# 低通滤波器策略：在小时图上捕捉中期动量


本文介绍了一套针对加密货币的中期动量交易策略，核心思想是运用低通滤波器（Low Pass Filter）平滑价格序列，并借助模糊逻辑识别趋势状态。策略历经七轮迭代优化：从参数优化到风险控制，最终实现了夏普比率 1.26、盈利因子 1.81的稳健表现。本文将完整呈现从假设提出、参数扫描到样本外验证的全流程，为读者提供一套可复用的策略开发方法论。

## 1. 核心逻辑

### 1.1 为什么选择低通滤波器？

在量化交易中，趋势跟随策略的核心难题在于**如何在噪声中提取有效信号**。传统移动平均线（MA）存在滞后性，而低通滤波器通过频域设计，能够在平滑价格的同时保留关键的转折点信息。

策略核心假设：当价格围绕趋势线窄幅震荡时，市场处于无序状态，策略应避免交易；当价格沿趋势线方向运动时，市场处于有序状态，策略应顺势交易。

### 1.2 模糊逻辑

仅凭单一滤波器难以应对市场的非线性特征。我们引入模糊逻辑（Fuzzy Logic），通过概率化的方式判断趋势方向：

- 上涨概率（RisingProb）：衡量趋势向上的置信度
- 下跌概率（FallingProb）：衡量趋势向下的置信度

当置信度超过阈值（`EntryProbThreshold = 0.6`）时，触发相应方向的交易信号。

## 2. 回溯检验设置

我们将使用 Zorro 进行策略开发。

| Asset | BTCUSDT, ETHUSDT |
| --- | --- |
| BarPeriod | 60 |
| StartDate | 20180101 |
| EndDate | 20251230 |
| Lookback | 5000 |
| Leverage | 5 |
| Commission | -0.1 |
| Slippage | 5 |
| NumWFOCycles | 10 |
| DataSplit | 85 |
| FixedCapital | 10000 |

测试时间约 8 年，涵盖 2018 年熊市、2021 年牛市及 2022 年震荡市，具备较强的样本代表性。Walk-Forward Optimization（WFO）采用 10 个周期、85% 数据分割比例，以验证参数的稳定性和泛化能力。

## 3. 迭代优化

### 3.1 基础策略

**初始参数设定**：
- 趋势线回溯期 `TrendPeriod = 800`
- 模糊因子 `FuzzyFactor = 0.1`
- 进场概率阈值 `EntryProbThreshold = 0.6`

**回测表现分析**：

基础策略展现出**长期正向收益**，净值曲线整体向上。然而，在**窄幅震荡行情**中，价格围绕趋势线小幅波动，策略频繁触发假信号，导致**持续亏损**，这是后续优化需要解决的核心问题。

![image.png](image.png)

### 3.2 优化趋势线回溯期

**优化假设**：低通滤波器的回溯期直接决定了趋势识别的灵敏度。过短的回溯期会引入噪声，过长则导致滞后。通过参数扫描寻找稳健区间。

**参数扫描设置**：
- 区间：500-1200
- 步长：50

**测试结果**：

![image.png](image_1.png)

![image.png](image_2.png)

- **BTC 的平稳参数区间**：900-1000
- **ETH 的平稳参数区间**：700-1000

**样本外表现**：
- 盈利因子从 1.57 微升至 1.60
- PRR 从 1.35 提升至 1.37
- 交易次数减少约 10%

**结论**：虽然策略表现提升有限，但优化回溯期能够更好地适应市场变异。建议采用优化参数，以增强策略对市场结构变化的适应能力。

### 3.3 优化模糊因子

**优化假设**：模糊因子是模糊逻辑的核心参数，它决定了识别趋势和震荡行情的准确度。优化该参数或许能够减少震荡行情中的亏损。

**参数扫描设置**：
- 区间：0-0.3
- 步长：0.02

**测试结果**：

![image.png](image_3.png)

![image.png](image_4.png)

- **BTC 的局部高点区间**：0.2-0.26
- **ETH 的局部高点区间**：0.12-0.20

**样本外表现**：
- 盈利因子和 PRR 几乎无变化
- 夏普比率从 0.89 下降至 0.83

**结论**：优化模糊因子可能导致**过拟合**。局部高点在样本内表现优异，但在样本外无法保持优势。因此，**不优化模糊因子，继续使用固定参数 0.1**。这一决策体现了量化开发中"稳健优先于最优"的原则。

### 3.4 距离滤波器

**优化假设**：当价格偏离趋势线过远时，市场存在强烈的**均值回归需求**。此时进场往往面临回调风险，导致亏损。通过引入**波动性滤波器**（距离滤波器），仅在价格偏离度低于阈值时允许进场，目标是降低宽幅震荡行情的亏损。

**参数扫描设置**：
- 区间：1-6（百分比距离）
- 步长：0.5

**测试结果**：

![image.png](image_5.png)

