在所有的股票或期货技术指标的算法中，几乎是基于价格或基于成交量进行计算，因此，既考虑了价格变化，又考虑成交量变化的算法寥寥无几。

通常情况下，我们分析价格走势，都会以价格和成交量结合分析。这样更能够揣摩交易对手的意图。

作者喜欢既有价格，又考虑了成交量指标的算法，是有原因的。

首先，价格上涨幅度越大成交量就越大吗？不一定，因为缩量还不是一样的上涨，如下图所示。

其次，价格上涨幅度越小成交量就越小吗？也不一定，因为一根十字k线同样可以有巨量，如下图所示。

单纯的以价格或者成交量所设计的算法，都不能很好的解释价格变动内在逻辑。

因此，OBV加权成交量算法，横空出世！

接下来，将用最简单的方式讲解OBV加权成交量算法的内在机理，与跨周期过滤和跟踪止盈相结合。

并用这个改进后的算法用程序化交易平台编写，实现自动化交易。

我将介绍两种算法及其区别，在程序化交易系统中OBV加权成交量算法，为何更具有优势。

揭开“WOBV 算法” 的神秘面纱

WOBV中的“W”，代表权重“weight”，具有加权算法的OBV能量潮。两者虽说只有一个字母的差距，但对我们实际分析和程序化交易意义影响深远！

我们将两种算法和最终效果进行比较。

1、算法剖析与OBV缺陷。

(1) OBV算法。

他的逻辑主要以当前k线的价格上涨或下跌状态，来决定当前是否是减少OBV值或增加OBV值，如下图所示。VOL，成交量。

• 价格上涨的OBV计算过程。

效果图如下。

• 价格下跌OBV的计算过程。

效果图如下。

注：OBV代表当前k线的OBV值，OBV[1]代表上一根k线的OBV值。OBV初始值为历史数据第一根k线的成交量。

从图中我们可以得出一个结论。

• 当价格上涨时，OBV值就加上当前k线的成交量。
• 当价格下跌时，OBV值就减去当前k线的成交量。

下图是OBV算法的效果图。

我们从算法和k线图中得知，OBV技术指标每次增加或减少的值，都是当前k线的全部成交量。

此算法有一个致命缺陷。当k线上涨或下跌幅度极小，成交量又非常大，此时指标的值不管三七二十一，还是加上当前k线的成交量。例如，十字星k线。

说白了，就没办法识别当前价格走势的力度，相当鸡肋！

这也是OBV与“WOBV”算法最明显的区别！

说完了OBV算法，接下来我们将对WOBV算法、优势进行深度分析。

(2) WOBV算法剖析。

WOBV算法与OBV相比，其实最核心的就是它公式中权数的计算，即k线实体比上k线振幅。

这个算法是在OBV能量潮算法上改进而来，主要原理是k线实体占k线振幅的百分比作为权数，对成交量进行加权。并以此来做出的程序化策略，更具有适应未来的能力。

算法如下图所示。

注：WOBV代表当前k线的WOBV值，WOBV[1]代表上一根k线的WOBV值。WOBV初始值为历史数据第一根k线的权数*VOL。

效果如下图所示。

相当于一个动态调节器，

• 当我们的k线实体非常大时，权数就越大，WOBV就变得灵敏，说明趋势强劲。
• 当k线实体变小时，权数就越小，WOBV就变得迟钝，说明趋势减弱。

从上图中我们就可以看出，行情虽然仍在上涨，但WOBV值已经开始横向变动或反转。

预示着，上涨动能减弱随时会发生趋势反转或进入横盘震荡，此时突破策略在这里开仓的话，大大的增加策略假突破的风险和拥有较低的利润空间。

勿让自己，得不偿失。

WOBV与OBV两者谁更具有优势，一张图就能解决！请看第二个子图中的指标和k线图。

注：加粗黑线，WOBV。蓝色线，OBV值。

WOBV优势：

• 作为一个预警信号，当一波大幅上涨后，一旦WOBV横向整理或开始反转时，此时可以减少仓位或平仓。
• 同时在WOBV 横向整理或者反转区域可以选择不开仓，减少假突破，提高胜率。

这就是采用了，加权的成交量算法—WOBV算法的优势。

小结。

说完了WOBV与OBV算法原理，接下来将分享，基于WOBV算法程序化交易策略，并与跨周期过滤和跟踪止盈结合，打造交易系统！

基于WOBV 算法的交易系统

在前面，我们已经分享了OBV与WOBV算法的主要区别。后者更能刻画价格波动规律，具有良好的自适应能力。

当价格动能较强，WOBV越大，更灵敏。动能减弱时，WOBV提前横向整理，或反转。

也就是所谓的，自适应能力！

下面是基于WOBV算法的程序化交易策略逻辑。

① 开仓逻辑(多头为例)：

• 价格在周线EMA8均线以上，处于多头趋势
• 在WOBV上穿WOBV_MA，且最高价突破当前最高价+1倍ATR。

② 平仓逻辑：

• 采用具有加速算法的跟踪止盈方法，平仓。
• 正如下图所示，价格波动大时，止盈线收得更紧。波动小时，以上一根k线的速度进行移动。

③ 策略信号：

策略回测分析

作者用螺纹钢期货指数合约进行回测分析。

① 回测参数设置：

• 回测资金，10万。
• 回测区间，2009-至今。
• 回测品种，螺纹钢期货指数
• 回测周期，30分钟。
• 开仓手数，1手。
• 滑点，1跳。
• 费用，1%%。

② 资金曲线：

最后

文章主要给大家分享了OBV与WOBV算法的区别，优劣势。且利用WOBV算法与跨周期、跟踪止盈、ATR波动率方法构建程序化交易策略。

同时也提到了，WOBV算法具有自适应的功能，其核心就在于权数的计算。

权数=(收盘价-开盘价)/(最高价-最低价)。

当k线上下引线变长时，WOBV值就会越小。反之，就越大。