Linux cenots 修改yum为国内源 教程
cd /etc/yum.repos.d/
rm -f CentOS-Base.repo CentOS-AppStream.repo CentOS-PowerTools.repo CentOS-centosplus.repo CentOS-Extras.repo
curl -o CentOS-Base.repo https://mirrors.aliyun.com/repo/Centos-8.repo
yum makecache
Rsi MA平滑策略 策略
1.策略原理
计算Rsi值,再计算Rsi的Ma值,进行相减:Rsi-Ma(Rsi)
再把相减的值进行Ma平滑:Ma(Rsi-Ma(Rsi))
最后的结果 上穿0,开多,下穿0,开空
2. 回测结果
三个交易对组合投资,1hK线:
Boll布林带波动率策略 策略
1.策略原理
开仓条件:Boll开口扩大,中轨往上走,Rsi没有超买,Atr大于前值
平仓条件:Boll开口缩小,中轨往下走
2.回测结果
15mK线,只做多:
Boll布林带突破策略 策略
1.策略原理
一个很简单的策略
突破上轨,且Rsi没有超卖时做多,价格回归中轨时平仓
代码:
seting = {'name': 'BB', 'symbol': 'ETHUSDT', 'kTime': '15m', 'bb_len': 129, 'bb_mult': 2.259, 'rsi_len': 22, 'rsi_long_min': 15, 'rsi_long_max': 76, 'rsi_short_min': 12, 'rsi_short_max': 74, 'buy': 1, 'buyZhiying': 13.037, 'buyZhisun': 8.014, 'sell': 1, 'sellZhiying': 5.084, 'sellZhisun': 13.086}
"""
布林带策略
"""
def BB(r, df, seting):
df['ma'] = SMA(r, seting['bb_len'], 'Close')
df['mult'] = seting['bb_mult'] * talib.STDDEV(df['Close'].values, timeperiod=seting['bb_len'])
df['upper'] = df['ma'] + df['mult']
df['lower'] = df['ma'] - df['mult']
df['rsi'] = talib.RSI(df['Close'].values, timeperiod=14)
c = len(df)
for i in range(c):
if i > seting['bb_len'] and i+1 < c:
if df['Close'][i] > df['upper'][i] and df['Close'][i-1] < df['upper'][i-1] and\
df['rsi'][i] >= seting['rsi_long_min'] and df['rsi'][i] <= seting['rsi_long_max']:
df['side'].values[i] = 'BUY'
if df['Close'][i] < df['ma'][i] and df['Close'][i-1] > df['ma'][i-1]:
df['close'].values[i] = 'BUY'
if df['Close'][i] < df['lower'][i] and df['Close'][i-1] > df['lower'][i-1] and\
df['rsi'][i] >= seting['rsi_short_min'] and df['rsi'][i] <= seting['rsi_short_max']:
df['side'].values[i] = 'SELL'
if df['Close'][i] > df['ma'][i] and df['Close'][i-1] < df['ma'][i-1]:
df['close'].values[i] = 'SELL'
return df
2.回测结果
DMI策略 策略
1.策略原理
很简单的一个策略,只用了DMI一个指标
获得DMI两条线后相减,再把值做平滑处理
值 > 0 且大于上一个值 就做多
DMI指标的计算可以看我发过的ADX指标里面有
代码:
"""
DMI指标策略
"""
def DMI(r, df, seting):
a, b = DI(r, seting['dmi_len'])
df['dmi'] = a-b
if seting['ma_type'] == 'sma':
df['dmi'] = SMA(df['dmi'].values, seting['ma_len'])
if seting['ma_type'] == 'ema':
df['dmi'] = talib.EMA(df['dmi'].values, seting['ma_len'])
if seting['ma_type'] == 'rma':
df['dmi'] = RMA(df['dmi'].values, seting['ma_len'])
c = len(df)
for i in range(c):
if i > seting['ma_len'] and i+1 < c:
if df['dmi'][i] > 0 and df['dmi'][i] > df['dmi'][i-1]:
df['side'].values[i] = 'BUY'
if df['dmi'][i] < 0 and df['dmi'][i] < df['dmi'][i-1]:
df['side'].values[i] = 'SELL'
return df
2.回测结果
15mk线 2021年:
P-Signal 策略 策略
1.策略原理
这是基于 p 信号构建交易策略的示例。 p 信号表示 Kolmogorov 概率空间中 交易对的 D 帧系统状态的熵。
TradingView完整源码:
strategy("P-Signal Strategy:", precision = 3)
//
// Parameters and const of P-Signal.
//
nIntr = input(title = "Number of Bars", type = input.integer, defval = 9, minval = 4, maxval = 100, group = "Parameters of observation.")
bSmooth = input(title = "Smoothing", type = input.bool, defval = true, group = "Parameters of observation.")
//
// Horner's method for the error (Gauss) & P-Signal functions.
//
fErf(x) =>
nT = 1.0/(1.0 + 0.5*abs(x))
nAns = 1.0 - nT*exp(-x*x - 1.26551223 +
nT*( 1.00002368 + nT*( 0.37409196 + nT*( 0.09678418 +
nT*(-0.18628806 + nT*( 0.27886807 + nT*(-1.13520398 +
nT*( 1.48851587 + nT*(-0.82215223 + nT*( 0.17087277 ))))))))))
x >= 0 ? nAns : -nAns
fPSignal(ser, int) =>
nStDev = stdev(ser, int)
nSma = sma(ser, int)
fErf(nStDev > 0 ? nSma/nStDev/sqrt(2) : 1.0)
//
// Signals on Set of Frames.
