第三十一节 自适应均线策略
分析了那么多技术指标，在实际应用中，笔者发现，在震荡市的时候，我们需要慢一些的均线，在趋势市的时候，我们需要快一些的均线。但以上不管什么样的均线，都是固定不变的，我们只能凭经验改变均线的快慢。那么，有没有一种能量化趋势市和震荡市的策略呢？
针对上述情况，Perry Kaufman 在 Smarter Tranding一书中，提出了自适应均线的概念，试图在复杂的市场环境下，使指标能够自动调整，尽量过滤噪音和不可预知的价格变动，更好地跟踪市场趋势的变动。
自适应均线的定义
假设收盘价是这样一组数据：P1、P2、P3……Pi，那么这一组价格序列的效率计算公式为:
E= | Pn-Pi | /∑ | P(i+1)-Pi |
其中，分子描述的其实就是起点到终点之间的距离，而分母则描述了每天的路程。就像有两只狗，一只狗从起点直接奔到终点，而另一只狗则到其他地方绕了一圈才到终点，两只狗都到了终点，但前一只狗的效率就比后一只狗的效率高。E的数值范围从0到1，0说明回到原点，效率极低;1说明直接到了终点，效率极高。
再来定义一个自适应均线的迭代:
（1）Y0=X0
（2）Ym=α×Xi +(1-α)×Ym-1
其中，a是每一步的加权因子，它可以随着时间的变化而变化，从而可以实现自适应效果。
把加权因子a定义成一个E的函数:
α=(c+d ×E )f
其中，c、d、f均是待定参数，起始都定义它们为1。
自适应均线应用
般笔者这样使用门适应均线，三与自适应均线从下到上，买进，反之卖出为了定义从上到下，我们再次引进一个参数M，即把当天的自适应值Y和M天前的Y值进行比较，大于买进，小于卖出。
这样就一共有N、M、c、d、f五个参数待定，而且是非单调函数，手工很难无遗漏地找到最佳值。这里的演示只是说明问题而已，找到的值最多也就是一个次佳值。
先同定c、d、f，M=5，变化N，对应结果如表10-58所示。
通过回测可以看出，N=10是个最佳值。固定N=10，再次变动M，对应结果如表10-59所示。
结果显示，M=20最佳。再固定N=10,M=20，变动r、d等参数，结果如表10-60所示。
这时候c=1.4，d=0.9，f=1结果最佳，年化收益率高达6.58%，算是我们研究到现在一个相当不错的值，但用了5个参数，是否有过度拟合的嫌疑还有待探讨。