# 基于低通滤波的动态头寸研究


量化策略的核心挑战之一在于如何平衡“趋势捕捉”与“震荡应对”。面对高波动性的加密市场，单一固定头寸的策略往往在趋势中表现出色，却在震荡期积累大量亏损。

本文基于一个“低通滤波器反转（LowPass Reverse）”基础策略，引入“动态头寸管理”框架。我们利用模糊逻辑（Fuzzy Logic）将市场结构划分为从温和到强劲的多个趋势等级，并尝试根据趋势强度动态调整仓位大小。

核心发现：尽管动态调整头寸的理念（趋势中加仓，震荡中减仓）在理论上合理，但在本策略架构下，引入分段进场机制后，策略的**夏普比率（Sharpe Ratio）反而下降**。数据分析揭示了关键原因：加密货币市场的**多空不对称性**导致动态仓位机制对空头交易是无效甚至有害的。

## 1. 研究背景与回测设置

### 1.1 核心理念：动态头寸管理

本研究基于这样一个核心假设：**市场结构是动态变化的，交易头寸也应动态调整。**

当市场处于明显的趋势状态时，应使用更大的头寸以捕捉主要利润；当市场处于宽幅震荡或趋势力量减弱时，应使用较小头寸以控制潜在亏损。我们通过追踪低通滤波器的上升与下降概率来衡量趋势的“确信度”。

### 1.2 回测环境配置

所有测试均基于 BTCUSDT 和 ETHUSDT 进行，采用小时级别数据，时间跨度覆盖 2018 年至 2025 年。

| 参数项 | 设定值 | 说明 |
| :--- | :--- | :--- |
| Asset | BTCUSDT, ETHUSDT | 测试资产 |
| BarPeriod | 60 | K线周期：1小时 |
| StartDate | 20180101 | 回测起始日期 |
| EndDate | 20251230 | 回测截止日期 |
| Lookback | 5000 | 回溯周期 |
| Leverage | 5 | 交易杠杆 |
| Commission | -0.1 | 交易手续费（千分之1） |
| Slippage | 5 | 延迟5秒进场 |
| NumWFOCycles | 10 | 10次滚动优化 |
| DataSplit | 85 | 训练集比例：85% |
| Fixed Capital | 10000 | 固定交易资本 |

## 2. 基础策略：LowPass Reverse 趋势追踪

基础策略采用低通滤波器（LowPass）来平滑价格数据，识别市场的中期趋势。

### 2.1 策略逻辑描述

1. **趋势识别：** 使用周期为 800 的低通滤波器来捕捉中期趋势。
2. **模糊判断：** 引入模糊逻辑（`FuzzyFactor` = 0.1）量化趋势的上升（`RisingProb`）或下降（`FallingProb`）概率。
3. **交易信号：** 只有当上升或下跌概率超过**0.6**的阈值时，才执行交易。概率范围 0.4-0.6 被视为震荡或不确定区域，不进行交易。
4. **平仓信号：** 当趋势达到极值点（峰值 `peak` 或谷值 `valley`）时平仓。

