您好， 在期货量化交易中，趋势策略模型是一种常见的交易策略，它基于市场价格的趋势进行交易决策。你可以随时联系我，给你发送最新的交易策略，以下是一些建立趋势跟踪策略的指标和方法，以及相应的Python代码示例，这些信息主要来源于搜索结果中的专业论坛和财经网站：

1. 移动平均线：这是一种广泛使用的技术指标，用于确定市场趋势。简单移动平均线（SMA）和指数移动平均线（EMA）是两种常见的类型。在趋势跟踪策略中，当短期移动平均线上穿长期移动平均线时，可以视为买入信号；反之，则为卖出信号。

Python代码示例：
```python
data['SMA'] = ta.SMA(data.close, timeperiod = 20)
data['EMA'] = ta.EMA(data.close, timeperiod = 20)
```
2. 布林带：由中间的移动平均线和上下两条标准差线组成，用于衡量价格的波动性。当价格触及上带时，可能表示超买；触及下带时，可能表示超卖。
3. MACD（移动平均收敛散度）：用于分析两个不同时间周期的移动平均线之间的关系。MACD信号线的交叉可以作为买卖信号。
4. 相对强弱指数（RSI）：用于衡量价格变动的速度和变化，以判断市场是否处于超买或超卖状态。RSI值超过70通常被认为是超买，而低于30则可能是超卖。
5. OBV（平衡交易量）：基于交易量的变化来预测价格趋势。如果OBV线与价格趋势一致，可以视为趋势的确认。
6. 双均线策略：使用两条不同周期的移动平均线，当短期均线上穿长期均线时买入，下穿时卖出。
7. 趋势跟随策略：基于市场趋势，预测未来价格走势，并且在价格上涨或下跌的过程中买入或卖出期货合约。
8. 均值回归策略：基于资产价格会回归其历史平均水平的假设。在价格偏离均值时进行逆向交易，即在价格高于均值时卖出，在价格低于均值时买入。
9. Python代码实现趋势跟踪策略：以下是一个简单的Python代码示例，用于实现趋势跟踪策略，包括获取实时数据、计算移动平均线交叉和动量指标策略。

请注意，以上策略和代码示例仅供参考，实际交易中需要结合市场情况和个人风险承受能力进行调整。此外，量化交易涉及编程和数学知识，建议在充分学习和理解的基础上进行实践。

想不想深入了解期货量化交易、数据回测、策略优化？赶快预约我领取资料，我会帮助你提升交易策略的成功效率。还是那句话，万事开头难，这里说的只是抛砖引玉，如果你是量化小白，找个老手带你入门是很重要的，有问题就通过电话或微信联系我吧，还有现成的内部量化策略，低回撤，收益稳定，免编程，直接用！