CCI 指标。三个变换步骤

MetaTrader 5 — 指标 | 9 十一月 2022, 14:34

1 842

在前一篇文章里，我曾研究过传统的商品通道指数指标的可能变化。它们涉及计算方法，但不影响该指标的实质。在本文中，我将研究改良指标的计算逻辑，期望指标从略微不同的角度来观察。我们来看看这些变化将如何影响指标结果。当然，我将尝试评估所实现修改的有效性。

步骤一

CCI 基于简单直观的计算。首先，计算当前价格与平均值之间的差值。然后将该差值除以标准偏差。换言之，我们取价格和样本中间值之间的差值，并与样本标准偏差相比，估算高出（或低出）的倍数。

一切都简单明了。但也有一点缺陷，可能会导致错误的决定。我们以两个序列为例：2, 1, 1 和 21, 11, 1。如果我们将这些序列翻译成交易语言，那么第一个是横盘，第二个则是清晰而强劲的趋势。

这两个序列中的哪一个能给出更高的 CCI 值？尝试根据您的直觉回答，并证明您的答案。同时，我将进行必要的计算。

第一个序列

第二个序列

正如我们所看到的，两个序列产生的结果相同。主要原因是我们使用了标准偏差。对于第一个序列，当期值和平均值之间的差值很小。但标准偏差也很小。对于第二个序列，差值增加了，但标准偏差也增加了。这就是为何两个不同的序列却导致相同的结果。

如果我们向任何交易者询问他们对技术指标的需求，那么他们很可能会说：特殊的情况应该导致特殊的指标值。这对于 CCI 而言，是否有可能实现这样的愿望？答案是肯定的。但要达成这一点，我们需要摒弃除法，转而用乘法代替它。然后指标公式将如下所示：

依据这样的变化，当差值和标准偏差都很大时，指标理应足够高亮示意价格走势趋势。但这种方式有其自身的特点。我们无法（甚至近似地）估算指标值的范围及其水平。然而，这个缺点很容易克服。让指标本身计算它需要什么值，以及多久需要。收集此类数据后，我们就可以设置指标等级。略微偏离零轴的指标读数会更频繁地出现。较大的值不太会频繁地出现。按出现的频率分隔指标值，我们就能够设置指标等级。我们考虑到指标的正值和负值的统计数据也许彼此不同。因此，我们要分别收集正等级和负等级的数据。

各种级别值能便利地设置为百分比。例如，如果级别等于 70，那么这正是指标值在水平线和零轴之间的比例。只有 30% 的值会超出级别。

为了计算级别，我们将进行如下操作。我们创建两个数组来存储指标值（正值和负值彼此分开）。

int array_dn[],         // array for storing positive values
    array_up[],         // array for storing negative values
    size_dn=0,size_up=0;// array sizes

我们先要为数组设置大小。

ArrayResize(array_up,size_up,rates_total);
ArrayResize(array_dn,size_dn,rates_total);

当历史数据可用时，我们设置获得的结果。请注意，我们在数组里把负值转换为正值。这样做是为了方便后续处理。

if(cci>0)
  {
   ArrayResize(array_up,size_up+1);
   array_up[size_up]=(int)MathRound(cci/_Point);
   size_up++;
  }
if(cci<0)
  {
   ArrayResize(array_dn,size_dn+1);
   array_dn[size_dn]=(int)MathRound(-cci/_Point);
   size_dn++;
  }

在零号柱线开盘之前，您首先需要在数组里进行排序。然后查找数组元素的索引。这些单元格将包含级别值。不要忘记对于负值返回一个减号。

ArraySort(array_up);
IndicatorSetDouble(INDICATOR_LEVELVALUE,0,array_up[size_up*level/100]*_Point);
ArraySort(array_dn);
IndicatorSetDouble(INDICATOR_LEVELVALUE,1,-array_dn[size_dn*level/100]*_Point);

