第二章：4 製作策略濾網

練習版程式碼連結：https://colab.research.google.com/drive/1IY81k4kMQtpdYWOVTa_esgIQ4zOCKN9y?usp=sharing

（請參考第一章第一節來啟動該筆記本）

上一節，我們成功對策略進行驗證。

這一節，我們來對策略添加濾網，以求達到更高的獲利。

1. 什麼是濾網

濾網顧名思義，就是在策略中放置一個指標，把無法獲利的交易給取消掉，藉由減少虧損的方式來增大獲利。

假設有一段時間的價格，取這個價格的中位數 median，如圖所示，圓圈代表價格，兩圓連成一點表示前一筆價格與後一筆價格的連線，通常會有許多價格穿過中位數。

但是假如有兩個價格連起來且都在中位數上方，則表示市場當時確實有向上的趨勢產生。

我們可以藉由這種方式，過濾掉不滿足上述條件的交易，在上圖中，只有一條線滿足此條件，就是圖中被圈起來的那條線。

2. 撰寫策略濾網

先開啟練習版筆記本，掛接雲端硬碟，把該跑的程式跑完，從 MMI Filter 開始撰寫中位數：

median = ohlcv.close.rolling(20).median()

可以把 2021 年 11 月的中位數價格和整體價格走勢畫出來看看：

ohlcv.close['2021-11'].plot()

median['2021-11'].plot()

現在來開始製作濾網。

於 median 這個變數下方撰寫兩個辨識價格是否大於中位數的一個布林訊號，一個辨識今天價格，一個辨識昨天的：

median = ohlcv.close.rolling(20).median()

p1 = ohlcv.close > median

p2 = ohlcv.close.shift() > median

ohlcv.close['2021-11'].plot()

median['2021-11'].plot()

然後在於 p2 下方撰寫濾網的程式碼，把最近 20 天， p1 和 p2 的結果都為 True（雙方的價格都大於中位數）的次數總和平均的布林訊號轉成整數，（True 為 1，False 為 0），並傳給 mmi 這個變數。

把 mmi 連同另外兩個價格走勢一併畫出來，並添加 y 軸。

程式碼最後會長這樣：

median = ohlcv.close.rolling(20).median()

p1 = ohlcv.close > median

p2 = ohlcv.close.shift() > median

mmi = (p1 & p2).astype(int).rolling(20).mean()

ohlcv.close['2021-11'].plot()

median['2021-11'].plot()

mmi['2021-11'].plot(secondary_y = True)

於是，我們就完成了濾網。

現在該是把濾網添加到策略裡面運行的時候了，先把後面有 plot 的程式碼複製貼上到「plot」下方的儲存格，也就是下一個儲存格，並重新運行。

再來把「Simple Moving Average」下方儲存格的程式碼複製貼上到「Modify SMA strategy」下方的儲存格。

然後把「MMI Filter」下方儲存格的程式碼貼上到 return 上方並按 tab 縮進，使其能夠被函式包住。

再來修改一下進場點，於 mmi 這個變數下方撰寫如下的程式碼：

entries = entries & (mmi > 0.5)

這行程式碼的意思為：「每當滿足進場點條件時，還須符合 mmi > 0.5 的條件才能進場」，這讓我們過濾掉許多無法獲利的交易。

於是，整個策略已經被修改完畢。

由於這與「Simple Moving Average」的策略有所不同，所以必須修改一下策略名稱：

import numpy as np
from finlab_crypto import Strategy

@Strategy(sma1 = 20, sma2 = 60)
def mmi_sma_strategy(ohlcv):
  close = ohlcv.close
  sma20 = close.rolling(mmi_sma_strategy.sma1).mean()
  sma60 = close.rolling(mmi_sma_strategy.sma2).mean()

  entries = (sma20 > sma60) & (sma20.shift() < sma60.shift())
  exits = (sma20 < sma60) & (sma20.shift() > sma60.shift())

  figures = {
      'overlaps': {
          'sma20': sma20,
          'sma60': sma60
      }
  }

  median = ohlcv.close.rolling(20).median()

  p1 = ohlcv.close > median

  p2 = ohlcv.close.shift() > median

  mmi = (p1 & p2).astype(int).rolling(20).mean()

  entries = entries & (mmi > 0.5)

  return entries, exits, figures

variables = {'sma1': np.arange(20, 100, 5), 'sma2': np.arange(20, 100, 5)}

portfolio = mmi_sma_strategy.backtest(ohlcv, variables=variables, freq='1h', plot=True)

總共更改了四處。

最後來執行程式：