中文 ZH
在 GitHub 上查看

N7S AO 772012 策略

概述

本策略是 MetaTrader 专家顾问 N7S_AO_772012 的 StockSharp 版本。原始机器人通过在多个时间框架上对 Awesome Oscillator (AO) 进行类似感知器的组合过滤，再配合价格模式门控以及可配置的 “neuro” 模式来决定最终的买卖方向。本转换版本完整保留了该决策树，并把所有调节参数暴露为策略参数。

策略运行在所选交易品种上，使用以下数据：

  • M1 K线：用于入场时机及价格感知器。
  • H1 K线：为多个 AO 感知器提供数据。
  • H4 K线：计算基础 Buy/Sell 选择器 (BTS) 所用的 AO 动量差。

交易逻辑

  1. 每当一根 M1 K线收盘时，策略会更新价格模式历史、处理已有仓位，并检查时间过滤（周一 02:00 之前及周五 18:00 之后不交易，使用平台本地时间）。
  2. 小时级别的 AO 数值被送入五个感知器：
    • Perceptron X/Y – BTS 的基础多空过滤器，配合价格感知器和 H4 AO 差值使用。
    • Neuro X/Y – 在特定 neuro 模式下优先生效的高级多空过滤器。
    • Neuro Z – 在模式 4 中决定是否允许 Neuro X 发出信号的门控感知器。
  3. 价格感知器对最新收盘价与若干过去开盘价的加权差值进行评估。
  4. NeuroMode 参数决定大写感知器如何介入：
    • 4：若 Neuro Z > 0，则仅当 Neuro X > 0 才能做多；否则只要 Neuro Y > 0 就做空；若均未触发则回退到 BTS。
    • 3：Neuro Y > 0 时直接做空，否则回退到 BTS。
    • 2：Neuro X > 0 时直接做多，否则回退到 BTS。
    • 其他值：跳过 neuro 层，直接执行 BTS。
  5. BTS 模块结合价格感知器与 H4 AO 差：
    • 多头：价格感知器 > 0（或 BtsMode = 0 时忽略该条件）、BTS/Neuro X > 0、H4 AO 差 > 0。止损为 BaseStopLossPointsLong，止盈为 BaseTakeProfitFactorLong × BaseStopLossPointsLong。
    • 空头：价格感知器 < 0（或 BtsMode = 0 时忽略该条件）、BTS/Neuro Y > 0、H4 AO 差 < 0。止损为 BaseStopLossPointsShort，止盈为 BaseTakeProfitFactorShort × BaseStopLossPointsShort。
  6. 信号成立后立即按市场价下单（需方向已启用）。策略内部追踪止损和止盈价格，每根收盘的 M1 K线都会根据最高价/最低价检查是否触发，并在触发时平仓。若出现反向信号，会先平掉已有仓位，等待下一根 K线再重新评估。

参数

交易

  • OrderVolume – 市价单的基础手数。
  • AllowLongTrades / AllowShortTrades – 启用或禁用多头/空头信号。
  • BtsMode – 设为 0 时忽略价格感知器的符号过滤；否则价格感知器的符号必须与交易方向一致。
  • NeuroMode – 控制高级感知器如何参与（见交易逻辑）。

基础 BTS 感知器

  • BaseStopLossPointsLong / BaseTakeProfitFactorLong – 多头止损（点数）及其止盈倍数。
  • BaseStopLossPointsShort / BaseTakeProfitFactorShort – 空头对应设置。
  • PerceptronPeriodX / Y – 感知器使用的 AO 偏移量（单位：H1 K线数量）。
  • PerceptronWeightX1..4 / Y1..4 – 感知器权重 (0–100)，内部会减去 50 进行中心化。
  • PerceptronThresholdX / Y – 感知器输出的绝对值需要达到的阈值。

价格过滤

  • PricePatternPeriod – 价格感知器每个滞后项包含的 M1 K线数量。
  • PriceWeight1..4 – 价格感知器的权重（同样以 50 为中心）。

Neuro 感知器

  • NeuroStopLossPointsLong / NeuroTakeProfitFactorLong – Neuro X 信号的止损及止盈倍数。
  • NeuroStopLossPointsShort / NeuroTakeProfitFactorShort – Neuro Y 信号的止损及止盈倍数。
  • NeuroPeriodX / Y / Z – 三个 neuro 感知器使用的 AO 偏移量（H1 K线）。
  • NeuroWeightX1..4 / NeuroWeightY1..4 / NeuroWeightZ1..4 – 各感知器的权重。
  • NeuroThresholdX / NeuroThresholdY / NeuroThresholdZ – 各感知器输出的绝对值阈值。

