有許多方法可以判斷誰是公牛還是空頭，而艾達透視指標的“牛熊力量指標”就是其中的一種，它使用簡單的公式來近似估算這種隱含的技術實力。今天，我們將對指標進行編碼和回測，然後從客觀的角度對其進行判斷。
建立牛市和熊市實力指數
上古雷指數MEAs數字購銷壓力量和兩個柱狀圖，其中一個就是所謂的多頭力量和其他的空頭力量的。直方圖是根據以下公式計算的：
EMA變數指的是指數移動平均線，它是一種移動平均線，將更多的權重放在最近的值上。
可以使用以下功能來計算指數移動平均值：
defma(Data, lookback, what, where):for i in range(len(Data)):try:Data[i, where] = (Data[i - lookback + 1:i + 1, what].mean())except IndexError:passreturn Datadefema(Data, alpha, lookback, what, where):# alpha is the smoothing factor# window is the lookback period# what is the column that needs to have its average calculated# where is where to put the exponential moving averagealpha = alpha / (lookback + 1.0)beta = 1 - alpha# First value is a simple SMAData = ma(Data, lookback, what, where)# Calculating first EMAData[lookback + 1, where] = (Data[lookback + 1, what] * alpha) + (Data[lookback, where] * beta)# Calculating the rest of EMAfor i in range(lookback + 2, len(Data)):try:Data[i, where] = (Data[i, what] * alpha) + (Data[i - 1, where] * beta)except IndexError:passreturn Data
第一個面板中的EURUSD和50週期的牛熊指標。
上面顯示了EURUSD每小時資料，第二個面板中有50個週期的牛熊指標。在繼續執行指標程式碼之前，我們必須編寫兩個簡單的函式：
def deleter(Data, index, times):for i in range(1, times + 1):Data = np.delete(Data, index, axis = 1)returnDatadef jump(Data, jump):Data = Data[jump:, ]returnData
現在，我們準備好程式碼了。記住要準備好OHLC陣列。
def bull_bear_power(Data, lookback, what, high, low, where):# Adding the required columnsData = adder(Data, 3)# Calculating the exponential moving averageData = ema(Data, 2, lookback, what, where)# Calculating the Bull PowerData[:, where + 1] = Data[:, high] - Data[:, where]# Calculating the Bear PowerData[:, where + 2] = Data[:, where] - Data[:, low]# Deleting initial empty rowsData = jump(Data, lookback)return Data
USDCHF位於第一個面板中，並且是50週期的牛熊指標。
要對上面的圖表進行編碼，我們可以使用以下函式：
defindicator_plot_double_bull_bear(Data, name = '', name_ind = '', window = 250):fig, ax = plt.subplots(2, figsize = (10, 5))Chosen = Data[-window:, ]for i in range(len(Chosen)):ax[0].vlines(x = i, ymin = Chosen[i, 2], ymax = Chosen[i, 1], color = 'black', linewidth = 1)ax[0].grid()for i in range(len(Chosen)):ax[1].vlines(x = i, ymin = 0, ymax = Chosen[i, 6], color = 'green', linewidth = 1)ax[1].vlines(x = i, ymin = Chosen[i, 7], ymax = 0, color = 'red', linewidth = 1)ax[1].grid()ax[1].axhline(y = 0, color = 'black', linewidth = 0.5, linestyle = '--')# The above code considers columns 6 and 7 to inhibit Bull Power and Bear Power respectively.
回測簡單策略
與任何適當的研究方法一樣，其目的是對指標進行回測，並能夠自己檢視是否值得將其作為我們先前存在的交易框架的補充。請注意，以下內容僅對過去10年中僅對10個貨幣對的一個時間範圍進行回測。這可能不是該策略的最佳時限，但我們只是試圖找到一種“一刀切”的“幾乎適合所有人”的策略。
條件已簡化，我們將基於主觀障礙使用逆勢方法：
當牛市力量指標達到-0.001並且前兩個值大於0.001時，做多（買入）。保持該位置，直到收到新訊號（該位置已關閉）。
每當熊市力量指標達到0.001（前兩個值均低於0.001）時，做空（賣出）。保持該位置，直到收到新訊號（該位置已關閉）。
歐元兌美元的訊號圖。
defsignal(Data, bull_power, bear_power, buy, sell):for i in range(len(Data)):if Data[i, bull_power] < lower_barrier and Data[i - 1, bull_power] > lower_barrier :Data[i, buy] = 1if Data[i, bear_power] < lower_barrier and Data[i - 1, bear_power] > lower_barrier:Data[i, sell] = -1
USDCHF上的訊號圖。
根據自2010年以來按小時資料散佈的0.5個基點得出的結果，並且沒有采用風險管理演算法，得出的結果如下。
效果表。
遵循該策略的股權曲線。
顯然，該指標並沒有增加價值。嘗試最佳化甚至更改與之相關的策略可能會更好。我們可能可以新增一些熊市條件來驗證看漲訊號，並新增一些牛市條件來驗證看跌訊號。
我們還可以相應地調整回溯和障礙。我們可以做的最後一件事是將策略從逆勢轉變為遵循趨勢。
結論
記住要經常做背部測試。即使我提供了指標的功能（而不只是吹牛說它是聖盃，並且它的功能是秘密），您也應該始終相信其他人是錯誤的。我的指標和交易風格對我有用，但可能並非對每個人都適用。我依靠以下規則：
市場價格在超過50％的時間內無法預測或很難預測。但是市場反應是可以預測的。
意思是，我們可以在一個區域周圍形成一個小區域，並可以確信地說市場價格將對該區域周圍的區域產生反應。但是我們不能真正說它會從那裡下跌4％，然後再次測試，並在第三次嘗試跌至103.85美元時突破。由於我們預測過度，因此誤差項呈指數級增長。
作者：鏈三豐，來源：區塊鏈研究實驗室
