苏慕白的博客
一个无聊的博客
-
4-2日 好久没更新了 好久没更新博客了 最近两个月圣杯策略翻了几倍，但是踩了几个坑又赔回去了 这两天给圣杯策略做了个全交易对实时拟合 淘宝租了五台 i5-12600KF 然后用用遗传算法，实时拟合币安141个合约交易对、6个周期 回测日化100%+，恐怖吗，今天实盘跑了一天 还不错，但是还是有些bug 期待以后的效果 我现在还在跑千千千神的高频做市策略，带预测的，哈哈 最近币安上的新币韭菜ape、zil、gmt最多的时候一天100%，平时日化5%
-
2-25日 圣杯策略实盘随笔 累积跑了十天，这两天的暴跌行情全部吃到了 累积盈利40%左右： 这两天刚加了很多交易对，拟合的情况日化10%，最大回撤20%左右 再跑个十天，继续增加 今天早上4点时候，出现了插针的情况 吸取了上次的教训，我的实盘增加了风控功能，成功把这次风险规避 回测系统的回撤达到了20%+，而实盘有风控回撤只有6% 交易就是如此，不断吸取教训，改进，每一次改进真金白银
-
2-16日 圣杯策略实盘随笔 最近半个月状态挺糟糕的，对自己的策略严重失去信心 亏30%的时候，继续抗，直到亏70%，才后知后觉 这就是人性，再次败给了自己 把风控抛之脑后 总结了两个问题： 第一个是我一直在币安跑，后面换了Okex，对比币安，滑点增大，有的时候滑点可以达到百分之一。我回测没有统计平均单笔利润，然后也不怎么在意滑点，只在意手续费，最后回测结果和实盘结果很大出入 第二个是过拟合的问题，几乎所有机构，都是对着历史拟合，失效了继续拟合，这似乎是一个无解的问题。导致历史最大回撤被超过。 调整了下心态，继续吧 目前操作为： 换回币安 除了多品种外，再增加多周期，也就是一个品种同时跑15m、30m、1h，2h。（另外可以尝试6m这种大家不常用的k线，会有意想不到的效果，用3m的k线拼接就好了） 注重平均单笔利润，如果你的策略回测结果平均单笔利润为万2，那么增加一点手续费或者滑点就是凉的结果 完整的风控，针对过拟合的问题，要及时更新拟合失效的品种，对每个品种最大回撤要有个预期。杠杆不要开太大 对了，目前币安的BUSD挂单为-0.0001%，吃单为0.0002%（貌似持续半年了） 但是比较USDT，挂单成交率没那么高，做的人太多 并且支持BUSD的合约交易对只有八个 期间把失败分享给朋友的时候，有的人支持我继续，有的人叫我放弃炒币，好好做事 但是其实我的策略还是盈利的状态，就是开太高的杠杆一味追求利益，然后来到最大回撤关掉风控继续死扛 不过这都是自己作的，能怪谁呢？
-
1-12日 圣杯策略实盘结果 第一个圣杯跑了44天了，最高盈利62%，目前又来到了最大回撤点： 第二个圣杯策略，目前实盘了七天： 整体框架经过了无数次修改没什么大问题 现在一直在解决订单完全成交导致滑点的问题 这几天折腾第二个圣杯策略去了，没更新博客，回测万2%手续费可以达到日化15% 先是框架搭建、修bug、修完bug来了个大额订单无法完全成交，头疼。
-
-
12-29日 实盘策略 1. 前言 最近5天，一直在忙着让第二个圣杯策略实盘 前前后后改了应该有几十个bug了 因为这个策略需要高频超短线做市，之前的框架不能满足 框架太复杂，又熬了不少夜肝了不少代码 又把我的作息和生活节奏打乱了 Ps：安利一下这个免费的思维导图《GitMind》软件 2. 实盘收益 前一期的实盘策略目前保留了Bounce和RsiMa Fib Vwap虽然赚了30%个点，但是我还是把他剔除了，因为无法用回测数据支撑，跑着不放心 RsiMa属于趋势策略，Bounce为震荡策略，实盘中我与Bounce结合相跑 距离前一期一个月了，实盘也跑了一个月 期间最大回撤达到了20%多，虽然属于设计之内，但亏钱还是挺难受的，好在后面跑回去了 这个月整体盈利50%左右 3.实盘策略 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%% 地址：https://sumubai.cc/post/49 开跑：11-29 18:22:36 2. Rsi Ma Rsi追踪趋势，Rsi值进行Ma平滑处理防止震荡重复入场 地址: https://sumubai.cc/post/60 开跑：11-29 18:22:36 3. Sb [圣杯2] 圣杯的首字母sb 23333 待跑 4. 往期实盘 11-14日 实盘策略 https://sumubai.cc/post/28 11-29日 实盘策略 https://sumubai.cc/post/52
-
-
第二个圣杯策略 记录一下 1. 策略原理 原理和Bounce反弹策略很像，区别在于一个逆势 一个顺势 暂时取名叫Sb策略，哈哈 有个坏处是它属于高频超短线策略，需要Maker手续费 Bounce反弹策略就不一样了，手续费再高也能盈利 半年了，每日每夜的研究，走过不少弯路 还好前一个月走回来了策略这条路 金融，Good Bye 2. 回测结果 万2手续费Eth近四个月： 万1手续费Eth近四个月： 万0手续费Eth近四个月： Eth Eth_Sell Dot Dot_Sell 两个交易对多空双开回测： 万2手续费近2个月： 万0手续费近2个月： 万2手续费近1年： 万0手续费近1年： 统计： 3. 总结 以上仅仅是两个交易对的效果，如果10个交易对呢，2333 然后加上配合市商账号相信日化可以达到5% 一如既往最大回撤控制在30%
-