数据

  • CandleType – 主交易时间框架（默认 1 分钟）。

交易管理

  • 止损和止盈点数会根据品种的最小报价步长转换为绝对价格，若设置为 0 则表示不使用该防护。
  • 每根 M1 K线收盘时对照最高价/最低价判断是否触发保护价位。
  • 策略采用净持仓模式，不会同时持有多空仓。出现反向信号时先平仓再等待下一根 K线重新判定。

转换说明

  • 使用 StockSharp 的高阶绑定接口 (SubscribeCandles().Bind(...)) 获取 AO 值，无需手动查询指标。
  • 通过固定长度列表模拟原策略的历史偏移访问，同时避免直接调用指标准值。
  • 根据需求未提供 Python 版本。
  • 未对测试项目做出改动。
using System;
using System.Collections.Generic;

using StockSharp.Algo.Indicators;
using StockSharp.Algo.Strategies;
using StockSharp.BusinessEntities;
using StockSharp.Messages;

namespace StockSharp.Samples.Strategies;

/// <summary>
/// Perceptron-based strategy using Awesome Oscillator values at different lookback periods.
/// Combines weighted AO signals with price pattern confirmation for entry/exit decisions.
/// </summary>
public class N7SAo772012Strategy : Strategy
{
	private readonly StrategyParam<DataType> _candleType;
	private readonly StrategyParam<int> _aoPeriod;
	private readonly StrategyParam<int> _lookback;

	private readonly List<decimal> _aoHistory = new();
	private decimal _entryPrice;

	public N7SAo772012Strategy()
	{
		_candleType = Param(nameof(CandleType), TimeSpan.FromHours(2).TimeFrame())
			.SetDisplay("Candle Type", "Timeframe for analysis.", "General");

		_aoPeriod = Param(nameof(AoPeriod), 5)
			.SetDisplay("AO Period", "Period for the Awesome Oscillator.", "Indicators");

		_lookback = Param(nameof(Lookback), 3)
			.SetDisplay("Lookback", "Number of AO values to look back for signal.", "Indicators");
	}

	public DataType CandleType
	{
		get => _candleType.Value;
		set => _candleType.Value = value;
	}

	public int AoPeriod
	{
		get => _aoPeriod.Value;
		set => _aoPeriod.Value = value;
	}

	public int Lookback
	{
		get => _lookback.Value;
		set => _lookback.Value = value;
	}

	/// <inheritdoc />
	protected override void OnReseted()
	{
		base.OnReseted();

		_aoHistory.Clear();
		_entryPrice = 0;
	}

	/// <inheritdoc />
	protected override void OnStarted2(DateTime time)
	{
		base.OnStarted2(time);

		var ao = new AwesomeOscillator();

		var subscription = SubscribeCandles(CandleType);
		subscription
			.Bind(ao, ProcessCandle)
			.Start();

		var area = CreateChartArea();
		if (area != null)
		{
			DrawCandles(area, subscription);
			DrawIndicator(area, ao);
			DrawOwnTrades(area);
		}
	}

	private void ProcessCandle(ICandleMessage candle, decimal aoValue)
	{
		if (candle.State != CandleStates.Finished)
			return;

		_aoHistory.Add(aoValue);
		if (_aoHistory.Count > 50)
			_aoHistory.RemoveAt(0);

		if (_aoHistory.Count < Lookback + 1)
			return;

		var close = candle.ClosePrice;
		var current = _aoHistory[_aoHistory.Count - 1];
		var prev = _aoHistory[_aoHistory.Count - 1 - Lookback];

		// AO momentum: current vs lookback periods ago
		var rising = current > prev && current > 0;
		var falling = current < prev && current < 0;

		// Manage positions
		if (Position > 0)
		{
			// Exit long if AO turns negative or stop-loss
			if (current < 0 || (_entryPrice > 0 && close < _entryPrice * 0.98m))
			{
				SellMarket();
			}
		}
		else if (Position < 0)
		{
			// Exit short if AO turns positive or stop-loss
			if (current > 0 || (_entryPrice > 0 && close > _entryPrice * 1.02m))
			{
				BuyMarket();
			}
		}

		// Entry
		if (Position == 0)
		{
			if (rising)
			{
				_entryPrice = close;
				BuyMarket();
			}
			else if (falling)
			{
				_entryPrice = close;
				SellMarket();
			}
		}
	}
}