CTA策略之orderflow订单流策略
Posted K线骑士
tags:
篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了CTA策略之orderflow订单流策略相关的知识，希望对你有一定的参考价值。
一、摘要
在电子交易兴起之前，要想了解成交量是如何在K线上分配的是一件很难的事情。如今科技的发展给带给我们一种前所未有的市场分析方式，大部分软件都已经支持以Order Book方式向投资者提供价格和成交量数据，以便洞悉价格上涨或下跌背后的原因。本篇作为CTA策略之OrderFlow订单流策略系列文章的第一篇，主要详细介绍OrderFlow订单流。
二、OrderFlow订单流简介
在二级交易市场种，影响价格变化的因素是纷繁复杂的，并且每一个因素影响价格变化的权重都不一样，以至于很难从传统技术分析图形中推导出价格行为，因为相对于价格和成交量来说，技术分析图形相对抽象和滞后。而OrderFlow订单流工具的横空出世，使得市场更加通透。OrderFlow订单流有很多种分类，包括：市场深度(L2数据)、成交量分布(VP)、足迹图(Footprint Chart)、成交明细(Sales Details)等等，如下图所示：
1、市场深度(L2数据)
2、成交量分布(VP)
3、足迹图(Footprint Chart)
4、成交明细(Sales Details)
三、OrderFlow订单流原理
市场充斥着各种各样的信息，好的坏的、真的假的，这些信息就像荆棘一样错纵交织，导致这些消息很难被理解，很难用正确的逻辑推导，比如利好消息出来，但价格却没有很大变动；再比如价格往往在一片质疑中走势波澜壮阔的上涨行情；牛市往往在大家都看多时结束等等。所以我们需要站在巨人的肩膀上去分析这个市场，披荆斩棘从中抽取出价格波动的真正原因。
二级交易市场由投资自组成，不管投资者使用的是基本面分析、技术分析、消息面，每一个投资者在交易时，其实都是在为自己的观点投票，所以我们看到的价格波动，实际上是投资者共同角逐的结果，如果多头和空头势均力敌，双方力量相等，不分高低，那么价格将会不涨不跌；如果多头力量大于空头力量，那么价格将会上涨；如果空头力量大于多头力量，那么价格将会下跌。如果把多头看做是买方，把空头看做是卖方，那么多头和空头供需失衡是导致价格波动的主要原因，而这一切都可以从多头和空头的成交量中窥得其中的蛛丝马迹。
四、订单流中的Delta结构数据
传统的日本蜡烛图(K线)有开盘价、最高价、最低价、收盘价等四个价格，K线仅仅代表这个时间段内的价格变化情况，比如小时线代表了一个小时内的价格变化情况。而Delta结构数据则是根据Tick数据，提供了K线时间段内发生的具体细节，包括K线每个价格的多头和空头成交量，可以很清晰的看见多空成交的订单。如下图所示：
在上面的Delta结构数据中，每一根K线都有一个独立的Delta结构数据，在Delta结构数据方框中，最上方是这根K线总的成交量，最下方是这根K线所有多头成交量和空头成交量的差，中间则是这根K线每个价格多头成交量和空头成交量数据。如你所见Delta结构数据将K线拆分成更详细的可视化数据，从而帮助投资者理解价格变动的机制。
五、策略实现
/*backtest
start: 2020-03-10 00:00:00
end: 2020-03-10 23:59:00
period: 1h
exchanges: [{"eid":"Futures_CTP","currency":"FUTURES"}]
mode: 1
*/
var NewFuturesTradeFilter = function(period) {
var self = {} // 创建一个对象
self.c = Chart({ // 创建Chart图表
chart: {
zoomType: 'x', // 缩放
backgroundColor: '#272822',
borderRadius: 5,
panKey: 'shift',
animation: false,
},
plotOptions: {
candlestick: {
color: '#00F0F0',
lineColor: '#00F0F0',
upColor: '#272822',
upLineColor: '#FF3C3C'
},
},
tooltip: {
xDateFormat: '%Y-%m-%d %H:%M:%S, %A',
pointFormat: '{point.tips}',
borderColor: 'rgb(58, 68, 83)',
borderRadius: 0,
},
series: [{
name: exchange.GetName(),
type: 'candlestick',
data: []
}],
yAxis: {
gridLineColor: 'red',
gridLineDashStyle: 'Dot',
labels: {
style: {
color: 'rgb(204, 214, 235)'
}
}
},
rangeSelector: {
enabled: false
},
navigation: {
buttonOptions: {
height: 28,
width: 33,
symbolSize: 18,
symbolX: 17,
symbolY: 14,
symbolStrokeWidth: 2,
}
}
})
self.c.reset() // 清空图表数据
self.pre = null // 用于记录上一个数据
self.records = []
self.feed = function(ticker, contractCode) {
if (!self.pre) { // 如果上一个数据不为真
self.pre = ticker // 赋值为最新数据
}
var action = '' // 标记为空字符串
if (ticker.Last >= self.pre.Sell) { // 如果最新数据的最后价格大于等于上一个数据的卖价
