如何對加密貨幣的MFI交易策略進行回報？

MFI指標結合了價格和數量，以識別加密貨幣中的過多買賣（> 80）和超賣（<20）級別，使其成為在Bitcoin和以太坊等資產中正確進行回試後發現反轉的強大工具。

2025/08/05 16:07

了解加密貨幣交易中的MFI指標

貨幣流量指數（MFI）是一種動量振盪器，可以在指定期間（通常14蠟燭）測量資產進入和退出資產的流量。與僅考慮價格的RSI不同，MFI包含數量，使其在加密貨幣市場中特別有用，在加密貨幣市場上，數量可以向強大的機構或零售利息發出信號。 MFI的範圍從0到100，讀數超過80個，被認為是超買的，低於20 。交易者使用這些級別來識別潛在的逆轉點。在進行回測的背景下，了解MFI在不同的加密資產（例如Bitcoin，以太坊或替代幣）上的行為至關重要。每個資產可能表現出不同的體積模式，影響MFI信號。

為加密MFI策略設置回測環境

要回顧一下MFI策略，您需要一個支持歷史價格和數量數據的可靠環境。流行的平台包括TradingView ， Python，帶有Pandas和Backtrader等圖書館以及Metatrader （通過經紀人與加密貨幣）。為了精確和定制，強烈建議使用Python 。首先安裝必要的軟件包：

• 安裝pandas進行數據操縱
• 使用ccxt獲取來自Binance或Coinbase等交換的crento ohlcv（開放，高，低，關閉，音量）數據
• 利用backtrader或zipline進行策略執行和績效跟踪

確保您的數據至少包括一年的1小時或4小時的蠟燭，以獲得有意義的結果。不完整或低質量的數據可能會扭曲MFI計算，從而導致錯誤信號。通過CCXT獲取數據時，指定符號（例如，BTC/USDT），時間範圍和限制（例如，1000蠟燭）。將此數據存儲在帶有列的熊貓數據框中：時間戳，開放，高，低，關閉，音量。

逐步計算MFI指示器

MFI計算涉及多個階段。必須準確地實現每個步驟，以確保有效的進行回測結果。

• 計算每個蠟燭的典型價格：（ (high + low + close) / 3
• 確定原錢流： Typical Price × volume
• 確定積極和負資金流：將當今的典型價格與昨天的價格進行比較。如果較高，那就是正流；如果較低，那是負面的
• 總結回顧期的正和負資金流量（通常14）
• 計算貨幣比率： Positive Money Flow Sum / Negative Money Flow Sum
• 得出MFI ： 100 - (100 / (1 + Money Ratio))

在Python中，可以使用Pandas .shift()和.rolling()函數對其進行矢量化。確保處理初始週期的NAN值。應將的MFI列添加到您的數據框架中。將MFI與價格一起繪製有助於可視化超買/超售條件和潛在分歧。

定義MFI策略的進入和退出規則

加密的基本MFI策略可能使用以下邏輯：

• 購買信號：MFI從下方越過20以上，表明潛在的逆轉與超賣
• 賣出信號：MFI從上方越過80以下，信號過多的條件
• 添加確認過濾器，例如等待下一個蠟燭在交易方向上關閉
• 可選地，使用發散檢測：價格使新的低，但MFI卻沒有，表明向下勢頭減弱

對於短條目（如果您的平台允許）：

• 簡短信號：MFI在高於80之後的80次以下
• 封面信號：MFI超過20

這些規則必須翻譯成代碼。在Backtrader中，定義從bt.Strategy繼承的自定義策略類。使用self.mfi = bt.indicators.MFI(self.data, period=14)來實例化指示器。然後，在下next()方法中，使用self.mfi[0] （當前值）和self.mfi[-1] （上一個值）檢查條件。

執行回測和分析結果

策略被編碼後，將數據加載到回測引擎中。在backtrader中：

• 創建Cerebro引擎實例
• 使用cerebro.adddata()添加數據供稿
• 將策略添加到cerebro.addstrategy(MFIStrategy)
• 設置初始資本： cerebro.broker.setcash(10000)
• 可選的是設定委員會： cerebro.broker.setcommission(commission=0.001) ，以0.1％的交易費用
• 進行回測： cerebro.run()
• 情節結果： cerebro.plot()

評估的關鍵性能指標包括：

• 總回報：最終投資組合價值與初始
• 夏普比率：風險調整後的回報
• 最大趨勢：最大的峰值下降
• 獲勝率：盈利交易的百分比
• 利潤因素：毛利 /毛利損失

比較不同的加密貨幣和時間表的結果。例如，由於更可靠的體積數據，MFI在BTC/USDT上的表現可能比在低容量山寨幣上表現更好。

優化和驗證MFI策略

通過在多個市場條件下測試來避免過度擬合。使用步行前進分析：將數據分為樣本（以進行優化）和样本外（用於驗證）期。測試變化，例如：

• 不同的MFI時期（例如10，14，21）
• 調整後的閾值（例如，75/25而不是80/20）
• 將MFI與移動平均或趨勢過濾器相結合

例如，僅當價格高於50週期EMA時才進行長時間的交易。通過在多個交換和不同對上運行策略來驗證魯棒性。如果績效在培訓數據之外大大降低，則該策略可能不會可靠。

---

常見問題

我可以在不編碼的情況下回擊MFI策略嗎？

是的。諸如TradingView之類的平台使您可以編寫Pine腳本來定義基於MFI的策略並使用內置策略測試儀。您可以從視覺上設置入口/退出規則，將其應用於加密圖表，並在不編寫Python代碼的情況下查看諸如權益曲線和貿易歷史記錄之類的性能指標。

哪些加密時間表最適合MFI進行回測？

通常使用4小時和每日時間範圍，因為它們會減少短期波動性的噪聲。 15分鐘或1小時圖表上的MFI信號可能會由於室內旋轉高而在加密中產生頻繁的錯誤信號。始終將時間範圍與您的交易方式保持一致 - Swing Traders更喜歡4h/d，而黃牛可能會以更緊密的閾值測試15m。

如何處理回測的加密貨幣交換費？

在您的回驗中包括佣金模型。大多數平台使您可以設置每個交易的百分比費用。例如，標準交易的二錢收取0.1％。在Backtrader中，使用cerebro.broker.setcommission(commission=0.001) 。忽略費用可以使策略顯得有利可圖。

為什麼我的MFI策略在Bitcoin上顯示出很好的結果，而在山寨幣上失敗了？

山寨幣通常具有較低的流動性和不穩定的體積，這會扭曲MFI計算。該指標依靠數量來評估貨幣流 - 低或操縱的數量可能會產生誤導性信號。始終在應用基於數量的策略之前驗證Altcoin是否具有一致的交易量。