分析缺点

与上一篇文章一样，我将从分析上一个成功版本的缺点开始。在分析过程中发现了以下缺陷：

• 根据烛形分析生成仓位打开/关平信号，烛形的大小不稳定，它们有的大，有的小。基于下跌或上涨烛形的过度开仓并不少见。之后，下跌烛形和上涨烛形的数量变得相等，而未平仓的利润仍然是负数。那么，赫兹量化应该平仓还是等待获利？在前一种情况下，整个交易要点变得失去意义，算法开始接收损失。在后一种情况下，我们迟早会面临大幅回撤。

• 不管烛形的种类如何，价格都会变动。市场可能由下跌蜡烛主导，而价格上涨是因为上涨蜡烛比下跌蜡烛大。如果你有未平的仓位，这是特别不愉快的。

• 预测烛形未来大小的任务仍然没有解决。

• 有时，在开仓后，一种烛形的超额量在很长一段时间内不会减少，因此价格可能会继续逆着仓位方向波动，这会引起大幅回撤。最重要的是，目前还不清楚价格何时会反转，是否会完全反转。

• 仓位是按照时间开启的，有时，价格会在很长一段时间内保持不变，而随着新烛形的到来，仓位会继续打开。这样的时刻在节假日尤其危险，比如圣诞节，此时交易活跃度较低，算法只是因为时间而开仓。

• 算法设置应针对每个交易工具分别进行优化。设置这些参数的唯一原因是它们在历史上工作得更好。该算法通过了21年的回溯测试，但不是所有工具都通过。根据历史调整参数不是最好的解决方案。

• 目前还不清楚为什么它对某些交易工具的效果更好、更稳定，而对其他交易工具的效果更差。

• 当交易工具的行为发生变化导致算法遭受损失时，这也是未知的。事实上，不知道风险情况何时发生。我可以计算出这样一个时刻的概率，但这将是一个非常粗略的结果。

• 没有任何理论能够解释工具在未来将如何变化，以及为什么有必要使用明显次优的参数，以便价格序列的统计参数有波动的余地。这大大降低了盈利能力。

我认为以上所有的缺点都很严重。我们可以继续修改算法，一个接一个地改进特性，但最好是从中吸取一切精华，几乎从头开始开发。我将从修正理论基础开始。

该算法应该是完全自适应的，因此它将被开发用于货币和交易所市场，任何工具都能用。这一点很重要，因为人们应该清楚地了解一个市场与另一个市场的区别。如果有这样的理解，那么把它变成一个算法是有意义的。这一次，我切换到赫兹量化平台，因为它有一个功能更强大的策略测试器，不仅可以用于金融交易工具，也可以用于交易所工具。

在开发过程中，您需要不断地回答这样一个问题：为什么某个参数具有某个值。在理想的情况下，在参数中设置任何值的原因都应该是合理的。

将蜡烛图转换为方块图

在新版本中，我决定不使用蜡烛图，因为它们的参数不稳定。更准确地说，只使用M1蜡烛，因为继续处理分时（tick）会导致资源消耗的显著增加。理想情况下，处理分时比较好。

我将分析N个点的块,这些块与 renko 类似，但它们基于稍微不同的算法。我已经在文章“什么是趋势，市场结构是基于趋势还是基于横盘”中提到了方块图及其在分析中的优势。

编辑切换为居中

图 1. 方块图表

图1显示了一个方块图表，方块图的一般视图显示在图的底部，而上图显示了方块在价格图上的外观。方块是从一个固定的时间构建到过去和未来的。在图中，固定时间显示为黄色垂直线。这是一个零点，从这个零点，方块被构建成过去和未来。构造算法是镜像的，事实上，这些方块是建立在过去和未来在进一步的开发中将是重要的。

之所以需要区块，是因为它们的主要参数是稳定的、可控的，最重要的是，利润/亏损主要取决于价格在各点上的变动。

编辑切换为居中

市场模型

基本模式类似于我在前面的算法中使用的模式：下跌方块的数量与上涨方块的数量之间的局部偏差，以及随后回归到某种均衡状态。这种模式是统计的，所以我们需要从分析方块图的统计特征开始。为此，我开发了一个特殊的指标 Max_distribution，如文章“什么是趋势，市场结构是基于趋势还是平缓的”所述。

该指标衡量分块价格序列的统计参数。它能够同时显示多个块大小的数据。例如，赫兹量化想知道块大小在10到1000点之间的图表有什么统计特征。在指标设置中设置最小块大小，并通过乘法因子获得所有其他大小的块。

主要的指标操作模式是衡量方块的数量价格垂直移动的N步。

编辑切换为居中

图 2. 以24个步骤更改垂直块数

图2显示了一个示例。测量 N 步价格传递的块数。收集所需的样本数（例如，100），并定义平均值。这种分析是针对不同大小的区块进行的。

编辑

图 3. 不同方块大小的平均振幅

图3显示了24个方块分步中垂直平均振幅分布的示例。每个直方图列是其块大小的平均振幅值。样本数量为1000个。最小块的测量值在左边，而最大块的测量值在右边。对于大小为0.00015的方块，价格分24步在1000个样本中垂直移动5.9个区块。对于大小为0.00967的方块，价格分24步在1000个样本中垂直移动4.2个块。

