Volatility Regime Classifier [AFD]
通俗地说,这个策略在问一个问题:今天的市场“步子”,和它自己平时的“步子”相比,是迈得更大还是更小? 打个比方:一个人平时每天行走一万步,但今天突然走了两万步,我们就可以说他今天的活动量显著高于常态;反过来,如果他今天只走了三千步,那就明显低于常态。这里的关键是“和他自己比”,
通俗地说,这个策略在问一个问题:今天的市场“步子”,和它自己平时的“步子”相比,是迈得更大还是更小? 打个比方:一个人平时每天行走一万步,但今天突然走了两万步,我们就可以说他今天的活动量显著高于常态;反过来,如果他今天只走了三千步,那就明显低于常态。这里的关键是“和他自己比”,
这段说明虽短,却点出了波动率衍生品研究与数据基础设施之间的一个真实痛点:**近月合约往往被市场聚焦,远月合约的历史数据却支离破碎**。VIX 期货自上市以来,交易量主要集中在前两个月,第三、第四个月合约的流动性相对较低,许多数据服务商在归档历史行情时,也往往只保留近月或者主力合
这是一款极其简洁但实用的市场结构可视化工具。它的核心使命只有一个:在价格图表上清晰标注出过往重要时间周期(日、周、月)的"控制点"(POC)与"兴趣点"(POI)。该指标的设计者sarath1128明确表示,它的目标受众是价格行为交易者——即那些不依赖传统技术指标(如均线、MA
这个库本质上是一个“信号聚合仪表盘”。传统做法是:交易者在一个页面上打开几十张图表,一张一张地看;或者在某一个交易品种的图表上叠加多个指标,再反复切换周期。而“Cleaner Screeners Library”的思路完全相反——它把多个交易品种、多个时间周期、多个条件同时放到
约翰·F·埃勒斯是技术分析领域中信号处理与周期分析的代表人物。他长期致力于将数字信号处理(DSP)技术引入金融市场研究,其经典著作《Rocket Science for Traders》和《Cycle Analytics for Traders》影响了整整一代量化研究者。 这次
上面的描述很直白地告诉我们:这是一个“人机协作”的谐波形态识别工具。核心逻辑十分朴素——交易者在图表上手动标出五个关键价格点(X、A、B、C、D),工具根据这些点之间的价格距离,计算出相应比例,再将这些比例与已知谐波形态的参数库进行比对,从而提示可能满足的形态类别。 这种设计思
EZ$ 这个名称中的“$”让人联想到金钱与市场博弈,而“Auction Structure”(拍卖结构)则直接点出了它的理论根基:市场本质上是一个拍卖过程,买卖双方不断竞价,最终在图表上留下脚印。该策略的核心,不是运用某种数学公式去“算”出未来价格,而是像一张精确的战略地图,标
这是一类典型的“事件驱动型”量化研究思路。它不试图预测某一瞬间的方向,而是回答一个更具实际操作意义的问题:当一只股票在开盘时刻出现了大幅跳空,或者某一天的收盘价处于极不寻常的位置时,接下来的几个交易日内,价格往往会如何演变?是继续沿着原有方向惯性运动,还是出现均值回归式的回撤?
金融市场中的行情数据,归根结底是时间与价格交织的产物。传统图表大多以时钟为轴,将价格按照固定的时间间隔记录下来——例如每分钟、每小时、每日。这种“规则时间序列”简单直观,却也隐藏着一个根本矛盾:市场运行的真实节奏并不均匀。重大新闻可以在几秒钟内引发剧烈的价格跳动,而漫长的交易时
这段话描述了一个非常实用的交易工具:它把蒙特卡洛模拟技术应用到了交易策略的检验与未来情景推演中。传统回测只能给出一条基于历史数据的净值曲线,但市场是充满随机性的,未来并不一定重复历史。蒙特卡洛模拟的核心思想,就是利用历史数据中的统计规律(例如收益率的平均值、波动性、分布形态等)
这段英文描述看似简短,却浓缩了一个在现代机构交易中极为重要的概念:以成交量加权的平均成本线,叠加一个随活跃度变化的波动率通道。为了真正理解 VASA VWAP + Institutional Levels,我们需要把每个要素拆开,放进交易语境里重新阅读。 首先,VWAP 并非普
在公开交易社区中,有一类工具试图解决交易者最常犯的错误:把每一根阳线或阴线都当成同样的信号。实际上,一根蜡烛背后的“资金参与度”往往比蜡烛本身的方向更重要。Atlas Candle Volume Engine 正是这样一个思路的典型代表。它的名字中“Atlas”暗示一种“扛起全
