简易波动EMV策略

一、摘要

与其他技术指标不同，简易波动（Ease of Movement Value）反映的是价格、成交量、人气的变化，它是一种将价格与成交量变化相结合的技术，它通过衡量单位成交量的价格变动，形成一个价格波动指标。当市场人气聚集，交易活跃时提示买入信号；当成交量低迷，市场能量即将耗尽时提示卖出信号。

简易波动EMV根据等量图和压缩图的原理设计而成，它的核心理念是：市场价格仅在发生趋势转折或即将转折时，才会消耗大量能量，外在表现就是成交量变大。当价格在上升的过程中，由于推波助澜的作用，不会消耗太多的能量。虽然这个理念与量价同升的观点相悖，但的确有其独特的地方。

二、EMV计算公式

第一步：计算mov_mid
其中TH代表当天最高价，TL代表当天最低价，YH代表前日最高价，YL代表前日最低价。那么如果MID > 0意味着今天的平均价高于昨天的平均价。

第二步：计算ratio
其中TVOL代表当天交易量，TH代表当天最高价，TL代表当天最低价。

第三步：计算emv

三、EMV用法

EMV的作者认为，巨量上涨伴随的是能量的快速枯竭，上涨往往不会持续太久；反而温和的成交量，能够保存一定的能量，往往使上涨持续更久。一旦上涨趋势形成，较少的成交量就能推动价格上涨，EMV的数值就会升高。一旦下跌趋势行情形成，往往伴随的是无量或少量下跌，EMV的数值就会下降。如果价格处于震荡行情或者价格上涨和下跌都伴随较大成交量时，EMV的数值也会接近于零。因此你会发现，EMV在大部分行情中都处于零轴下方，这也是这个指标的一大特色。站在另一个角度看，EMV重视大趋势且能够产生足够利润的行情。

EMV的用法相当简单，只要看EMV是否穿越零轴即可，当EMV在0以下时，代表市场弱市；当EMV在0以上时，代表市场强市。让EMV由负数转为正数时应该买进；当EMV由正数转为负数时应该卖出。其特点是不仅能较好的避免市场中的震荡行情，而且还能在趋势行情启动的时候及时入场。但由于EMV反映的是价格在变动时的成交量的变化情况，所以仅对中长期走势有作用。对于短线或交易周期比较小的行情EMV的效果很差。

四、策略实现

第1步：编写策略框架

# 策略主函数 def onTick(): pass # 程序入口 def main(): while True: # 进入无限循环模式 onTick() # 执行策略主函数 Sleep(1000) # 休眠1秒

发明者量化(FMZ.COM)采用轮训模式，首先需要定义一个main函数和一个onTick函数，main函数是策略的入口函数，程序会从main函数开始逐行执行代码。在main函数中，写入while循环，重复执行onTick函数，所有的策略核心代码都写在onTick函数中。

第2步：获取持仓数据

def get_position(): position = 0 # 赋值持仓数量为0 position_arr = _C(exchange.GetPosition) # 获取持仓数组 if len(position_arr) > 0: # 如果持仓数组长度大于0 for i in position_arr: # 遍历持仓数组 if i['ContractType'] == 'IH000': # 如果持仓品种等于订阅品种 if i['Type'] % 2 == 0: # 如果是多单 position = i['Amount'] # 赋值持仓数量为正数 else: position = -i['Amount'] # 赋值持仓数量为负数 return position # 返回持仓量

因为在这个策略中，只使用了实时的持仓数量，为了方便维护，这里使用get_position封装了持仓量，如果当前持有多单就返回正数，如果当前持有空单就返回负数。

第3步：获取K线数据

exchange.SetContractType('IH000') # 订阅期货品种 bars_arr = exchange.GetRecords() # 获取K线数组 if len(bars_arr) < 10: # 如果K线数量小于10根 return

在获取具体的K线数据之前，首先要先订阅具体的合约，使用发明者量化的SetContractType函数，并传入合约代码即可，如果想知道该合约的其他信息，也可以使用一个变量来接收这个数据。接着使用GetRecords函数就可以获取K线数据，因为返回的是一个数组，所以我们使用变量bars_arr来接受它。

第4步：计算emv

bar1 = bars_arr[-2] # 获取上一根K线数据 bar2 = bars_arr[-3] # 获取前一根K线数据 # 计算mov_mid的值 mov_mid = (bar1['High'] + bar1['Low']) / 2 - (bar2['High'] + bar2['Low']) / 2 if bar1['High'] != bar1['Low']: # 如果被除数不为0 # 计算ratio的值 ratio = (bar1['Volume'] / 10000) / (bar1['High'] - bar1['Low']) else: ratio = 0 # 如果ratio的值大于0 if ratio > 0: emv = mov_mid / ratio else: emv = 0

在这里我们并没有使用最新的价格来计算EMV的值，而是采用相对滞后的当前K线出信号，下根K线发单的方法。这么做的目的是让回测更接近于实盘交易。我们知道，尽管现在量化交易软件已经非常先进了，但还是很难做到完全模拟真实的实盘Tick环境，特别是面对回测Bar级超长数据时，所以就采用这个折中的方法。

