使用MATLAB进行算法交易：移动平均规则

此演示使用MATLAB使用指数移动平均线开发和测试简单的交易策略。

内容

（重新）加载数据

data = xlsread（'brent_1d.xlsx'）;lcoclose =数据（:,3）;每年= SQRT（250）;

使用函数来自动执行我们的工作流程

这引领LAG.函数从上一个脚本中复制大多数功能，并以可重用的格式将其放置。我们所需的只是指定的是历史数据，我们的领先和滞后日长度，以及我们的缩放参数。

我们可以通过将前平均值设定为1（即，完全不是平均值）和滞后的平均值来证明这种功能的使用和滞后的平均值。

Leadlag（Lcoclose，1,20，年度级）

执行简单的参数扫描

执行参数扫描以识别给定最佳滞后参数，给出1的前望值1。

夏普=南（100,1）;为了m = 1：100 [〜，〜，夏普（m）] =铅液（Lcoclose，1，m）;结尾[〜，mxind] = max（灰色）;Leadlag（Lcoclose，1，Mxind，年度级）

估计在一系列值范围内的参数

允许移动平均长度变化并识别最佳组合。

夏普=南（100,100）;Tic.为了n = 1：100为了m = n：100 [〜，〜，锐利（n，m）] = leglag（lcoclose，n，m，年度级）;结尾结尾TOC.％我们可以再次使用绘图工具来创建自定义图。在这种情况下，％我们以前导和滞后的函数显示锐利比率％ 天。MATLAB可以轻松地使用曲面和曲面展开3D数据％轮廓图。Sweepplotma（夏普）

经过时间为4.412662秒。

绘制最佳锐利比率

[〜，最好] = max（夏普（:)）;最大值的％（线性）位置[BESTM，BESTN] = IND2SUB（100，最佳）;％铅和滞后最佳值Leadlag（Lcoclose，Bestm，Bestn，年度级）

更多自动化和更真实的考虑因素

接下来，我们将添加与出价/询问传播相关的交易成本。这将使我们更接近我们期望的实际利润。作为练习，您应该将此扩展到额外的交易费用和滑动考虑因素。

另请注意，我们已经自动化了我们的参数扫描过程。就像以前一样，当我们调整脚本进入引领LAG.功能，我们现在正在服用双| |循环上面并将其转换为自己的功能。

成本= 0.05;％出价/问蔓延范围= {1：120,1：120};％前导和滞后的平均参数范围llfun = @（x）Leadlagfun（x，lcoclose，年度尺寸，成本）;TIC [MAXSHARPE，PARAM，SH，VAL] =参数Weep（Llfun，Range）;TOC.％绘图夏普表面Sweepplotma（vars {1}，vars {2}，sh）％plot最佳锐利比率图Leadlag（Lcoclose，Param（1），Param（2），年度级，成本）

经过时间为1.811124秒。