![image.png](image_6.png)

- **BTC 的平稳参数区间**：4-6
- **ETH 的平稳参数区间**：4-5

**样本外表现**（显著提升）：
| 指标 | 优化前 | 优化后 | 提升幅度 |
|------|--------|--------|----------|
| 盈利因子 | 1.60 | **1.75** | +9.4% |
| PRR | 1.37 | **1.47** | +7.3% |
| 夏普比率 | 0.89 | **1.02** | +14.6% |

**关键洞察**：

> ⚠️ **距离阈值是一把双刃剑**：它既能过滤宽幅震荡的亏损，也可能导致错过历史级别的趋势行情。

然而，从风险调整后收益的角度，**降低宽幅震荡的亏损比贪婪地捕捉每一轮趋势更为重要**。因此，保留距离滤波器机制。

### 3.5 固定止损

**优化假设**：趋势策略面临的最大风险是**逆趋势大幅回撤**。通过基于 ATR（Average True Range）的动态止损，可以在趋势反转时及时退出。

**参数扫描设置**：
- 止损距离 = `k * ATR(100)`
- 区间：3-8
- 步长：0.5

**测试结果**：
- 两个交易对的平稳参数区间均集中在 **5-8**

**样本外表现**：
- 总收益率大幅下降
- 连续亏损次数大幅增加
- 风险调整收益率仅小幅下降
- **最长回撤周数显著减少**（从 34 周降至 24 周）

**结论**：固定止损的核心价值在于**控制回撤风险**，尽管它以牺牲部分收益为代价。保留该机制。

### 3.6 盈亏平衡（Breakeven）

**优化假设**：当交易产生一定浮盈后，将止损价调整至进场价，确保该笔交易至少不亏损。这有助于改善交易心理，并降低连续亏损对资金曲线的冲击。

**参数扫描设置**：
- 浮盈阈值 = `k * ATR(100)`
- 区间：3-8
- 步长：0.5

**样本外表现**：
- 风险调整收益率进一步下降
- 胜率提升至 45%
- 最长连续亏损次数从 27 笔锐减至 9 笔

**结论**：盈亏平衡机制带来了显著改善，胜率的提升和连续亏损的锐减显著改善了资金曲线的平滑度。保留该机制。

### 3.7 空头部分止盈

**优化假设**：空头交易往往面临不对称风险（价格上涨无上限）。当浮盈达到阈值后，先平仓 50% 以锁定利润，然后对剩余头寸启用动态跟踪止损。

**机制设计**：
1. 设定盈利阈值，当浮盈超过阈值后平仓 50%
2. 对剩余 50% 头寸启动跟踪止损，锁定已获利润
3. 进入"观望模式"：不再新开空头，直到价格出现强劲反弹才允许再进场

**测试结果**：
- 盈利因子从 1.61 提升至 **1.69**
- PRR 从 1.41 提升至 **1.52**
- 夏普比率从 0.91 提升至 **1.19**
- 两个交易对的**空头盈利因子均有提升**

### 3.8 资金管理

**优化假设**：固定资金头寸法难以控制下行风险。采用固定风险头寸法（Fixed Risk），每笔交易使用账户净值的固定比例（2%）进行冒险，可以实现收益的复利增长，且有效控制回撤风险。

**样本外表现**：
- 净值曲线更加平滑
- 夏普比率提升至 1.26

![image.png](image_7.png)

## 4. 总结

迭代优化记录总表。

| 核心指标 | 基础策略 | 优化趋势线 | 距离滤波器 | 固定止损 | 盈亏平衡 | 优化空头平仓 | 资金管理 |
| --- | --- | --- | --- | --- | --- | --- | --- |
| 最大回撤 | 12% | 12.5% | 11% | 15% | 14% | 12% | 10.7% |
| MAE | 18% | 18.7% | 20% | 25% | 24% | 16% | 14% |
| 最长回撤周数 | 34 | 34 | 34 | 24 | 34 | 24 | 24 |
| 交易次数 | 440 | 403 | 332 | 346 | 467 | 748 | 748 |
| 每周交易 | 2 | 2 | 1 | 1 | 2 | 3 | 3 |
| 胜率 | 28% | 27% | 28% | 26% | 45% | 45% | 45% |
| 最长连续亏损 | 18 | 14 | 13 | 27 | 9 | 18 | 18 |
| 年收益率 | 119% | 116% | 121% | 99% | 100% | 117% | 45.8% |
| 盈利因子 | 1.57 | 1.60 | 1.75 | 1.70 | 1.61 | 1.69 | 1.81 |
| PRR | 1.35 | 1.37 | 1.47 | 1.43 | 1.41 | 1.52 | 1.63 |
| 夏普比率 | 0.91 | 0.89 | 1.02 | 0.98 | 0.91 | 1.19 | 1.26 |
| R2 | 77% | 75% | 83% | 77% | 80% | 89% | 83% |
| 平均回撤 | 7.2% | 7.3% | 8.1% | 9.4% | 9.5% | 5.8% | 5.2% |
| BTC PF | 1.43 | 1.57 | 1.84 | 1.80 | 1.74 | 1.83 | 1.86 |
| ETH PF | 1.80 | 1.62 | 1.68 | 1.62 | 1.51 | 1.58 | 1.76 |

