PulseForce Momentum（动量策略）算法解析

, , ,

1. 概述

Momentum（动量策略） 是量化交易领域最常见、最实战化的一类趋势增强策略。
它基于一个核心假设：

“强者恒强，弱者恒弱”：最近表现强的标的，更有可能继续上涨；最近表现差的标的，更有可能继续走弱。

在 PulseForce 中，内置的 momentum 策略并不是“只看涨跌幅”的简单动量，而是综合了：

  • EMA 交叉（ema_fast / ema_slow）：确认短期与中长期趋势方向
  • 近期高点突破（recent_high_window）：确认价格是否真正突破前一段时间的压力位
  • RSI 动量信号（rsi_period / rsi_buy_threshold / rsi_sell_threshold）：衡量多空力量强弱
  • 成交量放大（volume_window）：确认上涨是真实资金推动，而非“无量空涨”
  • CatBoost AI 过滤器（可选）：在基础规则之上，再用 AI 模型过滤劣质信号

同时，策略通过：

  • 强制止盈 / 止损（force_take_profit / force_stop_loss）
  • 日级止盈 / 止损（daily_take_profit / daily_stop_loss）
  • 动态资金分配（allowable_funds_*）

来管理风险和仓位，并支持在 PulseForce 中使用 HyperOpt 自动搜索最优参数组合。

2. 策略起源与发展简述

动量效应拥有非常扎实的学术背景与长期实证支持：

  • 1993 年 Jegadeesh & Titman 的经典论文系统性证明：
    买入过去赢家、卖出过去输家 可以获得显著超额收益。
  • 后续大量研究发现，动量效应存在于：
    股票、期货、外汇、商品、指数、甚至加密货币市场中。

实战中，动量策略常用于：

  • 中短周期趋势交易
  • 行业/板块轮动
  • 多资产多空组合
  • 高频趋势过滤模块

PulseForce 的 Momentum 策略，就是在这些经典思想基础上，叠加了多指标确认与 AI 过滤的增强版本。

3. 这个 Momentum 策略在解决什么问题？

PulseForce 的 momentum 策略试图解决以下几个实战问题：

  1. 只看涨跌幅不够稳，需要多维度确认“真动量”
    → 使用 EMA 交叉 + 近期高点突破 + RSI + 成交量综合判断。

  2. 如何避免“假突破”“假拉升”？
    → 价格必须突破一段时间内的高点，同时成交量要放大。

  3. 如何在趋势加速时尽早上车，而不是等到太晚？
    → 使用近期突破 + RSI 高位作为“趋势加速”信号。

  4. 如何减少无效信号、降低回撤？
    → 再叠加 CatBoost AI 模型过滤部分信号，并使用多层止盈止损机制。

4. 核心指标与信号逻辑

4.1 核心技术指标

在 momentum 策略中，主要用到以下指标（全部在 1 分钟级别计算）：

指标 含义
ema_fast 快速 EMA，反应更敏感，代表短周期动量
ema_slow 慢速 EMA，代表中长期趋势方向
recent_high 一段时间内（recent_high_window）的最高价，用于突破确认
rsi 相对强弱指数，用于衡量短周期买盘强度
volume_mean 一段时间内平均成交量，用于判断是否放量

在代码中，对应这段指标计算逻辑（节选）：

1
2
3
4
5
6
df["rsi"] = ta.RSI(df, timeperiod=rsi_p).fillna(0)
df["ema_fast"] = ta.EMA(df, timeperiod=ema_f)
df["ema_slow"] = ta.EMA(df, timeperiod=ema_s)

df["recent_high"] = df["high"].rolling(window=rh_w, min_periods=1).max()
df["volume_mean"] = df["volume"].rolling(window=vol_w, min_periods=1).mean()

4.2 趋势标签：短趋势 / 长趋势 / 日趋势

基于 EMA 计算，策略额外标记：

  • short_trend：由 ema_fast 与 ema_slow 决定
  • long_trend：由更长周期的 EMA 组合计算
  • daily_short_trend / daily_trend：由 1m 重采样到 1D 得到的日级趋势

