手把手教你移植一个麦语言策略，进阶篇

上一篇文章手把手教你写策略--移植一个my语言策略中，对于一个简单的麦语言策略做了移植测试，如果是一个稍微复杂一点的麦语言，如何移植成JavaScript语言的策略呢?这里面有哪些技巧呢？

我们首先看下这次要移植的策略：

(*backtest start: 2019-05-01 00:00:00 end: 2019-11-12 00:00:00 period: 1d exchanges: [{"eid":"Futures_OKCoin","currency":"BTC_USD"}] args: [["SlideTick",10,126961],["ContractType","quarter",126961]] *)  N1:=10; N2:=21; AP:=(HIGH+LOW+CLOSE)/3; ESA:=EMA(AP,N1); D:=EMA(ABS(AP-ESA),N1); CI:=(AP-ESA)/(0.015*D); TCI:=EMA(CI,N2); WT1:TCI; WT2:SMA(WT1,4,1); AA:=CROSS(WT1,WT2); BB:=CROSSDOWN(WT1,WT2); REF(AA,1),BPK; REF(BB,1),SPK; 

这个麦语言策略开头的部分(*backtest...*)是回测设置的配置代码，为了方便对比，设定一个统一的回测配置。这个策略也是随机找的一个策略，也并不算太复杂（相对上次文章中的复杂一些），是比较有代表性的策略。移植一个麦语言策略，首先要通篇看下策略内容，麦语言策略代码比较简练，基本上看下来可以对策略全局有一定的认识，这个策略我们看到使用到了几种指标函数EMA，SMA：

先造个轮子

• EMA
  该指标函数，在FMZ平台用JavaScript语言编写策略时直接有现成的指标库函数。即：TA.MA

• SMA
  需要我们动手的是SMA这个指标，我们发现在FMZ的TA库中没有支持SMA这个指标函数，在talib库中SMA指标和麦语言中的也有差别：
  
  可以看到，参数部分除了周期参数，还有一个权重参数。

  FMZ API文档中talib库中SMA指标函数的描述为：
  

  可见talib.SMA是一个简单移动平均指标。
  这样就只能动手自己实现一个SMA了，作为使用JavsScript语言编写策略的开发者，这也是必备技能之一，毕竟如果没有现成的轮子，车还是要开的，造一个就是了。

  说实话，对于指标之类的研究不多，一般都是不懂的就搜索，查资料。对于SMA查到这些：
  

  感觉这个说的算法过程挺靠谱，实现一下：

  function SMA (arr, n, m) {     var sma = []     var currSMA = null     for (var i = 0; i < arr.length; i++) {         if (arr[i] && !isNaN(arr[i])) {             if (!currSMA) {                 currSMA = arr[i]                 sma.push(currSMA)                 continue             }                // [M*C2+(N-M)*S1]/N             currSMA = (m * arr[i] + (n - m) * currSMA) / n             sma.push(currSMA)         } else {             sma.push(NaN)         }     }        return sma } 

编写填充部分

策略框架使用文章中相同的框架，主要填充两个部分：

首先，做行情数据处理、指标计算。

我们把麦语言这部分一句一句的功能逐个处理：

• 1、AP:=(HIGH+LOW+CLOSE)/3;

  这句可以理解为，要把K线数据中的每根BAR的最高价、最低价、收盘价相加再除以3，计算平均值，然后存为一个数组，和每个BAR一一对应。
  可以这样处理：

  function CalcAP (r) {   // AP:=(HIGH+LOW+CLOSE)/3;     var arrAP = []      // 声明一个空数组      for (var i = 0; i < r.length; i++) {      // r为传入的K线数据，是一个数组，用for遍历这个数组         v = (r[i].High + r[i].Low + r[i].Close) / 3      // 计算 平均值         arrAP.push(v)                                    // 添加在 arrAP数组的尾部，arrAP是空的时候尾部就是第一个。     }        return arrAP     // 返回 这个平均值数组，即麦语言中计算的 AP  } 

  在主循环OnTick函数中调用这个函数就可以了，例如：

  // 计算指标 // AP var ap = CalcAP(records) 

• 2、AP计算完成以后，接着计算ESA:=EMA(AP,N1);:

  这里要使用上一步算出的AP这个数据，计算ESA，其实这个ESA就是AP的「指数移动平均」，即EMA指标，所以我们就用AP作为数据，N1作为EMA指标的参数，计算EMA指标就可以了。

  function CalcESA (ap, n1) {   // ESA:=EMA(AP,N1);     if (ap.length <= n1) {    // 如果AP的长度小于指标参数，是无法计算出有效数据的，这个时候让函数返回false。         return false     }        return TA.EMA(ap, n1) } 

• 3、D:=EMA(ABS(AP-ESA),N1);

