如何对加密货币的MFI交易策略进行回报？

了解加密货币交易中的MFI指标

货币流量指数（MFI）是一种动量振荡器，可以在指定期间（通常14蜡烛）测量资产进入和退出资产的流量。与仅考虑价格的RSI不同，MFI包含数量，使其在加密货币市场中特别有用，在加密货币市场上，数量可以向强大的机构或零售利息发出信号。 MFI的范围从0到100，读数超过80个，被认为是超买的，低于20 。交易者使用这些级别来识别潜在的逆转点。在进行回测的背景下，了解MFI在不同的加密资产（例如Bitcoin，以太坊或替代币）上的行为至关重要。每个资产可能表现出不同的体积模式，影响MFI信号。

为加密MFI策略设置回测环境

要回顾一下MFI策略，您需要一个支持历史价格和数量数据的可靠环境。流行的平台包括TradingView ， Python，带有Pandas和Backtrader等图书馆以及Metatrader （通过经纪人与加密货币）。为了精确和定制，强烈建议使用Python 。首先安装必要的软件包：

• 安装pandas进行数据操纵
• 使用ccxt获取来自Binance或Coinbase等交换的crento ohlcv（开放，高，低，关闭，音量）数据
• 利用backtrader或zipline进行策略执行和绩效跟踪

确保您的数据至少包括一年的1小时或4小时的蜡烛，以获得有意义的结果。不完整或低质量的数据可能会扭曲MFI计算，从而导致错误信号。通过CCXT获取数据时，指定符号（例如，BTC/USDT），时间范围和限制（例如，1000蜡烛）。将此数据存储在带有列的熊猫数据框中：时间戳，开放，高，低，关闭，音量。

逐步计算MFI指示器

MFI计算涉及多个阶段。必须准确地实现每个步骤，以确保有效的进行回测结果。

• 计算每个蜡烛的典型价格：（ (high + low + close) / 3
• 确定原钱流： Typical Price × volume
• 确定积极和负资金流：将当今的典型价格与昨天的价格进行比较。如果较高，那就是正流；如果较低，那是负面的
• 总结回顾期的正和负资金流量（通常14）
• 计算货币比率： 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()函数对其进行矢量化。确保处理初始周期的NAN值。应将的MFI列添加到您的数据框架中。将MFI与价格一起绘制有助于可视化超买/超售条件和潜在分歧。

定义MFI策略的进入和退出规则

加密的基本MFI策略可能使用以下逻辑：

• 购买信号：MFI从下方越过20以上，表明潜在的逆转与超卖
• 卖出信号：MFI从上方越过80以下，信号过多的条件
• 添加确认过滤器，例如等待下一个蜡烛在交易方向上关闭
• 可选地，使用发散检测：价格使新的低，但MFI却没有，表明向下势头减弱

对于短条目（如果您的平台允许）：

• 简短信号：MFI在高于80之后的80次以下
• 封面信号：MFI超过20

这些规则必须翻译成代码。在Backtrader中，定义从bt.Strategy继承的自定义策略类。使用self.mfi = bt.indicators.MFI(self.data, period=14)来实例化指示器。然后，在下next()方法中，使用self.mfi[0] （当前值）和self.mfi[-1] （上一个值）检查条件。

执行回测和分析结果

策略被编码后，将数据加载到回测引擎中。在backtrader中：

• 创建Cerebro引擎实例
• 使用cerebro.adddata()添加数据供稿
• 将策略添加到cerebro.addstrategy(MFIStrategy)
• 设置初始资本： cerebro.broker.setcash(10000)
• 可选的是设定委员会： cerebro.broker.setcommission(commission=0.001) ，以0.1％的交易费用
• 进行回测： cerebro.run()
• 情节结果： cerebro.plot()

评估的关键性能指标包括：

• 总回报：最终投资组合价值与初始
• 夏普比率：风险调整后的回报
• 最大趋势：最大的峰值下降
• 获胜率：盈利交易的百分比
• 利润因素：毛利 /毛利损失

比较不同的加密货币和时间表的结果。例如，由于更可靠的体积数据，MFI在BTC/USDT上的表现可能比在低容量山寨币上表现更好。

优化和验证MFI策略

通过在多个市场条件下测试来避免过度拟合。使用步行前进分析：将数据分为样本（以进行优化）和样本外（用于验证）期。测试变化，例如：

• 不同的MFI时期（例如10，14，21）
• 调整后的阈值（例如，75/25而不是80/20）
• 将MFI与移动平均或趋势过滤器相结合

例如，仅当价格高于50周期EMA时才进行长时间的交易。通过在多个交换和不同对上运行策略来验证鲁棒性。如果绩效在培训数据之外大大降低，则该策略可能不会可靠。

常见问题

我可以在不编码的情况下回击MFI策略吗？是的。诸如TradingView之类的平台使您可以编写Pine脚本来定义基于MFI的策略并使用内置策略测试仪。您可以从视觉上设置入口/退出规则，将其应用于加密图表，并在不编写Python代码的情况下查看诸如权益曲线和贸易历史记录之类的性能指标。

哪些加密时间表最适合MFI进行回测？通常使用4小时和每日时间范围，因为它们会减少短期波动性的噪声。 15分钟或1小时图表上的MFI信号可能会由于室内旋转高而在加密中产生频繁的错误信号。始终将时间范围与您的交易方式保持一致 - Swing Traders更喜欢4h/d，而黄牛可能会以更紧密的阈值测试15m。

如何处理回测的加密货币交换费？在您的回验中包括佣金模型。大多数平台使您可以设置每个交易的百分比费用。例如，标准交易的二钱收取0.1％。在Backtrader中，使用cerebro.broker.setcommission(commission=0.001) 。忽略费用可以使策略显得有利可图。

为什么我的MFI策略在Bitcoin上显示出很好的结果，而在山寨币上失败了？山寨币通常具有较低的流动性和不稳定的体积，这会扭曲MFI计算。该指标依靠数量来评估货币流 - 低或操纵的数量可能会产生误导性信号。始终在应用基于数量的策略之前验证Altcoin是否具有一致的交易量。