### 2.2 基础策略代码实现

以下代码展示了基于低通滤波器和模糊概率的基础策略实现，采用固定头寸进行交易。

```c
function tradeStrategy() {
    // ---------------------------------------------------------
    // 参数设置
    // ---------------------------------------------------------
    int TrendPeriod = 800;
    var FuzzyFactor = 0.1;
    var EntryProbThreshold = 0.6;
    var FixedCapital = 10000;
    
    // ---------------------------------------------------------
    // 指标计算
    // ---------------------------------------------------------
    vars Prices = series(price());
    vars Trends = series(LowPass(Prices, TrendPeriod));
    var ATR100 = ATR(100);

    // ---------------------------------------------------------
    // 交易信号
    // ---------------------------------------------------------
    FuzzyRange = FuzzyFactor*ATR100;
    var RisingProb = risingF(Trends);
    var FallingProb = fallingF(Trends);

    bool LongEntry = RisingProb >= EntryProbThreshold;
    bool LongExit = peak(Trends);
    bool ShortEntry = FallingProb >= EntryProbThreshold;
    bool ShortExit = valley(Trends);

    // ---------------------------------------------------------
    // 资金管理
    // ---------------------------------------------------------
    Lots = 100;
    var MinLots = getMinLots();
    if(!Train && FixedCapital > 0)
        Lots = floor(FixedCapital/priceC()/LotAmount);
    if(Lots < MinLots) Lots = MinLots;

    // ---------------------------------------------------------
    // 订单管理
    // ---------------------------------------------------------
    if(NumOpenLong > 0 && LongExit)
        exitLong();
    if(NumOpenShort > 0 && ShortExit)
        exitShort();
    if(NumOpenLong == 0 && LongEntry)
        enterLong();
    if(NumOpenShort == 0 && ShortEntry)
        enterShort();

    // ---------------------------------------------------------
    // 绘图
    // ---------------------------------------------------------
    if((Test && !is(LOOKBACK)) || Live) {
        plot2("Trend", Trends[0], MAIN, rising(Trends), GREEN, RED);

        var BullishState = ifelse(RisingProb >= EntryProbThreshold, 1, 0);
        var BearishState = ifelse(FallingProb >= EntryProbThreshold, 1, 0);
        plot("BullishState", BullishState, NEW|BARS, GREEN+TRANSP);
        plot("BearishState", BearishState, 0|BARS, RED+TRANSP);
        plot("RisingProb", RisingProb, 0|LINE, BLUE);
        plot("BullT", EntryProbThreshold, 0, GREY);
        plot("BearT", 1-EntryProbThreshold, 0, GREY);
    }
}
```

### 2.3 基础策略结果分析

基础策略表现出**长期盈利**的特征，它能有效地捕捉每一轮主要的中期趋势。然而，它在宽幅震荡行情中表现不佳，**连续最长亏损次数高达 18 次**。

> **结论：** 基础策略是有效的趋势跟随策略，但其固定头寸的模式使其对震荡行情缺乏弹性，证明了引入动态头寸管理的必要性。

![基础策略 - BTCUSDT - 净值曲线](image.png)

![基础策略 - BTCUSDT - 四季度表现](image_01.png)

## 3. 测试组 1：引入动态头寸分段进场

我们尝试通过将趋势强度划分为不同等级来动态调整头寸大小，以期在趋势不明确时降低亏损风险。

### 3.1 动态头寸逻辑

我们根据趋势发生的概率（`RisingProb` / `FallingProb`）将市场状态细分为四个等级：

| 趋势强度 | 概率范围 | 交易操作（以多头为例） | 对应仓位 |
| :--- | :--- | :--- | :--- |
| I 级趋势 (温和) | 0.6 - 0.9 | 首次开仓 | 50% 资金 |
| II 级趋势 (强劲) | > 0.9 | 加仓 | 剩余 50% 资金（达到总 100%） |
| 快速突变 | 从 <0.6 迅速升至 >0.9 | 一次性满仓 | 100% 资金 |
| 趋势结束 | 回落至 <0.5 | 全部平仓 | 0% |

