首页 > 其他分享 >国外著名交易策略:R-Breaker模型设计原理(转载)

国外著名交易策略:R-Breaker模型设计原理(转载)

时间:2023-11-14 22:26:38浏览次数:34  
标签:Breaker 策略 反转 模型 买入价 开仓 转载 卖出价 交易

R-Breaker是一种短线日内交易策略,它结合了趋势和反转两种交易方式。
  交易系统的基本原理如下:
  1.根据前一个交易日的收盘价、最高价和最低价数据通过一定方式计算出六个价位,从大到小依次为:突破买入价、观察卖出价、反转卖出价、反转买入价、观察买入价、突破卖出价。
  以此来形成当前交易日盘中交易的触发条件。这里,通过对计算方式的调整,可以调节六个价格间的距离,进一步改变触发条件。
  2. 追踪盘中价格走势,实时判断触发条件。具体条件如下:
  ¨ 当日内最高价超过观察卖出价后,盘中价格出现回落,且进一步跌破反转卖出价构成的支撑线时,采取反转策略,即在该点位(反手、开仓)做空;
  ¨ 当日内最低价低于观察买入价后,盘中价格出现反弹,且进一步超过反转买入价构成的阻力线时,采取反转策略,即在该点位(反手、开仓)做多;
  ¨ 在空仓的情况下,如果盘中价格超过突破买入价,则采取趋势策略,即在该点位开仓做多;
  ¨ 在空仓的情况下,如果盘中价格跌破突破卖出价,则采取趋势策略,即在该点位开仓做空。
  3. 设定止损条件。当亏损达到设定值后,平仓。
  4. 设定过滤条件。当前一个交易日波幅过小,该交易日不进行交易。
  5. 在每日收盘前,对所持合约进行平仓。
  6. 可使用1分钟、5分钟或10分钟等高频数据进行判断。

  R-breaker 模型交易结果

  数据选取:我们选取沪深300 指数股指期货连续合约的5 分钟高频数据来进行模拟测试。测试区间为2010年4月16日至2011年12月16日;每笔交易均按1手合约进行建仓并且设定万分之三的交易及冲击成本;不考虑资金杠杆,即保证金比例为100%交易;设定1%的止损线;过滤条件为波幅30点。

  交易结果:交易策略(见http://bbs.ihoms.com/bbs/zt/5569.htm)在测试区间内,总交易377 笔,盈利交易比例为48.5%,合计盈利1644.4个指数点。扣除每笔交易万分之三的交易及冲击成本后,盈利1313.8 个指数点,折合394140元,假设50万初始资金只交易一手合约,期指推出以来的累计收益率为78.8%。期间一手合约最大单笔亏损为15300元,一手合约最大连续亏损为52800元。交易策略的最大回撤为81150元,最大回撤率为6.25%。

标签:Breaker,策略,反转,模型,买入价,开仓,转载,卖出价,交易
From: https://www.cnblogs.com/long136/p/17832722.html

相关文章

  • AI经典模型参数规模
    |模型|             参数数量||-----------------------------|-----------------------------||AlexNet|约60million||VGG16|约138million||ResNet50......
  • 【Python&图像超分】Real-ESRGAN图像超分模型(超分辨率重建)详细安装和使用教程
    ​1前言        图像超分是一种图像处理技术,旨在提高图像的分辨率,使其具有更高的清晰度和细节。这一技术通常用于图像重建、图像恢复、图像增强等领域,可以帮助我们更好地理解和利用图像信息。图像超分技术可以通过多种方法实现,包括插值算法、深度学习等。其中,深度学习......
  • 初学者如何上手服务器训练模型
    拿到一个服务器很迷茫,不知道如何使用,写一份本实验室的服务器使用方法:1下载Xshell和Xftp现在提供了家庭/学习免费版2安装后新建会话3bash命令切换到bash界面bash,全称BourneAgainShell,是绝大多数Linux系统默认的命令解释器,能够处理用户所输入的命令,以及执行指定的Shell脚......
  • UNet pytorch模型转ONNX模型完整code
    1importos2importtorch3importnumpyasnp4fromUnetimportUNET5os.environ["CUDA_VISIBLE_DEVICE"]=""67defmain():8demo=Demo(model_path="/xxx.pth.tar",output="pathto/xxx.onnx")9......
  • 解决 keras 首次装载预训练模型VGG16 时下载失败问题
    解决:Exception:URLfetchfailureonhttps://storage.googleapis.com/tensorflow/keras-applications/vgg16/vgg16_weights_tf_dim_ordering_tf_kernels_notop.h5:None--[Errno104]Connectionresetbypeer解决方案:1、先将数据集单独下载下来:models/vgg16_weights_tf_d......
  • 结合大语言模型与亚马逊云科技基础服务,构建知识库智能搜索问答方案
     背景 本篇主要介绍LangChain和开源大语言模型集成,结合亚马逊云科技的云基础服务,构建基于企业知识库的智能搜索问答方案。  LangChain介绍 LangChain是一个利用大语言模型的能力开发各种下游应用的开源框架,它的核心理念是为各种大语言模型应用实现通用的接口,简化大语言模型应......
  • 大模型训练,推动自然语言处理发展的强大引擎
    近年来,自然语言处理(NLP)领域取得了显著的进步,其中最引人注目的成就之一是基于Transformer架构的预训练语言模型。这些模型,如GPT-3,在各种NLP任务中都取得了突破性的成果,包括问答系统。然而,尽管这些模型具有强大的性能,但它们通常需要大量的计算资源和数据来进行训练,这限制了它们的可扩......
  • 大模型训练,模型优化与参数超参数调优
    在机器学习和深度学习的世界中,模型与训练模型、参数(parameter)与超参数(hyperparameter)是非常重要的概念。这些概念对于理解这些技术的核心概念和运行方式至关重要。本文将详细讨论这些概念及其在机器学习和深度学习中的应用。一、模型与训练模型模型是用来描述世界中某一现象或事物......
  • 大语言模型和生成式AI的关系 | 认识 Amazon Bedrock
    大语言模型为什么这么火?一提到大语言模型,想必大家第一个想到的就是ChatGPT这样的自然语言处理工具,那么大语言模型是什么?大语言模型和生成式AI是什么关系?就让我以亚马逊云科技为例子,浅显易懂地带你入门大语言模型吧。首先,让我们来了解一下大语言模型和生成式AI的概念。大语言模型是......
  • 使用Bert模型实现embedding嵌入
    参考文献:保姆级教程,用PyTorch和BERT进行文本分类-知乎(zhihu.com)模型地址:https://huggingface.co/bert-base-casedfromtransformersimportBertTokenizer,BertModeltokenizer=BertTokenizer.from_pretrained('bert-base-cased')model=BertModel.from_pretrained("......