红线表示参考值，如果价格序列是随机游走，则会出现参考值。对于24步，这是垂直方向上3.868块的值。参考值是通过组合方法计算出来的，可以用图4中的表格清楚地表示出来。

编辑切换为居中

图 4. 计算24步的参考值

图4显示了在随机游走的情况下，价格平均分24步移动的区块的参考垂直值的计算。在最后一列中，此值转换为幂，随机游动的平均振幅趋于24^0.4526。可以为每个步骤数重新计算参考值。表格以.xlsx格式附在文章后面。

我对各种交易工具进行了研究：大约35种货币对、100多种股票、10种加密货币和大约10种商品，没有严重的偏差。一般来说，所有工具的图像都大致相似，平均幅度从快速增长的加密货币的7到货币对的3.8不等，一些低流动性股票甚至可能跌破3.8点。

平均振幅是在24步或其他一些步数中获得的，但这意味着什么？让我们用正弦波转换成块形式来表示图表，如图5所示。

编辑切换为居中

图 5. 方块状正弦波

设块的大小为正弦波周期的一半，是24步，则周期数为48步。如果我们测量24步25个样本的平均振幅，赫兹量化得到24步10.33块的平均振幅。随着样本数的增加，平均振幅趋于12或步数除以2。价格序列不是正弦波，但正弦波便于交易。现在，如果我们在测量平均振幅时得到的值超过12，则块大小不够大，并且24个块不适合作为一半的周期。但小于12表示两个原因：方块太大，或者价格序列的趋势变化不像正弦波那样线性。我目前没有考虑趋势斜率，我稍后再做。

根据已开发的 Max_distribution 指标的读数，赫兹量化可以粗略估计价格序列与正弦波的相似程度。为了实现这一点，让我们看看正弦波的指标直方图是什么样子的。

编辑

图 6. 正弦波平均振幅与块大小的关系

在图6中，赫兹量化可以看到，在小区块的情况下，价格以24个步骤垂直移动24个区块。但随着区块大小的增加，价格以24个步骤移动区块的数量变小了。当块大小与波动幅度相当时，垂直方向上的块数降为零。在图3中，最大值为5.9，趋向于参考值3.868。因此，价格序列可以表示为“噪声”正弦波，在某些尺度上总是具有某种趋势分量。也就是说，市场应该总是有一个当前表现为横盘的标度（反转概率高于趋势延续的标度）和一个当前表现为趋势的标度（延续概率高于反转的标度）。

我以前的一篇文章《什么是趋势？市场结构是基于趋势还是横盘》解释了采用趋势和横盘定义的原因。

使用 Max_distribution 指标，我测量了不同交易工具的平均垂直区块数，不仅是24个，而且还测量了其他步数。示例如图7所示。

编辑切换为居中

图 7. 平均振幅与样本步数的关系

图7中的白色列显示了从10到120的步数的测量运动幅度，每个测量的步数为2和1000个样本。红线表示给定步数的参考值。如我们所见，随着步数的增加，未观察到与主要趋势的显著偏差。测量值曲线的整体形状与参考曲线相似。测量值是使用 GBPUSD，但我也为其他工具做了研究。有许多交易工具的直方图值超过了参考值，但总的趋势仍然存在，可以用一个非线性方程来描述。

众所周知，市场不可能有稳定的简单规律。这意味着当前的趋势尺度在不断变化，同时，横盘尺度也会变得有趋势。

我将使用图7中24步的平均振幅，即 3.86。我假设运动是由趋势和类似正弦波的横盘部分组成。在这种情况下，可以计算平均振幅的趋势部分。为了实现这一点，24步的3.86*2=7.72个垂直块要四舍五入到8，因为这些块只能是整数值。如果我们到达趋势区域，那么价格在24步中垂直移动8个方块。当然，价格可以在24步中垂直移动24个方块大小，但这并不重要。我稍后再解释原因。

结果表明，价格在趋势区24步内垂直移动8个区块。这意味着在一个方向上有16个块，在另一个方向上有8个块。众所周知，趋势部分应紧跟在横盘部分之后，以便平均振幅保持稳定（在大量样本上相当稳定）。但市场不是正弦波。如图7所示，垂直块的数量随着步数的增加而增加。因此，我将假设在较少的步数中出现的与平均值的偏差返回到在较多的步数中的平均值。

图7中的图表允许我们定义价格在26、28、30、32和34个步数中的平均通过量：

26 步 = 3.98; 28 步 = 4.11; 30 步 = 4.2; 32 步 = 4.36.

在24步中，价格已经垂直移动了8个区块，但在28步中，它应该平均垂直移动4.1个区块，如果向下舍入到整数值，则为4个区块。这意味着，在接下来的4步中，可能从之前的4个块的移动中回滚（rollback）。市场并非如此可预测，事件不太可能按照这种情况发展。图7中的同一个图表允许我们定义价格在116步中垂直通过8个区块。