### 3.2 动态头寸策略代码

新的策略使用 `AlgoVar[0]` 和 `AlgoVar[1]` 来跟踪多头和空头的当前仓位状态（0：未满仓；1：满仓）。

```c
function tradeStrategy2() {
    // ---------------------------------------------------------
    // 参数设置
    // ---------------------------------------------------------
    int TrendPeriod = 800;
    var FuzzyFactor = 0.1;
    var Tier1_threshold = 0.6; // 温和上涨阈值
    var Tier2_threshold = 0.9; // 强劲上涨/加仓阈值
    var Exit_threshold = 0.5;
    var FixedCapital = 10000;
    
    // ---------------------------------------------------------
    // 指标计算
    // ---------------------------------------------------------
    vars Prices = series(price());
    vars Trends = series(LowPass(Prices, TrendPeriod));
    var ATR100 = ATR(100);
    FuzzyRange = FuzzyFactor*ATR100;
    var RisingProb = risingF(Trends);
    var FallingProb = fallingF(Trends);

    // ---------------------------------------------------------
    // 多头交易 (考虑分段进场)
    // ---------------------------------------------------------
    
    // 先处理平仓
    if(NumOpenLong > 0 && peak(Trends)) {
        exitLong();
        // 重置为空仓状态
        AlgoVar[0] = 0;
    }

    // 开仓
    if(NumOpenLong == 0) {
        // 使用 algovar[0] 追踪是否满仓，1表示满仓，0表示未满仓
        AlgoVar[0] = 0;  // 空仓时自动重置状态

        if(RisingProb > Tier2_threshold) {
            // 上涨概率从低于0.6飙升到0.9，全仓进场
            Lots = floor(FixedCapital/priceC()/LotAmount);
            enterLong();
            AlgoVar[0] = 1;  // 标记为满仓状态
        } else if (RisingProb > Tier1_threshold) {
            // 上涨概率上升到0.6-0.9，半仓进场
            Lots = floor(FixedCapital*0.5/priceC()/LotAmount);
            enterLong();
        }
    }

    // 加仓
    if(NumOpenLong > 0 && AlgoVar[0] == 0) {
        if(RisingProb > Tier2_threshold) {
            Lots = floor(FixedCapital*0.5/priceC()/LotAmount);
            enterLong();
            AlgoVar[0] = 1;  // 更新为满仓状态
        }
    }

    // ---------------------------------------------------------
    // 空头交易 (同步分段进场逻辑)
    // ---------------------------------------------------------
    
    // 先处理平仓
    if(NumOpenShort > 0 && valley(Trends)) {
        exitShort();
        AlgoVar[1] = 0;
    }

    // 开仓
    if(NumOpenShort == 0) {
        AlgoVar[1] = 0;

        if(FallingProb > Tier2_threshold) {
            Lots = floor(FixedCapital/priceC()/LotAmount);
            enterShort();
            AlgoVar[1] = 1;
        } else if (FallingProb > Tier1_threshold) {
            Lots = floor(FixedCapital*0.5/priceC()/LotAmount);
            enterShort();
        }
    }

    // 加仓
    if(NumOpenShort > 0 && AlgoVar[1] == 0) {
        if(FallingProb > Tier2_threshold) {
            Lots = floor(FixedCapital*0.5/priceC()/LotAmount);
            enterShort();
            AlgoVar[1] = 1;
        }
    }

    // ---------------------------------------------------------
    // 绘图
    // ---------------------------------------------------------
    if((Test && !is(LOOKBACK)) || Live) {
        plot2("Trend", Trends[0], MAIN, rising(Trends), GREEN, RED);

        var BullishState = ifelse(RisingProb >= Tier1_threshold, 1, 0);
        var BearishState = ifelse(FallingProb >= Tier1_threshold, 1, 0);
        plot("BullishState", BullishState, NEW|BARS, GREEN+TRANSP);
        plot("BearishState", BearishState, 0|BARS, RED+TRANSP);
        plot("RisingProb", RisingProb, 0|LINE, BLUE);
        plot("Bull+", Tier1_threshold, 0, GREY);
        plot("Bull++", Tier2_threshold, 0, GREY);
        plot("Bear-", 1-Tier1_threshold, 0, GREY);
        plot("Bear--", 1-Tier2_threshold, 0, GREY);

        // 调试：观察仓位状态
        // plot("LongState", AlgoVar[0], NEW|BARS, GREEN+TRANSP);
        // plot("ShortState", AlgoVar[1], 0|BARS, RED+TRANSP);
    }
}
```

### 3.3 测试组 1 结果与问题揭示

引入动态头寸管理后，结果令人失望：**策略的风险调整收益反而恶化。**

- **夏普比率** 从基础策略的 0.91 **下降**到 0.76。
- **最大回撤** 小幅上升，从 11.9% 增至 13.2%。
- 长期结果显示，震荡行情的整体亏损并未降低。

![测试组1 - BTCUSDT - 净值曲线](image_02.png)

![测试组1 - BTCUSDT - 2025年表现](image_03.png)

> **核心问题：多空不对称性**
>
> 深入分析发现，两个交易对的**空头交易盈利因子大幅下降**，而多头交易几乎不受影响。加密市场表现出的特性是：多头趋势持续时间更长、幅度更大；而空头趋势持续时间短、幅度小且往往是快速下跌。
>
> 这意味着，当空头趋势的**下跌概率上升到 0.9**，触发第二笔加仓时，**下跌趋势往往已经接近尾声**。第二笔加仓不仅未能捕捉到额外的利润，反而因为趋势反转导致平仓时亏损，严重拖累了策略的整体表现。