Dca策略 类马丁 1.策略原理 Dca：Dollar cost averaging 美元平均成本 使用均线确定趋势 均线金叉后 买入初始 N% 量 然后确定十条网格线 （网格之间间距越来越大） 每个网格线买入点的量倍投 止盈：持仓成本固定 1.5% 止损：第十条网格价格线的 N% 于普通马丁和网格不同，带有止损不会被套和爆仓 网格线和加仓量计算代码： seting = { 'base_size': 5, #初始下单量 % 'safety_size': 2, #马丁初始下单 % 'max_trades': 9, #最大交易数 'wangge_price': 0.4 * 0.01, #网格间距 'wangge_price_scale': 1.19, #网格乘数 'wangge_volume_scale': 1.8, #马丁乘数 } class DcaClass(): def __init__(self, seting): self.close = 0 #初始开仓价格 self.seting = seting self.i = 1 #参数i为第几条网格线 def step(self, i): pd = self.seting['wangge_price'] ss = self.seting['wangge_price_scale'] if i == 1: return pd if i == 2: return pd + pd * ss if i == 3: return pd + (pd + pd * ss) * ss if i == 4: return pd + (pd + (pd + pd * ss) * ss) * ss if i == 5: return pd + (pd + (pd + (pd + pd * ss) * ss) * ss) * ss if i == 6: return pd + (pd + (pd + (pd + (pd + pd * ss) * ss) * ss) * ss) * ss if i == 7: return pd + (pd + (pd + (pd + (pd + (pd + pd * ss) * ss) * ss) * ss) * ss) * ss if i == 8: return pd + (pd + (pd + (pd + (pd + (pd + (pd + pd * ss) * ss) * ss) * ss) * ss) * ss) * ss if i == 9: return pd + (pd + (pd + (pd + (pd + (pd + (pd + (pd + pd * ss) * ss) * ss) * ss) * ss) * ss) * ss) * ss if i == 10: return pd + (pd + (pd + (pd + (pd + (pd + (pd + (pd + (pd + pd * ss) * ss) * ss) * ss) * ss) * ss) * ss) * ss) * ss return pd """网格价格计算""" def long_line(self, i, side): return self.close - self.close * self.step(i) if side == 'BUY' else self.close + self.close * self.step(i) """倍投数量计算""" def safety_order_size(self, yuer, i, side): ok = yuer * self.seting['safety_size'] / 100 * math.pow(self.seting['wangge_volume_scale'], i-1) #次方根 return ok if side == 'BUY' else -ok 总结：Ma交叉后使用类似马丁的方法加仓，提高胜率 2.回测结果 -
Python实现TradingView中的PivotHigh和PivotLow 直接上代码： """枢轴点 最高价""" def PivotHigh(df, left, right=0): right = right if right else left df['pivot'] = 0.0 for i in range(len(df)): if i >= left+right: rolling = df['High'][i-right-left:i+1].values m = max(rolling) #print(GetTime(df['Time'][i], "%m-%d %H:%M"), df['High'][i-right], m, rolling) if df['High'][i-right] == m: df['pivot'].values[i] = m return df['pivot'] """枢轴点 最低价""" def PivotLow(df, left, right=0): right = right if right else left df['rollingLow'] = df['Low'].rolling(left+right).min() df['pivot'] = 0.0 for i in range(len(df)): if i >= left+right: rolling = df['Low'][i-right-left:i+1].values m = min(rolling) if df['Low'][i-right] == m: df['pivot'].values[i] = m return df['pivot'] 使用： import pandas as pd df = pd.DataFrame(r) #r为K线数据 df['PivotHigh'] = PivotHigh(df.copy(), 10, 10) df['PivotLow'] = PivotLow(df.copy(), 10, 10)