现在我们来看一下我们的新指标。

正如我们所看到的，所有计算选项都产生了类似的画面。主要区别在于级别的数值。有趣的是，所有选项的正值和负值的级别彼此不同。这意味着从指标的角度来看，价格上涨和下跌的走势并不对称，我们的假设，及单独收集统计数据被证明是合理的。

然而，我们的新指标与传统 CCI 进行比较更有趣。在此，我们可以遇到指标看起来非常相似的领域

以及指标显示出不同行为的部分。如果我们注意指标线与其级别的交叉，这种差异变得特别明显。

现在我们来测试新指标的实际效果。开发一个 EA 来依据其信号进行交易。鉴于指标级别可能会发生变化，我们将按如下方式设置开仓规则。如果指标的当期值低于负级别，并且指标的前期值低于当期值，则将开立多头仓位。而如果指标的当期值高于正级别，并且指标的前期值高于当期值，则将开立空头仓位。开仓类型会导致相反类型平仓。

测试参数：EURUSD H1, 2021.01.01 - 2021.12.31。

每次测试的主要结果如表所示

类型	净利润总额	毛利	毛损失	总交易
经典	248.21	1 361.74	-1 113.53	823
平方	-304.83	2 993.08	-3 297.91	3581
新式	-567.15	2 540.88	-3 108.03	3251

有趣的是，计算标准偏差的经典方法立即产生了正面的结果。在最后两个选项中，交易数量明显增加。这可能表明需要提高指标触发级别。之后交易数量就会降低，且可能提高其效率。经典版本的余额曲线示例如下所示。

步骤二

到目前为止，我是利用标准偏差来计算指标。仅当数值分布符合正态定律时，才能证明使用标准偏差进行数值常规化是合理的。针对 CCI 的情况下，初始数据是价格和平均值之间的差值。我们来看看它们实际上是如何分布的。

为了强调所得结果的特征，我减少了样本量，并从中删除了零值。如您所见，该图形结果相当奇特，甚至看起来都不像正态分布图。

如果差值根据某种经验定律分布，我们应当放弃标准偏差。那么我们的指标就变成 CCI 的一半。

我们考虑一下这一步的后果。显然，如果未经平滑，指标值的分布将非常大，看起来会有些不寻常。此外，较大的价格走势会影响指标的视觉感知。但这些缺点不能压倒一个巨大的优势。

当计算 CCI 指标值时，我们用到一个简单的均化。这是一个众所周知的等式，但我仍然会在这里展示它：

这个公式背后是什么？这可以是算术中间值、随机变量的数学期望、和矩形窗口。我们盯上最后一个选项。为什么是矩形窗口？毕竟，我们还有其它可用的窗口函数。

我知道大约有五十个窗口函数有自己的名字。而没有专有名称的窗口函数的数量数不胜数。

出于实验目的，我们将采用一个矩形窗口、一个三角形窗口、和平顶窗口。最后一个窗口函数相当不寻常，因为它的某些权重采用负值。我们也取三个不对称的窗口 - 线性、幂、和指数权重。拥有线性和指数权重的平均值可在 MetaTrader 的移动平均线菜单中找到。
所有选项的一般视图如图所示（最低指标是经典 CCI）。

所有选项都非常相似，但它们的级别可能相差很大。这取决于所采用的窗口函数 — 其中一些有滞后，指标值相对较大的可能会更频繁地出现。其它窗口函数跟随价格，因此小偏差更常见。

此外，为防万一，指标添加了两个平滑选项。它们不会改变计算的本质，但它们可令指标在视觉上更具魅力。

我们开发另一个 EA，来测试这个 hCCI 指标。开仓和平仓的信号则与之前的 EA 完全相同。测试参数及其时间间隔也与前一种情况相同。

主要测试结果如表所示。

窗型	净利润总额	毛利	毛损失	总交易
矩形	224.57	1 745.03	-1 520.46	726
三角形	94.17	1 532.10	-1 437.93	696
平顶	236.54	1 354.67	-1 118.13	643
LWMA	243.62	1 444.48	-1 200.86	639
幂	44.57	1 175.79	-1 131.22	561
指数	-317.41	725.11	-1 042.52	359