## 4. 测试组 2 与 3：精细化优化

鉴于多空交易表现出的不对称性，我们尝试分别优化多头和空头的进场参数。

### 4.1 测试组 2：分别优化多空加仓阈值

将低通滤波器周期和模糊因子固定，分别对多头和空头交易的**第二层进场概率阈值（Tier2）**进行优化（范围 0.7-1.0，步长 0.05）。

下图展示了优化过程：训练集PRR对不同阈值的敏感性。

> 优化结果显示，无论是多头还是空头，优化参数都没有明显的局部高点，这表明在训练集中动态调整头寸的收益上限不高。

![测试组2 - 优化参数](image_04.png)

测试结果显示：

- 虽然 PRR 和夏普比率相较于测试组 1 有轻微提升（PRR 1.38, 夏普 0.82），但依然显著低于基础策略。
- 优化程序选择的最优参数（约 0.8-0.9）再次确认了空头加仓的时机过晚，进一步印证了动态头寸对本策略空头的负面影响。

### 4.2 测试组 3：仅优化多头进场阈值

我们尝试接受空头交易的不对称性，仅对多头进行动态头寸调整，而空头保持基础策略的固定头寸。

测试结果显示：

- 风险调整收益率轻微提升，PRR 从 1.35 提升到 1.41。
- 夏普比率回到与基础策略相近的水平（0.90）。
- 年化收益率反而更低（113% vs 基础策略 119%）。

![测试组3 - BTCUSDT - 净值曲线](image_05.png)

> 结论：即使只优化多头，动态分段进场机制在趋势行情中丧失的潜在利润，依然大于其在震荡行情中规避的亏损。这意味着基础策略的固定头寸模式，可能在整体效益上取得了更好的平衡。

## 5. 综合对比与结论

### 5.1 优化总表

| 核心指标 | 基础策略 | 测试组1 (动态多空) | 测试组2 (优化多空) | 测试组3 (优化多头) |
| :--- | :--- | :--- | :--- | :--- |
| 最大回撤 | 11.9% | 13.2% | 12.4% | 12.6% |
| MAE | 18.2% | 22.5% | 21.1% | 17.1% |
| 最长回撤周数 | 34 | 34 | 34 | 34 |
| 交易次数 | 440 | 610 | 626 | 535 |
| 胜率 | 27.7% | 30.3% | 30.4% | 30.5% |
| 最长连续亏损 | 18 | 21 | 21 | 20 |
| 年收益率 | 119% | 99% | 106% | 113% |
| 盈利因子 | 1.57 | 1.52 | 1.56 | 1.61 |
| PRR | 1.35 | 1.34 | 1.38 | 1.41 |
| 夏普比率 | 0.91 | 0.76 | 0.82 | 0.90 |
| R2 | 77% | 81% | 76% | 81% |
| BTC PF | 1.43 | 1.46 | 1.44 | 1.48 |
| ETH PF | 1.70 | 1.57 | 1.66 | 1.72 |

### 5.2 总结与优化方向

本研究试图通过基于趋势强度感知（模糊概率）的动态头寸调整来优化基础趋势跟随策略。然而，回测结果明确指出：**根据市场结构分段进场的逻辑在本策略中是低效的，主要症结在于其无法适应空头交易的多空不对称性。**

动态调整头寸的方法论本身并未被否定，但其实现方式和市场结构识别工具需要重新审视：

1. 优化市场结构识别：LowPass 的概率指标在趋势后期才达到 0.9 的高值，导致加仓时机滞后。应考虑使用更能前瞻性预测趋势强度的指标，例如波动率模型或更高频的结构指标。
2. 不对称设计：如果继续使用动态头寸，必须为多头和空头设计完全分离的仓位管理规则和阈值，接受空头交易只使用基础头寸的设定。
3. 分拆策略：可以将分段进场的逻辑转换为一个独立的反波动率策略，即在波动率低时（视为震荡）减仓，波动率高时（视为趋势）加仓，而不是单纯依赖模糊概率。


---

> 作者: [量化炼金](https://codealchemy.blog.csdn.net/)  
> URL: http://localhost:1313/posts/lowpass-dynamic-position/  

