ZFJ_张福杰

随机指标策略摘要 随机指标（Stochastic Oscillator）通过计算当前收盘价在N日高低区间内的相对位置（%K）及其平滑值（%D），判断超买（>80）超卖（<20）状态。该策略在震荡行情中表现良好，能灵敏捕捉短线机会，但趋势行情中易产生假信号。Python实现示例显示：以DOGE/USDT为标的的1小时K线策略，通过14日周期计算KD值，当%K下穿20买入、上穿80卖出。回测结果显示策略收益率波动较大，需配合趋势过滤优化信号质量。关键优势在于操作简单直观，但需注意其滞后性和趋势适应性

本文介绍了基于相对强弱指数（RSI）的量化交易策略。RSI通过计算14周期内收盘价涨跌幅度的平均值（公式：RSI = 100 - 100/(1+RS)），当RSI<30时视为超卖买入信号，RSI>70时视为超卖卖出信号。通过Python实现Binance平台DOGE/USDT交易对回测，代码包含数据获取、RSI计算、交易信号生成及收益可视化功能。回测结果显示策略产生多轮买卖信号，最终累计收益为负值（初始1000USDT降至960.44USDT），表明该基础策略需进一步优化参数或结合其他指标使用。

动量策略是一种基于"强者恒强"理念的交易方法，通过追踪资产过去表现来预测未来走势。本文以DOGE/USDT为例，展示了该策略的Python实现：1) 计算过去10根K线收益率作为动量指标；2) 正收益时买入，负收益时卖出；3) 记录交易盈亏并绘制收益曲线。代码包含完整的交易信号生成、持仓管理和绩效评估功能。测试结果显示策略能有效捕捉趋势，但需注意动量策略在震荡行情中可能表现不佳。该实现可直接应用于其他加密货币交易对，为量化交易者提供了一个可扩展的框架。

后期我会针对这些策略类型进行一步一步学习。

本文主要是针对中的代码事例，进行逻辑的增强，添加了逻辑，并记录了。

均线策略是趋势交易的入门方法，虽然简单，但理解透彻后能衍生出更复杂的量化系统。

博主目前在学习量化策略交易，目前记录自己的学习笔记。量化策略交易（Quantitative Strategy Trading）是一种以数学模型、统计分析和计算机程序为基础，系统性地执行交易策略的方法。它强调客观、可验证、自动化，区别于传统的“主观交易”。量化策略交易，是通过量化模型（Quantitative Model）来决定交易时机、仓位大小、买卖标的等，用计算机程序代替人进行判断与执行的交易方式。数据分析（历史行情、因子）逻辑建模（规则设定）策略回测（模拟历史表现）