极值波动策略

设想得很好，在每次波动的极值点进行操作，用买入和卖出价格两个数组记录买入和卖出价格。这样可以保证每个操作都盈利。

以一次价格低点为例，从低到高，查询卖出列表，如果匹配，说明前期的某个卖出操作已经可以盈利，则买入，并删除卖出数组中的记录。从低到高搜索，可以保证把最高的卖出价格留到后面，增加操作的容量。

如果卖出列表没有对应操作，则查询买入列表，如果临近范围已经有买入记录，则不买，防止在某个价位反复买入，如果该区间没有买入记录，则买入，并记录。核心策略如下：

#分布判断，如果可行，修改g.long或g.short，返回True
#使用g.orderprice和g.mm判断
def distcheck(): 
    jl=1   #预设的盈利距离
    idx=int(g.orderprice/g.step) #求出区间索引
    buycnt=len([x for x in g.buy if x>0])
    sellcnt=len([x for x in g.sell if x>0])
    
    if g.mm==1:  #买入
        #if buycnt-sellcnt>0:
            #return False
        for i in range((idx+jl),len(g.sell)):    #遍历寻找
            if g.sell[i]>0:
                print("买入%.2f(%.2f)"%(g.orderprice,g.sell[i]))
                g.sell[i]=0
                return True
        if g.buy[idx]==0:
            g.buy[idx]=g.orderprice
            print("买入%.2f"%(g.orderprice))
            return True
    if g.mm==-1:  #卖出
        #if sellcnt-buycnt>0:
            #return False
        for i in range((idx-jl),0,-1):    #遍历寻找
            if g.buy[i]>0:
                print("卖出%.2f(%.2f)"%(g.orderprice,g.buy[i]))
                g.buy[i]=0
                return True
        if g.sell[idx]==0:
            g.sell[idx]=g.orderprice
            print("卖出%.2f"%(g.orderprice))
            return True
            
    return False

这是回测的结果：

很不理想，这种操作，可能导致分化，买入列表最后都是一些高价，卖出列表都是低价，这是最后阶段的列表

无论是调整区间，还是调整盈利预期，还是保持两个列表平衡，都不能有效改善。

分析原因：买卖的控制，尽管保证了每次买卖自己盈利了，但对于总体，或者两个列表上“挂着”的交易来说，可能是一种亏损。