趋势交易策略是至今应用最广泛以及最重要的投资策略之一，它的研究手段种类繁多，所运用的分析工具也纷繁复杂，其特长在于捕捉市场运动的大方向。股指期货市场瞬息万变，结合趋势分析方法，量化投资策略能够得到更有效的应用。
均线系统作为最古老的技术分析手段之一，至今仍在沿用，同时它也是运用最广泛的技术指标体系。最常用的移动平均线是简单移动平均线，而后在此基础上延伸出了很多类型的移动平均线，如指数移动平均（EMA），加
权移动平均（WMA）,还有按成交量加权移动平均（VWMA）等。
由于均线的参数不同，均线所刻画的价格趋势也不相同，所以，单纯使用一条均线不能全面的刻画市场的趋势。对于日内高频交易来说，市场的趋势时短时长，因此需要采用多条不同周期的均线，从不同的角度来反映市场不同周期内的趋势。Triple Moving Average 策略（以下简称 TMA），顾名思义采用的是三条简单移动平均线
（SMA），选择不同周期的参数来刻画期指日内的短期，中期以及长期趋势。通常，三个参数的设定范围为短期（5 分钟～15 分钟），中期（20 分钟～40 分钟），长期（50 分钟～90 分钟）。
在 TMA 的基础上，我们设计了如下的指标：
Up Bound=Max (SMA(Fast),SMA(Middle),SMA(Slow) ) Dn Bound=Min ( SMA(Fast),SMA(Middle),SMA(Slow) )
指标采用 1 分钟收盘价作为价格时间序列，当收盘价第一次上穿 Up Bound时确认为买入时机，当收盘价第一次下穿 Dn Bound 时确认为卖出时机。
由于backtester_v4.2投资组合软件包中已经给出了SMA的方法，因此我们可以对其进行简单的修改，从而实现TMA策略。
通过getTMA可以得到不同窗口宽度下的收盘价：
通过getPosSignFromTMA我们可以通过三条均线得到的不同收盘价来采取不同的交易策略：
通过getPosSize我们可以得到某支股票的交易量
最终可以通过getInSampleOptResult得到三条均线不同组合下的最佳市盈率
getOrders <- function(store, newRowList, currentPos, params) { allzero <- rep(0,length(newRowList)) # used for initializing vectors sma=numeric(0) for(i in 1:3){ sma[i] <-as.numeric(last(SMA(close_prices,n=lookbacks[[i]]))) # TTR version # convert to vector from xts } smalist <- list(short=sma[1],medium=sma[2],long=sma[3]) return(smalist) } getPosSignFromTMA <- function(tma_list) { getPosSize <- function(current_close,constant=1000) { return(floor(constant/current_close)) } getInSampleResult <- function() { period=getInSamplePeriod('x4jr') start=period[1] end=period[2] datalist=getData(directory="A2") datalist <-lapply(datalist, function(x)x[start:end]) sMult=0.2 series=1:length(datalist) params <-list(lookbacks=list(short=as.integer(10),medium=as.integer(20),long=as.integer(30)),sdParam=1,series=series) results <- backtest(datalist, getOrders, params, sMult) getInSampleOptResult <- function() { period=getInSamplePeriod('x4jr') medium <- seq(from=105,to=120,by=5) short <- seq(from=100,to=110,by=5) long <- seq(from=110,to=130,by=5) time <- matrix(0,28,3) numberComb <- 28 sMult <- 0.2 # slippage multiplier rr=1 for(l in long) for(m in medium) for(s in short) if(s< l){time[rr,]=c(as.integer(s),as.integer(m),as.integer(l));rr=rr+1} pfolioPnLList <- vector(mode="list",length=numberComb) count <- 1 bestPD <- 0 resultsMatrix=matrix(0,28,4) for (i in 1:28) { print(resultsMatrix[count,]) count <- count + 1 } print(resultsMatrix[order(resultsMatrix[,4]),]) bsetPD=max(resultsMatrix[,4]) return(bsetPD) #> bsetPD #[1] 3.28