第5步：下单交易

current_price = bars_arr[-1]['Close'] # 最新价格 position = get_position() # 获取最新持仓量 if position > 0: # 如果持有多单 if emv < 0: # 如果当前价格小于牙齿 exchange.SetDirection("closebuy") # 设置交易方向和类型 exchange.Sell(round(current_price - 0.2, 2), 1) # 平多单 if position < 0: # 如果持有空单 if emv > 0: # 如果当前价格大于牙齿 exchange.SetDirection("closesell") # 设置交易方向和类型 exchange.Buy(round(current_price + 0.2, 2), 1) # 平空单 if position == 0: # 如果无持仓 if emv > 0: # 如果当前价格大于上唇 exchange.SetDirection("buy") # 设置交易方向和类型 exchange.Buy(round(current_price + 0.2, 2), 1) # 开多单 if emv < 0: # 如果当前价格小于下巴 exchange.SetDirection("sell") # 设置交易方向和类型 exchange.Sell(round(current_price - 0.2, 2), 1) # 开空单

在下单交易之前，我们需要先确定两个数据，一个是下单的价格，另一个是当前的持仓状态。下单的价格很简单，直接使用当前的收盘价加减品种的最小变动价位即可。由于我们之前已经使用get_position函数封装了持仓量，所以这里直接调用即可。最后就是根据EMV与零轴的位置关系开平仓了。

五、策略回测

回测配置

回测日志

资金曲线

六、完整策略

# 回测配置 '''backtest start: 2019-01-01 00:00:00 end: 2020-01-01 00:00:00 period: 1d basePeriod: 1d exchanges: [{"eid":"Futures_CTP","currency":"FUTURES"}] ''' # 获取持仓数量 def get_position(): position = 0 # 赋值持仓数量为0 position_arr = _C(exchange.GetPosition) # 获取持仓数组 if len(position_arr) > 0: # 如果持仓数组长度大于0 for i in position_arr: # 遍历持仓数组 if i['ContractType'] == 'IH000': # 如果持仓品种等于订阅品种 if i['Type'] % 2 == 0: # 如果是多单 position = i['Amount'] # 赋值持仓数量为正数 else: position = -i['Amount'] # 赋值持仓数量为负数 return position # 返回持仓量 # 策略主函数 def onTick(): # 获取数据 exchange.SetContractType('IH000') # 订阅期货品种 bars_arr = exchange.GetRecords() # 获取K线数组 if len(bars_arr) < 10: # 如果K线数量小于10根 return # 计算emv bar1 = bars_arr[-2] # 获取上一根K线数据 bar2 = bars_arr[-3] # 获取前一根K线数据 # 计算mov_mid的值 mov_mid = (bar1['High'] + bar1['Low']) / 2 - (bar2['High'] + bar2['Low']) / 2 if bar1['High'] != bar1['Low']: # 如果被除数不为0 # 计算ratio的值 ratio = (bar1['Volume'] / 10000) / (bar1['High'] - bar1['Low']) else: ratio = 0 # 如果ratio的值大于0 if ratio > 0: emv = mov_mid / ratio else: emv = 0 # 下单交易 current_price = bars_arr[-1]['Close'] # 最新价格 position = get_position() # 获取最新持仓量 if position > 0: # 如果持有多单 if emv < 0: # 如果当前价格小于牙齿 exchange.SetDirection("closebuy") # 设置交易方向和类型 exchange.Sell(round(current_price - 0.2, 2), 1) # 平多单 if position < 0: # 如果持有空单 if emv > 0: # 如果当前价格大于牙齿 exchange.SetDirection("closesell") # 设置交易方向和类型 exchange.Buy(round(current_price + 0.2, 2), 1) # 平空单 if position == 0: # 如果无持仓 if emv > 0: # 如果当前价格大于上唇 exchange.SetDirection("buy") # 设置交易方向和类型 exchange.Buy(round(current_price + 0.2, 2), 1) # 开多单 if emv < 0: # 如果当前价格小于下巴 exchange.SetDirection("sell") # 设置交易方向和类型 exchange.Sell(round(current_price - 0.2, 2), 1) # 开空单 # 程序入口函数 def main(): while True: # 循环 onTick() # 执行策略主函数 Sleep(1000) # 休眠1秒

完整策略已经发布到发明者量化(FMZ.COM)官网的策略广场，点击复制就可以使用。
https://www.fmz.com/strategy/213636

七、总结

通过本节课程学习，可以看出EMV与普通交易者的看法相反，但却不无道理。由于EMV引入了成交量数据，因此比其他单纯用价格计算的技术指标，更能有效发现价格背后的东西。每一种策略都有着不同的特点，只有充分了解不同策略之间的优缺点，去其糟粕取其精华才能离成功更进一步。

本文来源：发明者量化
原文标题：简易波动EMV策略

—-

编译者/作者：发明者量化

玩币族申明：玩币族作为开放的资讯翻译/分享平台，所提供的所有资讯仅代表作者个人观点，与玩币族平台立场无关，且不构成任何投资理财建议。文章版权归原作者所有。