把上面这段翻译展开来说,这个策略实际上是在做一件很多交易者梦寐以求的事情——把模糊的盘感变成明确的规则。 在手工看盘的时代,老交易员经常说"这形态看着像要反弹了"或者"这位置有点像是顶部结构"。但这种判断往往依赖经验,很难说清楚到底什么是"像"。3-1-3 和 3-2-3 结构
这套策略脚本的思路非常清晰:它把一天24小时拆成两个独立计算VWAP的"世界"。第一个世界是常规交易时段(RTH),特指美国东部时间上午9:30到下午4:00,也就是通常所说的美股盘中交易时间。第二个世界是隔夜时段,从下午6:00到次日上午9:30,覆盖了盘后和盘前交易,以及夜
“Numbers Renko”直译过来就是“数字练行足”。这里的“数字”并不是指指标会自动计算出一串神秘数字,而是指在每一块Renko砖块上,以数字标记的形式呈现该砖块形成期间所对应的成交量或时间信息。作者没有透露具体数字的含义,但根据其描述可以合理推测:数字可能代表该砖块形成
在量化交易与订单流分析中,CVD是衡量买卖双方真实力量变化的核心工具之一。然而,由于数据权限、平台限制以及底层K线构建方式的不同,传统CVD计算往往存在较大偏差。Unified CVD Router J-Edition 的出现,正是为了解决这一痛点:它在低权限环境下,依然试图逼
在公开交易社区中,有一个名为“ta”的技术分析函数库,它专注于补足那些在常用交易软件中尚未直接提供的分析工具。许多交易者在进行量化研究时,往往需要自行计算一些自定义指标,而这类函数库恰好提供了标准化的数学封装,让使用者能够更便捷地评估策略表现。 其中最具代表性的函数是 `cag
对于大多数交易者,尤其是刚入市的朋友来说,成交量是一个既熟悉又陌生的概念。熟悉是因为每一张K线图下方都有成交量柱,陌生是因为不知道如何解读那些长短不一的柱子。传统做法是结合价格形态来看量价关系,比如“价涨量增”是健康的,“价跌量增”可能引发恐慌。但这种方法有明显的缺陷:不同的股
该指标的核心功能并不复杂:它在图表上以“钻石”图形记录下历史上各个周期内已确认的最高价和最低价位置。这里所说的“周期”,并非日历意义上的自然周期,而是指价格走势中反复出现的、具有一定长度和节奏的波动循环。赫斯特分析认为,所有价格走势都可以视为多个不同周期波动的叠加,而找到这些周
如果仅从这段简短的描述出发,我们很难还原作者ccx2005的完整公式与参数,但足以看出他的设计思路:将趋势判断、风险控制、关键价位识别融为一体。这种“多合一”的打包思维,在短线交易者中非常受欢迎,因为它避免了在多个指标之间手工切换的繁琐,也让交易计划更加清晰。 首先,200 S
VADER 指标的核心理念可以拆解为三个关键词:位移、努力与方向能量。 **位移**指的是价格在一个单位时间内移动的幅度。例如,一根阳线从开盘到收盘上涨了 20 个点,这就是多方所创造的正向位移;一根阴线下跌了 15 个点,则是空方带来的负向位移。位移的大小直接反映了某一方推动
Flow Bias 的核心思想其实并不复杂:市场并非在所有价位上以同等概率成交。某些价位因前期大量换手、机构挂单、心理关口等原因,会囤积比普通价位更多的成交量。这些成交密集区就像一座座“流动性水池”,价格走到附近时,往往会受到吸附或排斥。Flow Bias 通过计算成交量加权后
伯努利过程本质上是一系列独立同分布的随机试验,每次试验只可能有“成功”或“失败”两种结果,例如抛硬币。在交易中,我们常把价格的上涨或下跌看成一种二元事件——今天比昨天高,记为1;今天比昨天低,记为0。这样一来,历史价格就变成了一个由0和1组成的时间序列。 但单纯看0/1序列没有
为什么价格通常被建模为对数正态分布?要理解这一点,首先要认识价格波动的乘法特征。假设一只股票当前价格为100元,它上涨10%变成110元,或者下跌10%变成90元;如果从110元继续上涨10%,则变成121元。也就是说,价格的变化是按比例发生的,而不是按绝对金额发生。这种乘性过