这些趋势字段可用于：

  • 后续 AI 模型特征
  • 风控模块扩展
  • UI 中展示更直观的趋势状态

5. 核心买入/卖出逻辑（结合 Runner + AI 过滤）

5.1 买入信号：突破 + 强动量 + 放量 + EMA 多头 + AI 过滤

在 populate_buy_trend 中，PulseForce 将 Runner 的逻辑等价为：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
# 1) Runner 的基础动量条件
base_cond = (
    (df["close"] > df["recent_high"].shift(1)) &   # 突破前一窗口期间的最高价
    (df["rsi"] > rsi_buy_th) &                     # RSI 高于买入阈值
    (df["volume"] > df["volume_mean"]) &           # 成交量高于均量（放量）
    (df["ema_fast"] > df["ema_slow"]) &            # EMA 多头排列
    (df["volume"] > 0)                             # 有真实成交量
)

df.loc[:, "buy"] = 0

# 2) 若未启用 AI 过滤，直接使用基础条件
if not self.ai_manager or not self.ai_manager.plugins:
    df.loc[base_cond, "buy"] = 1
    return df

# 3) 启用 AI 过滤时，仅对 base_cond 成立的 K 线做 AI 打分
ai_mask = df.loc[base_cond].apply(_ai_pass, axis=1)
df.loc[base_cond, "buy"] = ai_mask.astype(int)

也就是说，这个 Momentum 策略的买入逻辑可以概括为：

“当价格突破近期高点 + RSI 动量强 + 成交量放大 + EMA 多头排列时，认为出现强动量突破；若 AI 模型也判定该信号质量较高，则正式发出买入信号。”

5.2 卖出信号：动量衰减 + SL/TP 结合

策略不直接用均线死叉，而是定义了一个 “动量减弱信号层” _has_sell_signal：

1
2
3
4
5
6
def _has_sell_signal(self, row: pd.Series) -> bool:
    rsi_sell_th = float(self._val(self.rsi_sell_threshold))
    c = float(row.get("close", np.nan))
    ema_f = float(row.get("ema_fast", np.inf))
    rsi = float(row.get("rsi", 50))
    return (c < ema_f) and (rsi < rsi_sell_th)

含义：

  • 收盘价跌破 ema_fast → 短期动量减弱
  • RSI 跌破 rsi_sell_threshold → 超买/强势状态结束

而真正的退出逻辑在 custom_exit 中：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
# ① 强制止损 / 强制止盈（不依赖动量信号）
if current_profit <= -self.force_stop_loss.value:
    return "hard_sl"
if current_profit >= self.force_take_profit.value:
    return "hard_tp"

# ② 没有卖出信号 → 即便触及日级 SL/TP 也不动
if not self._has_sell_signal(row):
    return None

# ③ 只有在出现卖出信号时，才判断日级 SL/TP
th = self._pick_trend_thresholds(row)  # {"sl": daily_stop_loss, "tp": daily_take_profit}
sl = float(th["sl"])
tp = float(th["tp"])

if current_profit <= -sl:
    return "sl_signal"
if current_profit >= tp:
    return "tp_signal"

总结一下这套卖出逻辑：

  1. 有“强制 TP/SL”兜底：极端情况下，先保护资金安全。
  2. 平时不会随便砍仓，要先等动量减弱信号出现。
  3. 只有同时满足“动量减弱 + 触及日级止盈/止损”时，才真正退出仓位。

这比简单的“到止损就卖”、“均线死叉就卖”更精细，能在趋势延续期间尽可能持有。

6. PulseForce 参数配置与超参优化说明

PulseForce App（Apple AppStore & Google Play可下载）针对量化任务、量化回测以及超参优化，提供了可视化的配置界面，使策略可以完全参数化。

回测参数配置界面：

超参优化参数配置界面：

6.1 基础参数组

这部分决定了 动量信号的核心结构，全部支持超参优化：

参数 Key 名称 作用 可优化 建议初始搜索范围（otp_init_min ~ otp_init_max）
ema_fast Fast EMA Period 快速 EMA 周期，越小反应越敏感 ✅ 15 ~ 30
ema_slow Slow EMA Period 慢速 EMA 周期，用于平滑中长期趋势 ✅ 50 ~ 90
recent_high_window Recent High Window 用于计算“近期高点”的窗口长度 ✅ 20 ~ 45
rsi_period RSI Period RSI 计算周期 ✅ 10 ~ 25
rsi_buy_threshold RSI Buy Threshold 触发买入信号所需的最小 RSI 值 ✅ 60 ~ 75
rsi_sell_threshold RSI Sell Threshold 触发卖出信号的最大 RSI 值（动量衰减阈值） ✅ 20 ~ 45
volume_window Volume MA Window 计算成交量均值的窗口长度 ✅ 10 ~ 30

这些参数直接对应代码中的 HyperOpt 空间：

1
2
3
4
5
6
7
ema_fast           # IntParameter(15, 30, ...)
ema_slow           # IntParameter(50, 90, ...)
recent_high_window # IntParameter(20, 45, ...)
rsi_period         # IntParameter(10, 25, ...)
rsi_buy_threshold  # DecimalParameter(60.0, 75.0, ...)
rsi_sell_threshold # DecimalParameter(20.0, 45.0, ...)
volume_window      # IntParameter(10, 30, ...)

