 EMA 与 Mean Teacher:如何让目标检测模型更稳、更强 在现代深度学习系统中,一个看似微小的训练技巧,往往能带来显著的性能提升。YOLOv8 就是这样一个典型案例——它不仅在架构上持续进化,在训练策略上也集成了许多“…

作者头像 李华
网站建设 2026/4/16 14:00:29

YOLOv8 Decoupled Head解耦头结构解释

YOLOv8 Decoupled Head解耦头结构深度解析 在当前目标检测任务日益复杂的背景下,如何在保持实时推理能力的同时提升模型精度,成为工业界和学术界共同关注的核心问题。YOLO系列模型自诞生以来,始终以“快而准”为目标不断演进。到了YOLOv8这一…

作者头像 李华