action = 'buy' // 标记为buy
} else if (ticker.Last <= self.pre.Buy) { // 如果最新数据的最后价格小于等于上一个数据的买价
action = 'sell' // 标记为sell
} else {
if (ticker.Last >= ticker.Sell) { // 如果最新数据的最后价格大于等于最新数据的卖价
action = 'buy' // 标记为buy
} else if (ticker.Last <= ticker.Buy) { // 如果最新数据的最后价格小于等于最新数据的买价
action = 'sell' // 标记为sell
} else {
action = 'both' // 标记为both
}
}
// reset volume
if (ticker.Volume < self.pre.Volume) { // 如果最新数据的成交量小于上一个数据的成交量
self.pre.Volume = 0 // 把上一个数据的成交量赋值为0
}
var amount = ticker.Volume - self.pre.Volume // 最新数据的成交量减去上一个数据的成交量
if (action != '' && amount > 0) { // 如果标记不为空字符串，并且action大于0
var epoch = parseInt(ticker.Time / period) * period // 计算K线时间戳并取整
var bar = null
var pos = undefined
if (
self.records.length == 0 || // 如果K线长度为0或者最后一根K线时间戳小于epoch
self.records[self.records.length - 1].time < epoch
) {
bar = {
time: epoch,
data: {},
open: ticker.Last,
high: ticker.Last,
low: ticker.Last,
close: ticker.Last
} // 把最新的数据赋值给bar
self.records.push(bar) // 把bar添加到records数组中
} else { // 重新给bar赋值
bar = self.records[self.records.length - 1] // 上一个数据最后一根K线
bar.high = Math.max(bar.high, ticker.Last) // 上一个数据最后一根K线的最高价与最新数据最后价格的最大值
bar.low = Math.min(bar.low, ticker.Last) // 上一个数据最后一根K线的最低价与最新数据最后价格的最小值
bar.close = ticker.Last // 最新数据的最后价格
pos = -1
}
if (typeof bar.data[ticker.Last] === 'undefined') { // 如果数据为空
bar.data[ticker.Last] = { // 重新赋值
buy: 0,
sell: 0
}
}
if (action == 'both') { // 如果标记等于both
bar.data[ticker.Last]['buy'] += amount // buy累加
bar.data[ticker.Last]['sell'] += amount // sell累加
} else {
bar.data[ticker.Last][action] += amount // 标记累加
}
var initiativeBuy = 0
var initiativeSell = 0
var sellLongMax = 0
var buyLongMax = 0
var sellVol = 0
var buyVol = 0
for (var i in bar.data) {
sellLong = bar.data[i].sell.toString().length
buyLong = bar.data[i].buy.toString().length
if (sellLong > sellLongMax) {
sellLongMax = sellLong
}
if (buyLong > buyLongMax) {
buyLongMax = buyLong
}
sellVol += bar.data[i].sell
buyVol += bar.data[i].buy
}
// var date = new Date(bar.time);
// var Y = date.getFullYear() + '-';
// var M = (date.getMonth() + 1 < 10 ? '0' + (date.getMonth() + 1) : date.getMonth() + 1) + '-';
// var D = (date.getDate() < 10 ? '0' + date.getDate() : date.getDate()) + ' ';
// var h = (date.getHours() < 10 ? '0' + date.getHours() : date.getHours()) + ':';
// var m = (date.getMinutes() < 10 ? '0' + date.getMinutes() : date.getMinutes()) + '<br>';
// var tips = Y + M + D + h + m
tips = '<b>◉ ' + (sellVol + buyVol) + '</b>'
Object.keys(bar.data) // 将对象里的键放到一个数组中
.sort() // 排序
.reverse() // 颠倒数组中的顺序
.forEach(function(p) { // 遍历数组
