20220909-格林期货-技术指标专题报告（三）_VIDYA可变指数动态均线_11页_1mb

报告摘要

技术指标专题报告（三）：VIDYA 可变指数动态均线总结

核心内容

本报告主要探讨了VIDYA（Variable Index Dynamic Average）这一自适应移动均线技术指标的构造原理、参数特性及回测结果。通过对比传统移动均线（如EMA）和其它自适应指标（如CMO、ADX、AMA、FRAMA），分析VIDYA在趋势和震荡市场中的表现，以及其在实际交易中的应用效果。

主要观点

1. 移动均线的局限性

传统移动均线（如EMA）存在两个主要问题：

短期均线反应快，但容易受到价格波动影响，灵敏度高但稳定性差；
长期均线更平滑，但滞后性强，错过市场机会。

为克服这些缺陷，自适应均线被提出，旨在实现灵敏度和平滑性之间的动态平衡。

2. CMO（Chande Momentum Oscillator）指标

CMO通过计算正值价格增量与负值价格增量的比率，衡量多空力量的相对强弱；
用于判断市场趋势的反转和突破，具有一定的灵敏性；
回测结果显示，前置交易信号（如上穿-0.1时买入，下穿0.1时卖出）在收益、回撤和胜率方面优于安全垫方式；
**CMO(14)相较CMO(20)**更灵敏，但风险也更高。

3. ADX（Average Directional Movement Index）指标

ADX是对CMO进行移动平均后得到的指标，用于平滑CMO曲线，减少噪音；
通过调整周期参数（M和N），可平衡灵敏度与平滑性；
回测结果显示，ADXT(14,6)在前置信号下表现更优，但整体收益不如CMO；
ADX的稳定性有所提升，但灵敏度下降，导致每笔交易的收益降低。

4. VIDYA（Variable Index Dynamic Average）指标

VIDYA是基于CMO构造的自适应均线，通过动态平滑系数实现对市场形态的智能适应；
平滑系数由CMO的绝对值和EMA的衰减系数共同决定；
公式为：
$$
V I D Y A (i) = \text{Price}(i) * F * ABS(CMO(i)) + V I D Y A (i - 1) * (1 - F * ABS(CMO(i)))
$$
其中 $ F = 2 / (M + 1) $，M为CMO周期，N为EMA衰减系数。
回测结果显示，**VIDYA(10,5)**在累计收益率、最大回撤和胜率方面表现最优，且在趋势和震荡市场中均能保持较好的稳定性；
相较于其他自适应指标，VIDYA在识别市场形态上采用能量判断，而非波动判断，因此具有更深层次的市场驱动力分析能力。

关键信息

参数特性

VIDYA(M, N)：M为CMO周期，N为EMA衰减系数；
增加M会使CMO波动减小，平滑系数减小，最终使VIDYA更接近长期均线；
增加N会使平滑系数减小，整体曲线更平滑，更接近长期均线；
**VIDYA(10,5)**在测试中表现最佳，与MA(10)的走势最接近，具有良好的灵敏度和稳定性。

回测结果

VIDYA(10,5)在2016年1月1日至2022年8月30日的沪深300日线数据中，累计收益率达76.03%，最大回撤为**-19.36%，胜率为57.81%**；
其他参数组合如**VIDYA(20,10)和VIDYA(30,10)**虽然稳定性更好，但收益相对较低；
VIDYA在趋势行情中表现出较好的跟踪能力，在震荡行情中也能保持稳定，避免频繁交易带来的风险。

与其它指标对比

EMA：固定参数，灵敏度高但滞后性强；
CMO：衡量多空力量，灵敏度高但存在滞后；
ADX：对CMO进行平滑，稳定性增强但灵敏度降低；
AMA、FRAMA：趋势行情中表现优异，但震荡行情中表现不佳；
VIDYA：综合性能更优，兼具趋势跟踪和震荡适应能力，是目前较为理想的自适应均线指标。

结论

VIDYA通过结合CMO和EMA，实现了对市场形态的动态适应，其平滑系数可根据市场能量变化进行调整，从而在不同行情中保持较高的灵敏度和稳定性。在实际回测中，VIDYA(10,5)表现最为出色，能够有效捕捉市场机会，同时控制回撤，是值得投资者关注和应用的自适应技术指标之一。

附录

VIDYA的计算公式：
- 计算CMO(i)：$$ \text{CMO}(i) = (\text{UpSum}(i) - \text{DnSum}(i)) / (\text{UpSum}(i) + \text{DnSum}(i)) $$
- 计算EMA衰减系数F：$$ F = 2 / (M + 1) $$
- 计算VIDYA(i)：$$ V I D Y A (i) = \text{Price}(i) * F * ABS(CMO(i)) + V I D Y A (i - 1) * (1 - F * ABS(CMO(i))) $$
参考资料：
1. MT5官网文档
2. Tushar S. Chande. Adapting Moving Averages To Market Volatility [J]. Technical Analysis of Stocks and Commodities V. 10:3 (92108-114)
3. Tushar S. Chande. Identifying Powerful Breakouts Early [J]. Technical Analysis of Stocks and Commodities V13 (418-424)