高頻交易算法研發心得--WAVT指標（Warensoft交易量趨勢指標）算法及應用

時間 2019-11-09

標籤高頻交易算法研發心得 wavt 指標 warensoft 趨勢應用简体版

原文原文鏈接

高頻交易算法研發心得--WAVT指標（Warensoft交易量趨勢指標）算法及應用算法

注：WAVT指標由Warensoft(王宇)原創。學習

前面聊了一系列的常見應用指標，包括短線、長線的指標，而且也無耐的指出每種指標的問題。固然每寫一篇文章，也都是一次學習過程。通過一年多的學習研究，筆者也自創了一個應用指標，並將其命名爲WAT指標，本次讓咱們一塊兒來探討一下，歡迎你們扔磚！測試

1.指標定義spa

WAVT：Warensoft交易量趨勢（Warensoft Volume Trend），是根據必定時期內交易量描述出買賣趨勢的指標量，適合於中長期交易。WAVT指標表達形式，以下所示：code

如圖所示，WAVT指標包括兩種顯示形式，一個是曲線圖，一個是方波圖，方波圖是由曲線圖計算獲得的。其中，曲線圖能夠較爲直觀的顯示當前行情的變化趨勢，可是不便於量化交易；而方波圖是對曲線圖進行了一次數值變換，適合計算機進行量化交易。blog

2.趨勢線的計算class

我相信有不少程序猿和我同樣，一直都但願經過行情變化曲線的極值點，來捕獲最合理的買賣時機。這裏存在兩個技術難點：軟件

曲線是否平滑（曲線不平滑，就難以肯定極值點）
曲線的末端是否穩定（不穩定，就會經常出現誤判）

對於趨勢線的計算，最簡單的想法是利用K線進行繪製。因爲K線是市場的最直接反映，因此其波動性會比較大，所以，以K線做爲數據源的話，整個圖像中出現的M頭或W底會很是的多。List

前段時間，研究了一下OBV指標，同時，有一個10多年的老股民朋友（也是資深軟件工程師）告訴我說：「能夠利用交易量來模擬行情」。本人大受啓發，所以，WAVT的趨勢線的數據源是來自市場交易量的。軟件工程

前一篇文章中（談RSI指標），咱們說過經典的MACD以及MA均線，都是從固定週期的價格做爲判讀的指導思想，並將價格進行平滑處理，而後獲得可參考的判讀結果。排除我的經驗外，這些計算方法從方法論層面上來講是一種數值化斷定方法（即：先有數據，再斷定結果）。

然而基於交易量的OBV指標，則是從交易量的角度，分析人們的交易信心（信心是沒法量化的），所以，OBV指標是帶有預測性。另外，相同週期的OVB指標要比MA指標更靠近真實行情，同時OBV的曲線要比MA的曲線平滑得多！

我們書歸正文，WAVT指標中的趨勢線算法描述以下：

public List<TimeValuePair> GetWAVTTrendLine()

        {

            //1.首先獲取帶有Vol值的K線數據。

            var kline = GetKline();

            //2.計算OBV指標值,注意這裏使用40作爲平滑週期

            var obv = GetOBV(kline,40);

            //3.獲取極值點採樣，注意這裏須要進行兩次採樣，所以參數爲2

            var peeks = GetPeekPoints(obv, 2);

            //4.由於極值點數據，在時間上是不連續的，

            //所以，須要對極值點數據進行線性插值，以保證每一個時間點上都有數據

            peeks = InterplotData(peeks);

 

 

        }

通過上面4個步驟，咱們就能夠獲得WAVT趨勢線。具體算法比較複雜，看官們能夠本身實現，或者調用Warensoft Stock Service Client來實現。其圖像以下所示：

3.方波圖的計算

趨勢線的特色是比較直觀，適合人眼來觀察行情，可是不便於計算機量化處理。下面咱們來進行方波化變換，以便計算機量化。其過程以下：

//1.計算WAVT趨勢線

            var trendLine = GetWAVTTrendLine();

            //2.全部數據減去前一個數值，獲得方波值

            var value = trendLine[i] - trendLine[i - 1];

            //3.對方波數據進行噪聲濾波，以去掉干擾數據

            value = MakeFilter(value);