作者的原话非常直白,却很好地概括了 Williams Vix Fix 这类指标的本质:它不是一个需要复杂计算的黑箱,而是一个通过价格范围衡量市场情绪的振荡工具。所谓“简单”,是指它的计算逻辑相当直观——通过比较当前收盘价和一段周期内的最高最低价区间,来判断市场处于超买还是超卖状
这套函数的核心,可以用一个生活场景类比:两个人从不同方向出发,最终到达同一个地点。如果我们只记录“他们相遇了”,显然不够;更关键的是“他们在哪里相遇”。对于两条指标线来说,“在哪里相遇”就是交叉点对应的价格或指标数值。 在K线图上,交叉是逐根K线被观察到的。一根K线结束后,系统
Waindrops 是一种将“成交量分布”与“时段拆分”结合的日内分析工具。传统成交量分布通常覆盖整个交易日或一整天,而 Waindrops 的独特之处在于:它把一个自定义时间段(比如上午和下午、夜盘和日盘)从中间切开,分别计算前后两个半段的 VWAP、成交量分布和价格密度。这
这个工具最值得注意的地方,是它刻意做得“极简”。它不打算预测市场,也不打算告诉你什么价位是买点。它只回答一个问题:**如果你要在某一笔交易里亏掉一笔能承受的钱,你应该下多大的仓位?** 在这个问题上,大多数人的第一反应是“感觉”。有的人觉得“这次机会很好,可以重仓”,有的人觉得
所谓COT,全称是Commitment of Traders,即“交易商持仓报告”。这是美国商品期货交易委员会(CFTC)每周发布的一份数据报告,它详细记录了各类市场参与者在期货市场上的多头持仓、空头持仓以及未平仓合约的变化情况。对于量化交易者和宏观交易者来说,COT数据是一座
这个工具的设计思路,可以用一句话概括:**把最重要的警告,放在眼睛最常停留的地方。** 对于交易者而言,价格图表就是战场,而最新的价格位置则是战场的中心。所有的分析、决策、情绪起伏,都围绕着那个跳动的数字展开。作者选择将提醒消息直接显示在最新价格上方,显然是经过深思熟虑的——因
原始工具的核心功能,是生成伪随机的资产行情数据。由于随机生成机制的特殊性,这个生成器不能像普通指标那样直接作为其他指标的输入。具体来说,当你把它作为一个指标叠加到图表上,再试图让另一个指标去读取这些随机K线时,那个指标内部实际运行的生成实例与图表上已经绘制的实例并不会相同。换句
这个策略工具本质上是一套“多品种行情监控仪表盘”。传统做法是,我们打开一个品种的日线图,手动画出最近一波上涨或下跌的斐波那契回撤,然后盯着价格是否到达 0.382、0.5、0.618 等位置。但如果我们要同时关注十个品种,就得反复切换图表、重复划线、记住每个品种的关键价位,这既
这段英文描述来自一个名为“Moon Phases”的交易研究工具。它的核心功能非常朴素:在价格图表上标注出月相的关键节点——新月、满月,以及一、四分之一月(即上弦月与下弦月)。这些标记就像日历上的红圈,提醒你:“注意,这个时间点前后,市场可能会出现有趣的波动。” 但朴素并不代表
在量化交易与行情分析中,“多时间框架”(Multi-Timeframe,简称MTF)是一种常见且强大的分析手段。它的核心思想是:在一个当前周期(例如5分钟图)中,同时参考更高周期(如1小时、4小时、日线)的趋势、支撑阻力或指标信号,从而提高交易决策的可靠性。例如,日线处于上升趋
这是一套典型的“季节性卖出”策略。所谓“季节性卖出”,是指利用农产品在一年中特定时间由于供给集中释放而导致价格走弱的现象,以卖出(做空)期货合约的方式获利。模型的核心依据是:农作物在收获季节到来时,大量新粮集中涌入市场,短期供给显著大于需求,价格往往承压下行。对于美国中西部的主
从原文描述来看,MoonTarget SK System V.01 并不是一个简单的辅助指标,而是一套完整的、可独立运行的市场分析与交易规划引擎。它试图解决交易者在面对复杂行情时最头疼的三个问题:方向怎么定?哪里进?哪里出? 首先,“追踪复杂的市场波浪”表明系统的核心建立在波浪
累计成交量差(CVD)蜡烛是一种订单流可视化工具。它把传统的CVD指标从“线”或“柱”升级为“蜡烛”,使得交易者可以一眼看出在某段K线区间内,主动买单与主动卖单的净差额是如何演变的。 在传统K线图上,我们只看到“价格”在某个时间窗口内的开高低收,以及总成交量。但总成交量并没有回
