文章 "交易中不同类型移动平均线的比较"
Описание торговой стратегии
我们选择了一个具有明显市场进入和退出条件的简单策略来测试该指标。
入市条件。
- 初步买入信号：指标线穿过 "看涨 "蜡烛体。此外，如果指标的当前值与前值之差大于指定参数增长因子（指标在增长），我们就开始买入交易。
- 初步卖出信号：指标线穿过 "看跌 "蜡烛体。此外，如果指标的前值和当前值之差大于指定的增长因子参数（指标在下降），则开启卖出交易。
市场退出条件：
- 达到止盈或止损水平；
- 如果开启买入交易，且指标线穿过看跌蜡烛体；
- 如果开始卖出交易，且指标线穿过 "看涨 "蜡烛图的主体。
文章结论中的 TS 值得商榷。
Alexey Volchanskiy:
优化是在 2016 年 1 月 1 日至 2017 年 9 月 9 日期间进行的。我并没有高估结果，这没有任何意义，我并没有在 muving 上销售交易机器人。
文章说 "测试时间为 2016 年 1 月 1 日至 2017 年 9 月 9 日"。
优化是在什么时间段进行的？结果对 muvingas 来说太好了。
Aleksey Zinovik:
优化时间为 2016 年 1 月 1 日至 2017 年 9 月 9 日。我并没有高估结果，这没有任何意义，我又不是在 muwings 上销售交易机器人。
优化时间为 2016 年 1 月 1 日至 2017 年 9 月 9 日。我并没有高估结果，这没有任何意义，我又不是在 muwings 上销售交易机器人。
伟大的 ))))首先在这一时期进行参数拟合，然后在同一时期进行测试 ))尝试进行前瞻性优化和测试，你会有意想不到的收获。
感谢您提供的详细文章。实用性肯定不高，但作为对各种可能性的概述，这篇文章非常好。
某条柱状图的值是过去几条柱状图的平均值，它怎么能显示价格的走向呢？
准确性是这样的--它上涨了，所以它将继续上涨。
Alexey Volchanskiy:
伟大的 ))))首先，我们对这一时期进行参数拟合，然后在此基础上进行测试 ))试着进行前向优化和测试，你会大吃一惊的。
是的，你说得对。后向优化和前向测试更切合实际。我为欧元兑美元的 TEMA、NRMA 和 DEMA 做了这样的优化和测试（它们在文章中给出了最好的结果）。
回溯优化。时间段 01.01.2016-04.11.2016（我之前测试的时间间隔的一半）。
前向测试。2016 年 11 月 5 日至 2017 年 9 月 9 日。
结果汇总于下表：
| 指标名称 | 优化参数值 | 净利润（优化） | 净利润（测试） | 回收率（优化） | 回收率（测试） | 利润率 （优化） | 盈利能力 （测试） | 夏普比率 （优化） | 夏普比率 测试 |
|---|---|---|---|---|---|---|---|---|---|
| 特马 | 周期 - 44, 增长因子 - 0.0002 | 829.62 | 1072.76 | 2.39 | 3.93 | 1.32 | 1.41 | 0.1 | 0.13 |
| NRMA | 周期 - 10，增长率 - 0.0001 | 772.78 | 415.26 | 1.49 | 0.89 | 1.26 | 1.15 | 0.09 | 0.05 |
| DEMA | 周期 - 49，增长率 - 0.0002 | 541.22 | 575.92 | 1.21 | 1.68 | 1.24 | 1.31 | 0.09 | 0.10 |
对 NRMA 的测试结果比文章中描述的要差。TEMA 和 DEMA 的测试结果良好。
新文章 交易中不同类型移动平均线的比较已发布：
已经研究过 7 种移动平均线 (MA), 并已开发了与它们协同工作的交易策略。在单一交易策略中测试和比较各种移动平均线的工作已经完成了, 结果展示了所有给定移动平均线应用的可比较性能特征。
我们来研究价格图表上显示的不同移动平均指标变体。图例 1 展示的是按收盘价计算, 周期为 12 的移动平均线指标的变体。
图例 1. 移动平均指标的变体
作者：Aleksey Zinovik