  使用计算出的AP、ESA计算数据D。
  此处代码注释可以看下，有些指标计算的技巧。

  function CalcD (ap, esa, n1) {    // D:=EMA(ABS(AP-ESA),N1);     var arrABS_APminusESA = []     if (ap.length != esa.length) {         throw "ap.length != esa.length"     }        for (var i = 0; i < ap.length; i++) {         // 计算指标数值时，必须判断一下数据的有效性，因为前几次EMA计算可能数组中的开始部分的数据是NaN,或者null         // 所以必须判断，参与计算的数据都是有效数值才能进行，如果有任何无效数值，就用NaN向arrABS_APminusESA填充         // 这样计算得到的数据，每个位置和之前的数据都是一一对应的，不会错位。         if (ap[i] && esa[i] && !isNaN(ap[i]) && !isNaN(esa[i])) {             v = Math.abs(ap[i] - esa[i])     // 根据ABS(AP-ESA) , 具体计算数值,然后放入arrABS_APminusESA数组             arrABS_APminusESA.push(v)         } else {             arrABS_APminusESA.push(NaN)         }     }        if (arrABS_APminusESA.length <= n1) {         return false     }        return TA.EMA(arrABS_APminusESA, n1)    // 计算数组arrABS_APminusESA的EMA指标，得到数据D（数组结构） } 

• 4、CI:=(AP-ESA)/(0.015*D);
  这个计算方式和步骤1类似，直接放出代码。

  function CalcCI (ap, esa, d) {    // CI:=(AP-ESA)/(0.015*D);     var arrCI = []     if (ap.length != esa.length || ap.length != d.length) {         throw "ap.length != esa.length || ap.length != d.length"     }     for (var i = 0; i < ap.length; i++) {         if (ap[i] && esa[i] && d[i] && !isNaN(ap[i]) && !isNaN(esa[i]) && !isNaN(d[i])) {             v = (ap[i] - esa[i]) / (0.015 * d[i])             arrCI.push(v)         } else {             arrCI.push(NaN)         }     }        if (arrCI.length == 0) {         return false     }        return arrCI } 

• TCI:=EMA(CI,N2);
  只是计算CI数组的EMA指标。

  function CalcTCI (ci, n2) {   // TCI:=EMA(CI,N2);     if (ci.length <= n2) {         return false     }        return TA.EMA(ci, n2) } 

• WT2:SMA(WT1,4,1);

  最后这步骤，用到了我们之前造好的轮子SMA函数。

  function CalcWT2 (wt1) {    // WT2:SMA(WT1,4,1);     if (wt1.length <= 4) {         return false      }        return SMA(wt1, 4, 1)   // 使用我们自己实现的SMA函数计算出wt1的SMA指标。 } 

交易信号的移植就非常简单了。

AA:=CROSS(WT1,WT2); BB:=CROSSDOWN(WT1,WT2); REF(AA,1),BPK; REF(BB,1),SPK; 

阅读这几句麦语言代码，可知，就是对于WT1、WT2这两条指标线的金叉、死叉判断作为开仓条件，需要注意的是，使用的是前一个交叉信号。
直接用该麦语言策略回测，我们观察下：

通过麦语言策略实际运行观察可知，在开仓点检测到信号时，实际是检测开仓点这个BAR往前数2个BAR的位置是否是金叉。上图可以明显看出：

信号检测部分的填充代码可以写为：

if ((_State == IDLE || _State == SHORT) && wt1[wt1.length - 4] < wt2[wt2.length - 4] && wt1[wt1.length - 3] > wt2[wt2.length - 3]) {     if (_State == IDLE) {         _State = OPENLONG         Log("OPENLONG")    // 测试     }     if (_State == SHORT) {         _State = COVERSHORT         Log("COVERSHORT")  // 测试     }     isOK = false   }  if ((_State == IDLE || _State == LONG) && wt1[wt1.length - 4] > wt2[wt2.length - 4] && wt1[wt1.length - 3] < wt2[wt2.length - 3]) {     if (_State == IDLE) {         _State = OPENSHORT         Log("OPENSHORT")  // 测试     }     if (_State == LONG) {         _State = COVERLONG         Log("COVERLONG")  // 测试     }     isOK = false    } 

这里可以思考下，为什么麦语言的SPK、BPK指令可以用以上代码实现。

回测

回测配置：

麦语言版本回测：

JavaScript版本回测：

OnTick函数开头部分的代码，用来让回测速度快一点，是让策略以收盘价模型来运行，有兴趣可以详细分析下。

function OnTick(){     // 驱动策略的行情处理部分     var records = _C(exchange.GetRecords)     if (records[records.length - 1].Time == preTime) {         if (isOK) {             Sleep(500)             return          }     } else {         preTime = records[records.length - 1].Time     }     ...     ..     . 

完整的教学策略代码：

感谢阅读