黄金阶梯策略详解

策略概述

黄金阶梯策略是一种改进版的 SAR（抛物线）趋势跟踪策略，通过引入波动均值（vol_ma）和 ATR 动态调整机制，对传统 SAR 算法进行优化，实现更灵敏的趋势识别和止损设置。

核心代码位于 E:\钱龙\py\量化策略\黄金阶梯终稿.py，函数入口为 calculategoldenladder(df)。

---

策略原理

1. 改进版 SAR 抛物线算法

传统 SAR 算法使用最高价和最低价的极值来追踪趋势，黄金阶梯策略在此基础上引入波动均值（vol_ma）作为动态边界：

# 计算波动均值
ranges = np.zeros(length)
for i in range(1, length):
    ranges[i] = max(high[i], close[i-1]) - min(low[i], close[i-1])
vol_ma = pd.Series(ranges).rolling(window=ma_period, min_periods=1).mean().values

波动均值计算的是每日振幅（当日最高价与前日收盘价的最大值 减去 当日最低价与前日收盘价的最小值）的移动平均，反映市场的真实波动水平。

2. 趋势跟踪与 ATR 动态止损

策略在 SAR 的基础上，使用 vol_ma 作为动态边界：

• 做多趋势：SAR 起点 = 最低价 - volma * volmult，SAR 向上追踪
• 做空趋势：SAR 起点 = 最高价 + volma * volmult，SAR 向下追踪

加速因子（AF）随趋势强化而递增，实现趋势加速跟踪：

if high[i] > last_ep_high:      # 创出新高
    ep_high = high[i]
    af = min(last_af + af_step, af_max)  # AF 递增，上限 af_max
else:
    af = last_af                  # AF 保持不变
sar = last_sar + af * (ep_high - last_sar)  # SAR 向上推进

---

核心参数

参数	默认值	说明
af_step	0.10	加速因子步长，每次创新高/新低时增加的量
af_max	0.15	加速因子最大值，限制 SAR 最大推进速度
ma_period	20	波动均值计算周期（交易日）
vol_mult	1.0	波动倍数，控制 SAR 与价格的偏移量

---

做多/做空转换逻辑

策略维护一个 trend 状态变量（1.0 表示做多，-1.0 表示做空）：

做多转做空（多头止损）

if trend == 1.0:
    if close[i] < last_sar:  # 收盘价跌破 SAR 线
        trend = -1.0         # 转为做空
        sar = high[i] + vol_ma[i] * vol_mult  # 做空起点
        af, ep_low = af_step, low[i]          # 重置 AF 和极值

做空转做多（空头止损）

else:  # trend == -1.0
    if close[i] > last_sar:  # 收盘价突破 SAR 线
        trend = 1.0          # 转为做多
        sar = low[i] - vol_ma[i] * vol_mult  # 做多起点
        af, ep_high = af_step, high[i]       # 重置 AF 和极值

---

买卖信号生成规则

信号基于 SAR 支撑/压力线的消失来识别：

买入信号 - 压力线消失

if res_line[i] > 0 and res_line[i+1] == 0:
    signals[i+1] = 1  # 买入信号

• 前一日存在压力线（做空状态）
• 当日压力线消失（转为做多）
• 表示空头趋势结束，多头趋势开始

卖出信号 - 支撑线消失

elif sup_line[i] > 0 and sup_line[i+1] == 0:
    signals[i+1] = -1  # 卖出信号

• 前一日存在支撑线（做多状态）
• 当日支撑线消失（转为做空）
• 表示多头趋势结束，空头趋势开始

交易记录

策略记录每笔交易的买入/卖出日期、价格和收益率：

active_trade = {'buy_date': dates[i+1], 'buy_price': close[i+1]}
# ... 卖出时：
active_trade.update({
    'sell_date': dates[i+1],
    'sell_price': close[i+1],
    'profit_rate': (close[i+1] - active_trade['buy_price']) / active_trade['buy_price']
})

---

绩效统计

策略自动计算以下绩效指标：

指标	说明
总交易次数	完成的买卖交易笔数
总收益率	所有交易收益率之和
平均收益率	单笔交易平均收益率
胜率	盈利交易占比
单笔最高收益	最佳单笔交易收益率
单笔最大亏损	最差单笔交易收益率

---

策略特点

1. 趋势跟踪：在趋势明确时快速跟随，在震荡市中减少假信号
2. 动态止损：基于波动率动态调整止损线，适应不同市场环境
3. 双向交易：支持做多和做空双向操作
4. 参数可调：核心参数可针对不同品种和周期优化

---

相关文件清单

Python 实现

文件	路径	说明
黄金阶梯.py	E:\钱龙\py\量化策略\黄金阶梯.py	基础版本实现
黄金阶梯终稿.py	E:\钱龙\py\量化策略\黄金阶梯终稿.py	最终版（含绩效统计）
黄金阶梯终稿统计.py	E:\钱龙\py\量化策略\黄金阶梯终稿统计.py	统计回测版本
黄金阶梯终稿统计元宝.py	E:\钱龙\py\量化策略\黄金阶梯终稿统计元宝.py	元宝大模型生成版
黄金阶梯绘图版.py	E:\钱龙\py\量化策略\黄金阶梯绘图版.py	可视化版本，绘制 SAR 线和信号

Dart 手机版

文件	路径	说明
手机黄金阶梯glodenladderutils.dart	E:\钱龙\py\量化策略\手机黄金阶梯glodenladderutils.dart	手机端 Dart 实现

依赖工具

文件	路径	说明
method_all.py	E:\钱龙\py\method_all.py	MySQL 查询、数据获取工具
tool.py	E:\钱龙\py\tool.py	数据库连接等基础工具