//
nPSignal = fPSignal(change(ohlc4), nIntr)
nPSignal := if (bSmooth)
sma(nPSignal, nIntr)
ndPSignal = sign(nPSignal[0] - nPSignal[1])
//
// P-Signal plotting.
//
hline(+1.0, color = color.new(color.orange,70), linestyle = hline.style_dotted)
hline(-1.0, color = color.new(color.orange,70), linestyle = hline.style_dotted)
plot(nPSignal, color = nPSignal > nPSignal[1] ? color.green : color.red, style = plot.style_line)
//
// Strategy "A penny saved is a penny earnd." Caution with short!
//
strategy.entry("long", strategy.long, when = nPSignal < 0 and ndPSignal > 0)
strategy.close("long", when = nPSignal > 0 and ndPSignal < 0)
Python实现:
2. 回测结果
K线15m 手续费万4% MA周期60 止盈30% 止损6.6%
2021年:
11-29日 实盘策略 实盘
0. 前言
还在苦苦等待上涨趋势吗,还在忍耐一个月就交易几次,结果还是赔钱的状态吗?
现在不一样了!加入组合投资、做空趋势策略、震荡策略后
让你每天都能开仓,不管行情是上涨还是下跌,还是震荡不动
时时刻刻给您保证全天24小时都是在赔钱的状态
这就是实盘v3版本的魅力!
v3更新详情:https://sumubai.cc/post/43
往期实盘策略:
- 2021年 11-14日 地址:https://sumubai.cc/post/28
之前做的实盘并没有完全停止,只是改成小资金观察,10u一个策略 2333
以下回测手续费设置为:双边万5%
1. Bounce 反弹 [圣杯]
该策略为震荡策略,
顺大势逆小势,大势为多,那么每当在底部就开多,到高处平多。做空反之
亏损的原因为大势逆转
12-19日 BTCUSDT 更换为BounceV2版本,回撤从-26.57%降低到-23.51%%
2. Ema Vol [已停止]
Ema与量加权价格线的交叉
3. KDJ OTT [已停止]
将KDJ的K值进过OTT平滑实现过滤噪声
金叉开多 死叉开空
4. Fib Vwap [赚了30%后停止,懒得跑]
计算一周的Vwap线,再计算上轨和下轨,博底反弹
因为价格做为阈值的原因,2021年的参数无法在2020年开仓
所以跑着玩
5. Rsi Ma
Rsi值进行平滑处理
地址: https://sumubai.cc/post/60
组合投资仓位管理 笔记
在做虚拟币组合投资的情况下,因为虚拟币很大一部分都是同时涨跌
导致两个币种放一起组合投资回撤就会1+1=2
那么如何增加交易次数降低回撤呢?
这里可以尝试下限制持仓
1. 不限制持仓:
5个交易对进行回测
最大回撤达到了40%
2. 限制所有持仓数量
把限制持仓数量调整为3
可以看见回撤降低到了32%
但是同时也限制了盈利能力,无法五个交易对同时盈利
3. 浮亏持仓后停止开仓
我们再把持仓限制改成如果2个持仓都是浮亏的状态
那么就停止开仓
最大回撤降低到了25%!,达到了我30%以内的要求,且盈利能力没有下降多少
通过观察,我们发现策略在盈利的状态下,5个交易对都是满仓同时盈利
如果亏损的状态,最多两个交易对一起亏损
Bounce趋势反弹 震荡策略 策略
1. 策略原理
该策略为震荡策略,
顺大势逆小势,大势为多,那么每当在底部就开多,到高处平多。做空反之
亏损的原因为大势逆转
这个策略好处在于一套参数可以适应最近五年
并且因为是震荡策略,不用苦逼的等趋势
还是有优化的空间,这个出场太早,无法吃到趋势
然后这个策略组合投资会是什么情况呢?
睡了明天搞
2. 回测结果
KDJ OTT平滑策略 策略
1.策略原理
原理用K的值,再进行趋势过滤平滑,适合分钟K线,2m 5m 15m
计算太过复杂,实现也弄了挺久,直接放代码
2. 回测结果
2021 5m 多空
2020 5m 多
2021 15m 多
2020 15m 多
2020年的回测没有参数调优
EMA交叉策略 V3 【动量Ema】 策略
1. 策略原理
Ema价格线 与 量加权Ema线交叉
量加权Ema线计算:
(过去N根 价格 * 量) 总和 除以 (过去N根 量) 总和
得出的值再计算Ema
核心代码:
2. 回测结果
ETHUSDT 15m 2020-2021两年
ApiKey泄露 被对敲 笔记
今天群友的币安ApiKey泄露了,然后钱划转到现货
各种买卖垃圾币,把钱给转走
对方通过在垃圾币埋单,然后操控账户去买,这样他的垃圾币就卖了高价
这是一种不通过转账就能转走的方法(对敲)
应当注意ApiKey的隐秘,并且开启ApiKey的IP限制
实盘交易框架升级完毕 V3 笔记
上午肝了一上午让回测支持多策略同时回测
下午肝到半夜3点,肝了一天,实盘交易框架 V3版本终于诞生~
等财富自由再也不写代码了!!!!!吐了
实盘交易框架改成多策略多交易对共存了,可以搞组合投资了
支持钉钉通知,支持云端操作,支持多挂单监控
升级后的界面:
后台总控:
之前的版本: