策略简介：
「Long Trend High Momentum」这个策略出自 Laurens Bensdorp 所撰写的 《Automated Stock Trading Systems》 一书。策略认为在上升趋势中购买高动能股票，通过设置跟踪止损以捕捉利润，具有一定的优势。
交易策略：
股票池：
在纽约证券交易所、纳斯达克和AMEX上市的所有股票。
股票筛选及入场条件：
过去 20 天，平均每日交易额超过 5000 万美元。
股价大于 5 美元。
SPY 收盘价高于 SMA(100).
股票的 SMA(25) 大于 SMA(50).
如果筛选结果超出需要的头寸数量。则根据过去 200 个交易日的涨幅进行排名。
入场&出场：
第二天开盘市价下单。
硬止损为买入价价格下方 5 倍的 ATR(20)
跟踪止损为 25%
头寸大小：
单笔 2% 风险且最高为 10% 仓位，最多 10 个头寸。
回测数据：
S&P 500结果：
由于数据库问题，我们首先在标普 500 成分股中测试，回测周期为过往 10 年，结果如下：
我们可以看到这个策略最后的表现和直接买入持有 SPY 非常近似，略低一些，但是平均仓位的使用下降了一些，同时回撤减少了四分之一左右，从这个点上来说该策略也具有一定的优势。
NASDAQ 100 测试结果：
原策略基于所有股票，有许多小市值股票，可能波动性更大，也许这是一个要素，所以我们将这个策略应用到 Nasdaq 成分股上试一下，同样测试过去 10 年的数据：
在 Nasdaq 100 成分股的表现比在标普 500 成分股上的表现略好，但实际表现从年化收益和最大回撤比例来说，已经非常接近直接买入持有 SPY，并没有看出该策略有什么特别的优势。
罗素 2000 成分股测试结果：
最后我们将策略在罗素 2000 成分股上进行测试，这可能是最接近策略原始设定「在纽约证券交易所、纳斯达克和AMEX上市的所有股票。」的数据集，看看表现会是怎样：
这个结果可以说是意想不到的差，我们就不过多展开了。
策略的优化：
接下来看看是否能通过参数的优化获得更好的效果。我的第一个猜想是：
现在上升趋势的周期越来越短，因此用过去 200 日涨幅排序筛选出来的股票可能滞后了，因此尝试缩短排序时间周期看是否能有更好效果。
因此针对策略中“根据过去 200 个交易日的涨幅进行排名。”我以 20 为跨度，从 20 天周期到 200 天周期都进行测试。
以上是不同参数设置下的结果，很遗憾没有看到趋势性变化，更像随机波动，无法通过这个参数进行优化。而且 2 组测试中，参数设置 200 对应的结果 都非常接近最佳表现了，因此策略作者估计也做过相应测试，并选出了性能最好的参数设置。
接下来我们试一下 SPY 均线设置的影响，规则中用 SPY 价格高于 SMA(100) 来定义上升趋势。
因此针对策略中“SPY 收盘价高于 SMA(100)”我们同样以 20 为跨度，从 20 天周期到 200 天周期都进行测试。
这一轮测试的结果和上个参数类似，策略的初始值已经带来了近乎最好的结果。
最后，我们测试猜想三，通过 MAE 来粗暴的切出长尾风险。我们通过查看每一笔交易的 MAE 数据后，在策略上增加了一个条件：亏损达到 20% 时出场。
添加该条件后策略表现如下：
应用于 S&P 500 成分股时：10 年总收益从 176.31% 提升到 195.11%
应用于 NASDAQ 100 成分股时：10 年总收益从 202.08% 下降到 96.3%。
以上是我们针对这个策略的介绍和测试，总体来说我觉得这个策略的表现本身没有太过惊艳的地方，而且策略作者很可能也可以选择了性能最好的参数。但这在系统化交易中不一定是最好的举动。
最后，感谢你的阅读
如果有任何问题和想法都欢迎通过留言，或者邮件回复与我们取得联系！
你也可以访问网站介绍📑，更好了解本站。
如果喜欢这篇内容，欢迎点赞、订阅、评论并分享给好友❤️；
如果不喜欢，希望你留下建议，并分享给你讨厌的人😜。