本文要介绍的是一个名为“Tick Delta Volume”的实时交易指标,出自知名量化作者之手。原作者将其标注为“实验性”用途:它只在行情实时更新的当前K线(即正在形成中的那根K线)上工作,市场开盘且处于活跃交易时段时效果最佳。指标主要展示以下几类信息:当前K线内部已经处理的
线性回归线在金融图表上扮演的角色,不是预测未来,而是描述过去。普通移动平均线只反映最近一段时间的平均价格,而“所有数据”的线性回归线则相当于把资产的整个历史价格压缩成一条直线。这条线的斜率代表该资产从上市至今的平均年化变化速率;线的位置则代表价格“应该”长期停留的基准水平。 从
比特币幂律时钟的核心思想源于“比特币幂律理论”。这一理论试图用一条数学曲线,勾画出比特币自诞生以来价格成长的长期“骨架”。与大多数技术指标不同,它并不依赖短期的K线形态或均线组合,而是把视角拉长到了数年甚至十年以上,试图从物理学的角度回答一个基础问题:比特币的长期价格是否有规律
这段描述点出了所有风险管理者都要面对的核心矛盾:我们使用的传统风险工具,其数学根基是“正态世界”,而真实市场却是“肥尾世界”。正态分布假设下,六西格玛事件几乎不可能发生,但现实中我们每隔几年就会经历一次“百年一遇”的行情。传统标准差在刻画日常波动时很有效,却对极端尾部风险无能为
在技术分析体系中,成交量始终是衡量市场参与度的重要指标。传统图表通常以柱状图呈现成交量,但这种方式只能展示每个时间单位的交易总量,无法精确揭示资金在具体价格水平上的分布。公开交易社区中,一位名为ChartPrime的作者推出了一款创新分析工具——HTF Candle Volum
这段描述浓缩了一套完整的微观结构分析流程。我们可以把它拆解成四个层次来理解。 **第一层:识别结构点。** 策略使用“分形”作为基础。所谓分形,在交易中通常指一个K线的最高/最低点,其左右各至少有两根K线的极值都低于/高于它。这个定义在量化分析中常被用作摆动高点和低点的确认依据
在技术分析领域,价格形态识别一直是一个既古老又充满争议的话题。传统上,分析师会通过肉眼观察K线图,寻找所谓“双底”“头肩顶”“杯柄”等经典结构。但人的主观性往往使同一张图在不同分析师眼中得到完全不同的结论。随着量化交易的发展,人们开始尝试将形态识别规则化、参数化、自动化,从而让
这个工具本质上是一个风险计算器,它围绕一个非常简单的公式运转:**止损距离(点) = 风险金额 ÷(合约数量 × 每点价值)**。举例来说,假设交易者交易的是 MNQ 合约,其合约乘数为每点 2 美元。如果交易者决定这一单最多亏损 100 美元,并且打算持有 2 张合约,那么他
在技术分析的世界里,我们习惯了向后看。均线是过去价格的平滑,成交量分布是过去筹码的沉淀,支撑阻力线是过去转折点的投影。即使是相对领先的指标,也大多是在用历史统计推断未来。这种“后视镜”式分析并非无用,但它天然有一个盲区:它很难回答一个交易者真正关心的问题——“接下来价格更可能去
传统的技术分析世界里,我们习惯于将市场切片成均匀的时间片段:一分钟、五分钟、一小时。我们观察这些时间片段内的成交量变化,试图从中解读多空力量的对比。然而,市场本身并不遵守人类的钟表。价格在趋势启动时可能急速狂奔,在盘整时又可能如蜗牛漫步。时间等分,但价格行为却从不均等。 “Re
这个策略的核心并不复杂,它试图回答一个问题:在一天之中,哪些价位是“有分量”的? 普通的高点和低点可以在一分钟、五分钟或其他任何时间周期上随意出现,但它们未必代表市场的真实态度。只有伴随着成交量持续放大的价格极端点,才更像是资金真正参与的痕迹。策略将“成交量摆动”定义为至少三根
“Count”本质上是一个面向数组和矩阵的频率统计工具。在量化交易研究中,我们经常需要回答这样的问题:“在最近一年的行情中,日涨跌幅在1%到2%之间的情况出现了几天?”“过去五年中,某技术指标发出‘买入’信号的总次数是多少?”“某个价格区间被突破的次数是否显著多于其他区间?”这
这是一款聚焦于“当下”的实时盘口可视化工具,作者将其命名为“实时近期买卖分布图”。它的核心功能并不复杂:在最新一根K线的右侧,用一组动态延伸的横向柱状图,实时刻画每一笔主动买入和主动卖出所对应的成交量大小。柱体长度代表量能,柱体宽度可由用户自行调节,以适应不同显示密度和交易习惯