关键发现：

1. **距离滤波器**是风险调整后收益提升的核心驱动力，夏普比率首次突破 1.0
2. **盈亏平衡机制**大幅改善了胜率（从 28% 跃升至 45%）和降低连续亏损次数
3. **空头优化**显著提升了策略的夏普比率，证明了单独优化空头平仓的价值
4. **固定风险资金管理**虽然降低了名义收益率（45.8% vs 117%），但实现了更平滑的资金曲线和更高的夏普比率（1.26）

长期表现特征：

- **表现最糟糕的时期**：2022 年下半年，连续四个月亏损
- **整体表现**：其余年份均能稳定盈利，平均每年约四个月亏损，三分之二时间盈利
- **震荡市应对**：当市场陷入窄幅震荡时，策略会持续亏损。未来可考虑加入**波动性滤波器**（当波动性过低时暂停交易）作为进一步优化方向

## 5. 稳健性检验

为验证策略的稳健性，我们对 Walk-Forward Optimization（WFO）的周期数进行敏感性分析。

### 5.1 测试设置

| Asset | BTCUSDT, ETHUSDT |
| --- | --- |
| BarPeriod | 60 |
| StartDate | 20180101 |
| EndDate | 20251230 |
| Lookback | 5000 |
| Leverage | 5 |
| Commission | -0.1 |
| Slippage | 5 |
| NumWFOCycles | 2-30 |
| DataSplit | 85 |

### 5.2 固定资金模式（每交易对 10000 美元）

当周期数处于 **10-16** 时，PRR 创局部高点并保持稳定。

![image.png](image_8.png)

### 5.3 固定风险模式（初始资金 10000，风险率 2%）

当周期数处于 **10-20** 时，PRR 创局部高点并保持稳定，局部高点区间为 **1.6-1.7**。

![image.png](image_9.png)

### 5.4 稳健性结论

> **策略通过稳健性检验。**

推荐的 WFO 参数设置：
- `StartDate = 20180101`
- `EndDate = 20251230`
- `NumWFOCycles = 15`
- `DataSplit = 85`

