在上一篇的可视化案例中，我们将EOS和TRX的QR值计算出来，并基于其算出QMACD，接着分别绘制出图形，有了一个直观的理解。这篇中，我们将着重考虑在实战中如何使用QMACD。

首先回顾下之前绘制出来的QMACD图形：

在数字货币中，资产价格的走势有较强的趋势性，因此我们假设一个资产若涨幅趋势高于另一个资产，那么这种趋势将持续一段时间，即强者恒强的理论。并且EOS和TRX涨跌幅的相关性为0.38，有一定的强相关性（严格的配对验证应该还需考虑到协整，不过这里的目的仅是做一个简单的回测演示，因此暂不延伸）。所以，基于QMACD与0的大小关系，我们尝试建立EOS和TRX的多空策略。

首先回顾一下Q-MACD的公式：QMACD = diff – EMAdiff，diff为QR的快速指数平均线减去QR的慢速指数平均线，EMAdiff为其前9个滚动时间窗口的指数移动平均线，QR为EOS涨幅减去TRX涨幅。

策略逻辑：

若QMACD > 0，说明EOS涨幅趋势强于TRX涨幅趋势，做多EOS，做空TRX；

若QMACD < 0，说明EOS涨幅趋势弱于TRX涨幅趋势，做空EOS，做多TRX。

由于合约价格数据过小，为了方便回测，我们将EOS和TRX的价格数据（以BTC计价）均放大100万倍，然而收益率等比率性结果不受影响。回测时间为2018-2-1到2019-2-18，以下为回测结果：

此收益曲线为参数优化过的表现，即QR的EMA短周期为5，长周期为40，EMAdiff参数不变，保持为9，发现结果还可以。不过为了防止过拟合问题，我们试试尝试其他参数：

可以观察到，在调参尝试了200次不同参数组合后，我们按照净利润进行排序，发现所有的回测净利润都在0之上，即收益都为正！并且多头空头收益率均为正，且大小较为平衡。说明这个策略的底层逻辑在参数普适性上还是不错的。

到此，我们展示了通过EOS和TRX的QMACD构建其中一个简单策略的步骤，并初步验证了这个底层逻辑的参数普适性。当然，这只是一个简单的展示，初步证明了QMACD在构建多空策略中的参考价值。