如何在Python中构建基于定位的原油交易策略 [完整手册]

本文探讨如何将原油COT数据转化为可测试的交易策略。

构建了基于趋势过滤的“牛市回撤”策略。

通过分析极端投机定位与市场状态，该策略表现优于简单的买入持有策略。

COT数据在商品交易中被广泛引用，尤其是在讨论拥挤定位和投机情绪时。

初步想法是利用极端投机定位来定义市场状态。

将市场分为四种状态：牛市积累、牛市回撤、熊市积累、熊市回撤。

使用FinancialModelingPrep的COT数据和历史WTI原油价格进行分析。

将原始COT数据转化为可用特征，包括净非商业头寸和头寸比率。

建立了第一个版本的市场状态模型，并测试每种状态后的价格行为。

通过回测发现，牛市回撤是唯一表现相对稳定的状态。

最终策略为：极端牛市定位开始回撤，同时WTI价格高于26周移动平均线。

该策略在回测中表现出更高的胜率和累积收益。

建议未来进一步改进执行现实性和信号深度。