牛角問答，股票期貨專業投機者。
前言
在所有的股票或期貨技術指標的算法中，幾乎是基於價格或基於成交量進行計算，因此，既考慮了價格變化，又考慮成交量變化的算法寥寥無幾。
通常情況下，我們分析價格走勢，都會以價格和成交量結合分析。這樣更能夠揣摩交易對手的意圖。
作者喜歡既有價格，又考慮了成交量指標的算法，是有原因的。
首先，價格上漲幅度越大成交量就越大嗎？不一定，因為縮量還不是一樣的上漲，如下圖所示。
其次，價格上漲幅度越小成交量就越小嗎？也不一定，因為一根十字k線同樣可以有巨量，如下圖所示。
單純的以價格或者成交量所設計的算法，都不能很好的解釋價格變動內在邏輯。
因此，OBV加權成交量算法，橫空出世！
接下來，將用最簡單的方式講解OBV加權成交量算法的內在機理，與跨週期過濾和跟蹤止盈相結合。
並用這個改進後的算法用程序化交易平臺編寫，實現自動化交易。
我將介紹兩種算法及其區別，在程序化交易系統中OBV加權成交量算法，為何更具有優勢。
揭開“WOBV 算法” 的神秘面紗
WOBV中的“W”，代表權重“weight”，具有加權算法的OBV能量潮。兩者雖說只有一個字母的差距，但對我們實際分析和程序化交易意義影響深遠！
我們將兩種算法和最終效果進行比較。
1、算法剖析與OBV缺陷。
(1) OBV算法。
他的邏輯主要以當前k線的價格上漲或下跌狀態，來決定當前是否是減少OBV值或增加OBV值，如下圖所示。VOL，成交量。
- 價格上漲的OBV計算過程。
效果圖如下。
- 價格下跌OBV的計算過程。
效果圖如下。
注：OBV代表當前k線的OBV值，OBV[1]代表上一根k線的OBV值。OBV初始值為歷史數據第一根k線的成交量。
從圖中我們可以得出一個結論。
- 當價格上漲時，OBV值就加上當前k線的成交量。
- 當價格下跌時，OBV值就減去當前k線的成交量。
下圖是OBV算法的效果圖。
我們從算法和k線圖中得知，OBV技術指標每次增加或減少的值，都是當前k線的全部成交量。
此算法有一個致命缺陷。當k線上漲或下跌幅度極小，成交量又非常大，此時指標的值不管三七二十一，還是加上當前k線的成交量。例如，十字星k線。
說白了，就沒辦法識別當前價格走勢的力度，相當雞肋！
這也是OBV與“WOBV”算法最明顯的區別！
說完了OBV算法，接下來我們將對WOBV算法、優勢進行深度分析。
(2) WOBV算法剖析。
WOBV算法與OBV相比，其實最核心的就是它公式中權數的計算，即k線實體比上k線振幅。
這個算法是在OBV能量潮算法上改進而來，主要原理是k線實體佔k線振幅的百分比作為權數，對成交量進行加權。並以此來做出的程序化策略，更具有適應未來的能力。
算法如下圖所示。
注：WOBV代表當前k線的WOBV值，WOBV[1]代表上一根k線的WOBV值。
WOBV初始值為歷史數據第一根k線的權數*VOL。效果如下圖所示。
相當於一個動態調節器，
- 當我們的k線實體非常大時，權數就越大，WOBV就變得靈敏，說明趨勢強勁。
- 當k線實體變小時，權數就越小，WOBV就變得遲鈍，說明趨勢減弱。
從上圖中我們就可以看出，行情雖然仍在上漲，但WOBV值已經開始橫向變動或反轉。
預示著，上漲動能減弱隨時會發生趨勢反轉或進入橫盤震盪，此時突破策略在這裡開倉的話，大大的增加策略假突破的風險和擁有較低的利潤空間。
勿讓自己，得不償失。
WOBV與OBV兩者誰更具有優勢，一張圖就能解決！請看第二個子圖中的指標和k線圖。
注：加粗黑線，WOBV。藍色線，OBV值。
WOBV優勢：
- 作為一個預警信號，當一波大幅上漲後，一旦WOBV橫向整理或開始反轉時，此時可以減少倉位或平倉。
- 同時在WOBV 橫向整理或者反轉區域可以選擇不開倉，減少假突破，提高勝率。
這就是採用了，加權的成交量算法—WOBV算法的優勢。
小結。
說完了WOBV與OBV算法原理，接下來將分享，基於WOBV算法程序化交易策略，並與跨週期過濾和跟蹤止盈結合，打造交易系統！
基於WOBV 算法的交易系統
在前面，我們已經分享了OBV與WOBV算法的主要區別。後者更能刻畫價格波動規律，具有良好的自適應能力。
當價格動能較強，WOBV越大，更靈敏。動能減弱時，WOBV提前橫向整理，或反轉。
也就是所謂的，自適應能力！
下面是基於WOBV算法的程序化交易策略邏輯。
① 開倉邏輯(多頭為例)：
- 價格在周線EMA8均線以上，處於多頭趨勢
- 在WOBV上穿WOBV_MA，且最高價突破當前最高價+1倍ATR。
② 平倉邏輯：
- 採用具有加速算法的跟蹤止盈方法，平倉。
- 正如下圖所示，價格波動大時，止盈線收得更緊。波動小時，以上一根k線的速度進行移動。
③ 策略信號：
策略回測分析
作者用螺紋鋼期貨指數合約進行回測分析。
① 回測參數設置：
- 回測資金，10萬。
- 回測區間，2009-至今。
- 回測品種，螺紋鋼期貨指數
- 回測週期，30分鐘。
- 開倉手數，1手。
- 滑點，1跳。
- 費用，1%%。
② 資金曲線：
最後
文章主要給大家分享了OBV與WOBV算法的區別，優劣勢。且利用WOBV算法與跨週期、跟蹤止盈、ATR波動率方法構建程序化交易策略。
同時也提到了，WOBV算法具有自適應的功能，其核心就在於權數的計算。
權數=(收盤價-開盤價)/(最高價-最低價)。
當k線上下引線變長時，WOBV值就會越小。反之，就越大。
