致力于分享量化策略，培训视频，Python，算法研究等相关内容。
大家好，我是乌克兰剑圣。
均线指标实际上是移动平均线指标的简称，移动平均线（Moving Average，简称MA）由美国投资专家葛兰威尔（jogepsb ganvle）所创立，由道氏理论的“三种趋势说”演变而来，将道氏理论具体的加以数字化，从数字的变动中去预测股价未来短期、中期、长期的变动方向，为投资决策提供依据。
时至今日，均线的计算方法有很多种变形，MA,EMA,SMA,AMA等计算方式。无论哪一种变形，都无法避免粘合缠绕，如下图：
俗称震荡，从趋势交易的角度来看，这种没有趋势行情的就是回撤期。基于均线的交易模型在这种行情下会亏损，也就是失效。
衍生品市场(不含期权)宏观上分为这三种走势，均线指标已经做的很好，只要有趋势，绝对可以捕捉到。但是它的缺点太致命，趋势赚的钱会在震荡里赔光。
进入正题，我们如何在不增加优化参数的前提下，实现震荡过滤。
步骤一：平滑均线
MA1=SMA((H+L+C)/3,M/S,S);//计算SMA指数加权均线Slow_MA1=XAverage(MA1,M/S); //取MA1的均值MA2=SMA((H+L+C)/3,M,S);//计算长周期SMA指数加权均线Slow_MA2=XAverage(MA2,M);//取MA2的均值
这一步很常用，就是均线的均线。
步骤二：计算波动差
DLH=Slow_MA1-Slow_MA2;//计算加权指数波动差步骤三：组合过滤规则(部分代码)
DK=(DLH>MADLH and DLH>0) and (MA1>Slow_MA1)KK=(DLH<MADLH and DLH<0) and (MA1<Slow_MA1)
OK，就这么简单，然后我们来看看效果
图中篮圈就是过滤的震荡部分，有朋友会问是不是增加了阈值参数，前面我们说过在不增加参数的前提下过滤震荡。也考虑过增加一个阀值参数来参与优化，后来发觉这样做太容易过度拟合就放弃了。
我们也发现了一些问题就是，如果波动幅度特别小，角度较小也会出现多次亏损，如下图：
但是相比原版均线系统的缠绕已经过滤很多了。小伙伴有兴趣可以拿源码后继续迭代，SF30的核心参数只有三个参数，分别2个是均线参数，1个移动出场参数。模型普适性较强，迭代空间大，如果你有好的思路可以试试。
模型绩效(15分钟周期，2015年至今，1.5%%，双向各1跳)
动力煤
焦炭
螺纹钢
PP
本策略仅作学习交流使用，实盘交易盈亏投资者个人负责。