量化策略开发，高质量社群，交易思路分享等相关内容

正 文

大家好，今天我们分享2023年度第3期策略——RUMI魔改+krange自适应离场第3版迭代。

本期策略是2023年通用系列第3篇。本期主要内容有对RUMI原版的逻辑魔改，其次重点针对krange自适应离场模块进行第3次参数自适应魔改。具体魔改主要针对的是初始化计算的参数，以及ER效率系数和加速模块，二合一自适应加速处理。

1、策略逻辑

我们在一些量化杂志中，可以看到一个叫做RUMI的策略，当然这个策略实际上很垃圾，我也不知道为啥总是在绩效排行榜的前面，而且还是什么全球top10。

实际上原版本的策略如下图所示：

看到了吧，实际上就是长短均线差，然后在平均。但是我们要看的并不是事物的缺点，而是事物的优点。我看到的优点就是在一个行情阶段，长短均线差势必会出现一个方向的分离。其次，在窄幅震荡中，这个RUMI数据会呈现一个稳定波动的态势。如下图所示：

当然了，以上的东西是存在很多主观的因素的，但有一点可以确定的是，只要行情上下波动加大，那么下面的数据波动也会加大，哪怕是宽幅震荡。

基于以上还有其他定性研究，我修改了比原版更为准确和及时的进出场逻辑，加入了上下轨道，如下图所示：

下面我将重点讲述一下Krange自适应离场第3版。在该版本中，我将初始化参数给予自适应，并且将第2版中的加速模块去掉，也改为自适应。在第1、2版本中，我们设定了1个初始化止盈止损的参数，其次利用ER效率系数进行了自适应的迭代跟踪，并且在第2版本中加入了加速模块，设定了加速触发阈值和系数2个参数，但是这3个参数在不同品种、周期中变化很大，一般的新手也很难把握，如下图所示：

下面，先对初始化参数进行自适应迭代，如下图所示：

在这个逻辑中，我们考虑平均一个单位ATR变动，带来多少pricerange的变化，从而确定初始化参数的大小，因为在实践中我们发现，虽然尽管ATR是个历史波动率刻画工具，但是初始化会无时不刻的影响后续的迭代。

基于此，目前想到的一个不是很好、很完善的自适应逻辑就是用上述逻辑进行代替。

其次，在第2版加速逻辑模块中，一下子增加了2个参数，哪怕其中exit_mul_2可以通过exit_mul_1参数进行代替。

基于此，我使用一个简单的线性插值方法，根据RSI动态调整AdjustedEffRatio的权重，这样我们可以使AdjustedEffRatio在RSI的极值（超买超卖）时达到最大和最小值权重。如下图所示：

从上图可以看出，当价格下跌的过程中，AdjustedEffRatio就会变大，同理多头反之亦然。这样的话，我们就可以结合2种算法，将多空2个结构都可以自适应。这一点就是说要迭代修改的重中之重。

2、绩效

组合

Eb

纸浆

总结

• 该策略自适应模块仅对空头做了自适应加速，多头那块留给大家作业，照着源代码可以自行修改。不会改的可以群里沟通，大家聊一聊。

• 关于exit_mul_1参数，如果大家注意到就会发现，exit_mul_1*atr最后就是pricerange，而这其实并不是我们想要的，所以这里可以进一步研究迭代。但是并不否认这里的确都可以自适应的玩。

• 在资金管理方面，我注意到一个问题，以往都是按照复权价格计算，但是资金却没有复权，所以这里实际上这里应该将价格除权计算，如下图所示：

由于各平台差异，回测绩效以TBQ版本为准！！！

本策略仅作学习交流使用，实盘交易盈亏投资者个人负责。

👌

End