pSell = bar.data[p].sell
pBuy = bar.data[p].buy
if (pSell > pBuy) {
arrow = ' ▼ '
} else if (pSell < pBuy) {
arrow = ' ▲ '
} else {
arrow = ' ♦ '
}
initiativeSell += pSell
initiativeBuy += pBuy
sellLongDiff = sellLongMax - pSell.toString().length
buyLongDiff = buyLongMax - pBuy.toString().length
if (sellLongDiff == 1) {
pSell = '0' + pSell
}
if (sellLongDiff == 2) {
pSell = '00' + pSell
}
if (sellLongDiff == 3) {
pSell = '000' + pSell
}
if (sellLongDiff == 4) {
pSell = '0000' + pSell
}
if (sellLongDiff == 5) {
pSell = '00000' + pSell
}
if (buyLongDiff == 1) {
pBuy = '0' + pBuy
}
if (buyLongDiff == 2) {
pBuy = '00' + pBuy
}
if (buyLongDiff == 3) {
pBuy = '000' + pBuy
}
if (buyLongDiff == 4) {
pBuy = '0000' + pBuy
}
if (buyLongDiff == 5) {
pBuy = '00000' + pBuy
}
code = contractCode.match(/[a-zA-Z]+|[0-9]+/g)[0]
if (code == 'IF' || code == 'j' || code == 'IC' || code == 'i' || code == 'ZC' || code == 'sc' || code == 'IH' || code == 'jm' || code == 'fb') {
p = parseFloat(p).toFixed(1)
} else if (code == 'au') {
p = parseFloat(p).toFixed(2)
} else if (code == 'T' || code == 'TF' || code == 'TS') {
p = parseFloat(p).toFixed(3)
} else {
p = parseInt(p)
}
tips += '<br>' + p + ' → ' + pSell + arrow + pBuy
})
tips += '<br>' + '<b>⊗ ' + (initiativeBuy - initiativeSell) + '</b>'
self.c.add( // 添加数据
0, {
x: bar.time,
open: bar.open,
high: bar.high,
low: bar.low,
close: bar.close,
tips: tips
},
pos
)
}
self.pre = ticker // 重新赋值
}
return self // 返回对象
}
function main() {
if (exchange.GetName().indexOf('CTP') == -1) {
throw "只支持商品期货CTP";
}
SetErrorFilter("login|timeout|GetTicker|ready|流控|连接失败|初始|Timeout");
while (!exchange.IO("status")) {
Sleep(3000);
LogStatus("正在等待与交易服务器连接, " + _D());
}
symbolDetail = _C(exchange.SetContractType, contractCode) // 订阅数据
Log('交割日期：', symbolDetail['StartDelivDate'])
Log('最小下单量：', symbolDetail['MaxLimitOrderVolume'])
Log('最小价差：', symbolDetail['PriceTick'])
Log('一手：', symbolDetail["VolumeMultiple"], '份')
Log('合约代码：', symbolDetail['InstrumentID'])
var filt = NewFuturesTradeFilter(60000) // 创建一个对象
while (true) { // 进入循环模式
while (!exchange.IO("status")) {
Sleep(3000);
LogStatus("正在等待与交易服务器连接, " + _D());
}
LogStatus("行情和交易服务器连接成功, " + _D());
var ticker = exchange.GetTicker() // 获取交易所Tick数据
if (ticker) { // 如果成功获取到Tick数据
filt.feed(ticker, contractCode) // 开始处理数据
}
}
}
上面附上完整策略代码以及实盘配置，也可以点击下方链接复制完整策略代码：
https://www.fmz.com/strategy/291843
六、实盘运行
七、总结
本篇详细介绍了OrderFlow订单流策略基础知识，以及利用发明者量化交易平台，实现了一个足迹图(Footprint Chart)策略，该策略可以直接用于商品期货实盘账户。在接下来的章节中，我们将深入研究OrderFlow订单流数据，进而开发一系列基于OrderFlow订单流数据的交易策略。
以上是关于CTA策略之orderflow订单流策略的主要内容，如果未能解决你的问题，请参考以下文章