## 附录：策略源码

以下代码完整呈现了策略的实现逻辑，包含指标计算、信号生成、状态管理、风险控制、资金管理和订单执行等模块。

```c
/*
基于低通滤波器识别中期趋势反转
*/

#include <profile.c>
#include <utils.c>
#include <myindicators.c>

function tradeStrategy() {
    // ---------------------------------------------------------
    // 参数设置
    // ---------------------------------------------------------
    int TrendPeriod = 800;
    var FuzzyFactor = 0.1;
    var EntryProbThreshold = 0.6;
    var DeviationThreshold = 0;
    var AtrStopFactor = 0;
    var AtrTrailFactor = 0;
    var ShortProfitThreshold = 0;
    var FixedCapital = 10000;
    var FixedRisk = 0;

    // ---------------------------------------------------------
    // 指标计算
    // ---------------------------------------------------------
    vars Prices = series(price());
    vars Trends = series(LowPass(Prices, TrendPeriod));
    var ATR100 = ATR(100);
    var PercentDeviation = abs(Prices[0]-Trends[0])/Trends[0]*100;

    var LongNormalizedProfit = getLongNormalizedProfit(ATR100);
    var ShortNormalizedProfit = getShortNormalizedProfit(ATR100);

    // ---------------------------------------------------------
    // 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);

    if(DeviationThreshold > 0) {
        LongEntry = LongEntry && PercentDeviation <= DeviationThreshold;
        ShortEntry = ShortEntry && PercentDeviation <= DeviationThreshold;
    }

    // ---------------------------------------------------------
    // 状态管理：再进场限制 (AlgoVar[0])
    // ---------------------------------------------------------

    // 触发部分止盈后，开始跟踪跟踪剩余头寸，并进入观望期
    if(AlgoVar[0] == 1) {
        // 限制进场
        ShortEntry = false;

        // 管理剩余持仓：锁定 50% 利润
        for(current_trades) {
            if(TradeIsOpen && TradeIsShort) {
                TradeTrailLock = 0.5;
            }
        }

        // 解锁条件：空仓且趋势反转
        if(NumOpenShort == 0) {
            if(RisingProb > 0.4 || valley(Trends) || peak(Trends)) {
                AlgoVar[0] = 0;
            }
        }
    }

    // ---------------------------------------------------------
    // 风控
    // ---------------------------------------------------------
    Stop = AtrStopFactor*ATR100;
    Trail = AtrTrailFactor*ATR100;
    TrailLock = 10;
    TrailSlope = 0;

    // ---------------------------------------------------------
    // 资金管理
    // ---------------------------------------------------------
    Lots = 100;
    var MinLots = getMinLots();
    if(!Train && FixedCapital > 0)
        Lots = floor(FixedCapital/priceC()/LotAmount);
    if(!Train && Capital > 0 && FixedRisk > 0 && AtrStopFactor > 0)
        Lots = fixedRiskLots(FixedRisk);
    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) {
        if(ShortProfitThreshold > 0)
            enterShortMultipleOrders(2, MinLots);
        else
            enterShort();
    }

    // 空头部分止盈逻辑
    if(ShortProfitThreshold > 0 && NumOpenShort > 0 && AlgoVar[0] == 0) {
        if(ShortNormalizedProfit >= ShortProfitThreshold) {
            // 平仓50%
            exitProfitShortOrders(1);
            // 标记进入剩余头寸管理模式
            AlgoVar[0] = 1;
        }
    }

    // ---------------------------------------------------------
    // 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);

        if(DeviationThreshold > 0) {
            plot("Deviation", PercentDeviation, NEW, RED);
            plot("Deviation+", DeviationThreshold, 0, GREY);
        }

        if(ShortProfitThreshold > 0) {
            plot("LongProfit", LongNormalizedProfit, NEW|BARS, GREEN+TRANSP);
            plot("ShortProfit", ShortNormalizedProfit, 0|BARS, RED+TRANSP);
            plot("ShortProfitT", ShortProfitThreshold, 0, RED);
        }

        if(AtrStopFactor > 0 && NumOpenTotal > 0) {
            var CurrentStop = 0;
            for(current_trades) {
                CurrentStop = (var)TradeStopLimit;
                break_trades;
            }
            if(CurrentStop > 0) plot("Stop", CurrentStop, MAIN|DOT, LIGHTBLUE);
        }

        // if(AlgoVar[0] > 0) plot("LockMode", 10, NEW|BARS, BLUE);
    }
}

function run() {
    // --------------------------------------------------------- //
    // Zorro 设置
    // --------------------------------------------------------- //

    // 日志
    set(LOGFILE);
    Verbose = 3;

    // 图表
    set(PLOTNOW);
    setf(PlotMode,PL_DIFF);
    PlotScale = 8;
    PlotHeight2 = 320;
    if(Live) PlotBars = -250;

    // 训练
    set(PARAMETERS);
    setf(TrainMode,TRADES);
    DataSplit = 85;
    NumWFOCycles = 10;
    NumCores = 4;

    // 实盘
    if(Live) {
        set(NOLOCK);  // 禁止同步 zorro 实例
        setf(SaveMode,SV_STATS|SV_TRADES|SV_ALGOVARS|SV_SLIDERS);
        TickTime = 1000;
        TockTime = 60000;
        slider(1,2000,0,3000,".Risk(%)",0); // 通过滑块设置风险率
    }

    // k线生成规则，7*24交易
    resf(BarMode,BR_WEEKEND);
    StartWeek = 0;
    EndWeek = 62359;
    StartMarket = 0;
    EndMarket = 2359;
    BarPeriod = 60;
    BarZone = UTC;
    BarOffset = 0;
    TickFix = 60000;
  	  if(Live) TickFix = 0;

    // 测试样本
    StartDate = 20180101;
    EndDate = 20251230;
    LookBack = 5000;

    // 初始资本
    if(Train) Capital = 0;
    if(Test) Capital = 0;
    if(Live) Capital = 0;

    // 下一根k线开盘时进场/平仓
    Fill = 3;

    // --------------------------------------------------------- //
    // 交易策略
    // --------------------------------------------------------- //

    while(asset(loop("BTCUSDT","ETHUSDT"))) {
        Leverage = 5;
        MarginCost = priceClose()*LotAmount/Leverage;
        tradeStrategy();
    }
}
```


---

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