6.2 资金管理参数

这部分在 PulseForce 中主要用于 控制最大资金使用与趋势型仓位比例，当前配置为用户可配，默认不参与超参优化：

参数 含义
max_funds_allowed_using 策略最大可使用资金上限
allowable_funds_neutral 市场中性时使用的资金比例
allowable_funds_uptrend 上升趋势中使用的资金比例
allowable_funds_downtrend 下降趋势中使用的资金比例

你可以根据自己风险偏好，在 PulseForce App 内自行调整这些值，例如：

  • 大趋势明显时，把 allowable_funds_uptrend 设为 1.0
  • 市场不明朗时，降低 allowable_funds_neutral、allowable_funds_downtrend

6.3 止损参数

这部分是 风险控制的核心，并且全部支持超参优化：

参数 Key 名称 说明 可优化 搜索范围
force_stop_loss Force Stop-Loss Ratio 无视信号，亏损达到该比例即强制平仓 ✅ 0.005 ~ 0.30（配置文件）或 0.01 ~ 0.1（代码中 HyperOpt）
daily_stop_loss Daily Stop-Loss Ratio 仅在出现卖出信号时，若亏损超过该值才触发止损 ✅ 0.005 ~ 0.30（配置文件）或 0.01 ~ 0.1（代码中 HyperOpt）

需要注意的是：

  • 强制止损 是“永远生效”的硬防线；
  • 日级止损 只有在 _has_sell_signal 为真时才会检查。

6.4 止盈参数

同样支持超参优化：

参数 Key 名称 说明 可优化 搜索范围
force_take_profit Force Take-Profit Ratio 无视信号，盈利达到该比例即强制平仓 ✅ 0.005 ~ 0.30（配置文件）或 0.01 ~ 0.1（代码）
daily_take_profit Daily Take-Profit Ratio 出现卖出信号时，若盈利超过该值则止盈 ✅ 0.005 ~ 0.30（配置文件）或 0.01 ~ 0.1（代码）

整体而言：

  • Force 系列参数：更偏“防黑天鹅 / 锁定极端收益”的硬逻辑；
  • Daily 系列参数：更偏“顺势中找合理离场点”的柔性逻辑。

在 PulseForce 的 HyperOpt 环境中，这四个参数都可以针对不同股票自动找到更合适的区间。

7. 适用场景与特点

7.1 适合的场景

  • 波动较大且存在明显趋势的标的（如美股成长股、热门 ETF、加密货币等）
  • 1 分钟或 5 分钟级别的短周期趋势交易
  • 有较稳定成交量、容易出现突破行情的标的
  • 希望通过 HyperOpt 寻找「最优参数组合」的研究/实盘环境

7.2 不适合的场景

  • 长期窄幅震荡，无明显突破与趋势的标的
  • 极度缺乏成交量（容易出现价格一跳多格）的股票
  • 高度受消息面瞬时冲击的超短线行情（需要更快机制）

8. 策略优势与不足

优势

  • 结合 EMA 交叉 + 突破 + RSI + 成交量 → 真动量、多重确认
  • 加入 AI 过滤器（CatBoostMomentumPlugin），可减少劣质信号
  • 退出逻辑更细腻：动量衰减 + SL/TP 联合判断
  • 支持完整超参优化，易于针对单票调优
  • 与 PulseForce 的 UI / 回测 / 超参模块深度集成

不足

  • 结构较简单的纯动量相比，本策略逻辑更复杂，对数据质量与回测环境要求更高
  • 在超长时间的震荡市中，突破与强动量本身不多，可能较少出手
  • AI 过滤器依赖模型质量，若训练不当反而可能过滤掉部分好信号

9. 总结

PulseForce 内置的 momentum 动量策略，是在经典动量思想基础上，叠加多指标确认与 AI 过滤的 增强版趋势策略：

  • 使用 EMA 快慢线 判断趋势方向
  • 使用 近期高点突破 + RSI 强势区间 + 成交量放大 确认动量质量
  • 使用 AI 模型（CatBoostMomentumPlugin） 审核每一个基础买入信号
  • 使用 强制/日级止盈止损 管理风险
  • 使用 HyperOpt 超参优化 来针对不同标的搜索最优参数组合

对于希望在 PulseForce 中构建 “更聪明的动量策略” 的用户来说，这是一个既稳定又可扩展的基础模块。

想了解更多策略介绍与最新功能，请访问：
👉 PulseForce 官网： https://www.hiforce.ai

Share