黑马判势策略详解

策略概述

黑马判势策略是一种基于 EXPMA（指数移动平均线）的趋势跟踪系统，通过多周期均线交叉和 SAR 辅助判断，识别市场趋势转折点，实现趋势跟踪交易。

核心代码位于 E:\钱龙\py\量化策略\ 目录下的多个文件中，主算法为 calculateqldkaligned 函数。

策略原理

EXPMA 指数移动平均线系统

EXPMA（Exponential Moving Average）是一种加权移动平均线，对近期价格赋予更高权重，反应更灵敏于价格变化。

黑马判势策略使用多周期 EXPMA 组合来判断趋势方向：

短期周期（period）：用于计算短期极值，判断短期趋势
加速因子（af）：动态调整追踪速度
极值追踪：通过 pmax（周期内最高价）和 pmin（周期内最低价）确定趋势边界

核心算法逻辑

def calculate_qldk_aligned(df: pd.DataFrame,
                           period: int = 4,
                           af0: float = 0.10,
                           step: float = 0.10,
                           max_af: float = 0.20):

算法通过状态机控制趋势转换：

状态 0（初始化）：设置初始 SAR 和加速因子
状态 1（做多）：SAR 向上追踪，若跌破则转空
状态 2（做空准备）：切换至做空状态
状态 3（做空）：SAR 向下追踪，若突破则转多

SAR 计算逻辑

p_max[i] = max(high[i-period+1...i])   # 周期内最高价
p_min[i] = min(low[i-period+1...i])    # 周期内最低价

# 做多时 SAR 向上推进
sar[i+1] = sar[i] + (p_max[i] - sar[i]) * af

# 做空时 SAR 向下推进
sar[i+1] = sar[i] - (sar[i] - p_min[i]) * af

核心参数

参数	默认值	说明
`period`	4	极值计算周期，用于确定价格通道
`af0`	0.10	初始加速因子
`step`	0.10	加速因子步长
`max_af`	0.20	加速因子最大值

状态转换逻辑

策略通过 4 个状态管理趋势转换：

状态 0 (初始化)  ──→  状态 1 (做多初始)
                        │
                        │ 收盘价跌破 SAR
                        ▼
状态 2 (反转准备)  ──→  状态 3 (做空初始)
                        │
                        │ 收盘价突破 SAR
                        ▼
                    状态 1 (做多初始)
                    ...

做多状态

if state == 1:
    if temp_sar[i] <= c[i]:  # 收盘价在 SAR 之上
        # 继续做多，AF 递增
        if h[i] > h[i-1] and af < max_af:
            af += step
        temp_sar[i+1] = temp_sar[i] + (p_max[i] - temp_sar[i]) * af
    else:
        state = 2  # 跌破 SAR，准备反转

做空状态

if state == 3:
    if temp_sar[i] >= c[i]:  # 收盘价在 SAR 之下
        # 继续做空，AF 递增
        if l[i] < l[i-1] and af < max_af:
            af += step
        temp_sar[i+1] = temp_sar[i] - (temp_sar[i] - p_min[i]) * af
    else:
        state = 0  # 突破 SAR，准备反转

策略特点

多周期分析：通过 period 参数控制分析周期，可适应不同时间框架
动态加速：加速因子随趋势强化递增，提高跟踪效率
极值追踪：基于周期内最高/最低价确定趋势边界
双向交易：支持多空双向操作

相关文件清单

Python 实现

文件	路径	说明
`黑马判势终稿统计.py`	`E:\钱龙\py\量化策略\黑马判势终稿统计.py`	主算法实现（`calculateqldkaligned`）及统计回测
`黑马判势终稿收益走势.py`	`E:\钱龙\py\量化策略\黑马判势终稿收益走势.py`	收益走势分析可视化
`黑马判势终稿复利统计.py`	`E:\钱龙\py\量化策略\黑马判势终稿复利统计.py`	复利效果统计
`黑马判势终稿统计元宝.py`	`E:\钱龙\py\量化策略\黑马判势终稿统计元宝.py`	元宝大模型生成版统计
`黑马判势终稿统计gpt.py`	`E:\钱龙\py\量化策略\黑马判势终稿统计gpt.py`	GPT 生成版统计
`黑马判势终稿统计kimi.py`	`E:\钱龙\py\量化策略\黑马判势终稿统计kimi.py`	Kimi 生成版统计
`黑马判势终稿风险统计.py`	`E:\钱龙\py\量化策略\黑马判势终稿风险统计.py`	风险指标统计
`黑马判势终稿 copy.py`	`E:\钱龙\py\量化策略\黑马判势终稿 copy.py`	备份版本

C++ 实现

文件	路径	说明
`黑马判势绩效统计.c++`	`E:\钱龙\py\量化策略\黑马判势绩效统计.c++`	C++ 绩效统计实现
`黑马战略家.c++`	`E:\钱龙\py\量化策略\黑马战略家.c++`	C++ 战略实现

Dart 手机版

文件	路径	说明
`手机黑马判势expma_utils.dart`	`E:\钱龙\py\量化策略\手机黑马判势expma_utils.dart`	手机端 Dart 实现

依赖工具

文件	路径	说明
`method_all.py`	`E:\钱龙\py\量化策略\method_all.py`	策略目录下的工具库
`tool.py`	`E:\钱龙\py\量化策略\tool.py`	基础工具函数
`method_all.py`	`E:\钱龙\py\method_all.py`	根目录核心工具库