终极波动指标UOS策略–量化交易实战(附Python完整代码)

终极波动指标（Ultimate Oscillator，简称UOS）是一种动量振荡器，由拉里·威廉姆斯（Larry Williams）在1976年提出。它旨在通过结合不同时间周期的价格变动来减少单一时间周期指标的波动性，从而提供更为准确的买卖信号。UOS指标在量化交易中被广泛使用，尤其适用于识别价格波动的中期趋势。

一、UOS指标概念

UOS指标通过计算三个不同时间周期的平均真实波幅（True Range，TR）的加权平均值来衡量价格的动量。这些时间周期通常是7天、14天和28天，但可以根据交易者的需要进行调整。UOS的值在0到100之间变动，通常认为UOS值低于30表示超卖，而高于70表示超买。

二、计算公式

UOS的计算公式如下：

1. 计算每个时间周期的平均真实波幅（TR）：

• TR = max(High – Low, High – Previous Close, Previous Close – Low)

• 其中High、Low和Close分别代表当前周期的最高价、最低价和收盘价。

2. 计算加权平均的波动率（BP）：

• BP = Close – Low

• 加权平均波动率 = (7天BP的总和 * 4) + (14天BP的总和 * 2) + (28天BP的总和) / (4 + 2 + 1)

3. 计算加权平均的平均真实波幅（ATR）：

• 加权平均ATR = (7天ATR的总和 * 4) + (14天ATR的总和 * 2) + (28天ATR的总和) / (4 + 2 + 1)

4. 计算UOS值：

• UOS = (加权平均波动率 / 加权平均ATR) * 100

三、交易策略

UOS指标的交易策略通常基于其超买和超卖水平，以及其交叉信号。以下是一些常见的UOS交易策略：

• 当UOS值从下向上穿过70线时，视为卖出信号。
• 当UOS值从上向下穿过30线时，视为买入信号。
• UOS的背离也可以作为交易信号，例如价格创出新高而UOS未能创出新高，可能预示着价格的下跌。

import numpy as npimport pandas as pdimport matplotlib.pyplot as pltimport pandas_datareader.data as web
# 获取股票数据df = web.DataReader('AAPL', 'yahoo', start='2020-01-01', end='2021-01-01')
# 计算True Rangedf['TR'] = np.maximum(df['High'], df['Close'].shift(1)) - np.minimum(df['Low'], df['Close'].shift(1))
# 计算BP和ATRdf['BP'] = df['Close'] - df['Low']df['ATR'] = df['TR'].rolling(window=7).sum() * 4 + df['TR'].rolling(window=14).sum() * 2 + df['TR'].rolling(window=28).sum()df['ATR'] /= 7
# 计算UOSdf['UOS'] = (df['BP'] / df['ATR']) * 100
# 交易信号df['Signal'] = 0df.loc[df['UOS'] > 70, 'Signal'] = -1  # 卖出信号df.loc[df['UOS'] < 30, 'Signal'] = 1   # 买入信号
# 绘制UOS和交易信号plt.figure(figsize=(14, 7))plt.plot(df['UOS'], label='UOS')plt.scatter(df.index, df['UOS'], label='UOS Signal', marker='^', color='g', s=100, alpha=0.8)plt.axhline(y=70, color='r', linestyle='--', label='Overbought')plt.axhline(y=30, color='b', linestyle='--', label='Oversold')plt.title('Ultimate Oscillator (UOS) with Trading Signals')plt.legend()plt.show()

五、结论

终极波动指标UOS是量化交易中一种重要的分析工具，它通过量化股价波动，帮助投资者更准确地把握市场趋势和买卖点。通过合理设置时间周期、观察交叉信号和背离信号，并结合其他分析工具，投资者可以制定更为科学的交易策略，提高投资成功率。然而，需要注意的是，任何技术指标都不是万能的，投资者在使用时应保持理性，结合市场实际情况做出决策。同时，随着量化交易技术的不断发展，投资者应持续学习和积累经验，以不断提升自身的投资水平。