কালমান ফিল্টার এবং গড় প্রত্যাবর্তনের উপর ভিত্তি করে পরিমাণগত ট্রেডিং কৌশল
ChaoZhang
ওভারভিউ
এই কৌশলটি ক্যালম্যান ওভারফ্লো এবং গড় রিটার্নের চিন্তাভাবনা ব্যবহার করে, শেয়ারের দামের স্বল্পমেয়াদী অস্বাভাবিক ওঠানামাকে ক্যাপচার করে এবং শেয়ারের দিকনির্দেশিত লেনদেনের জন্য। কৌশলটি প্রথমে শেয়ারের দামের অনুপাতের একটি মডেল তৈরি করে এবং তারপরে ক্যালম্যান ওভারফ্লো প্রযুক্তি ব্যবহার করে অনুপাতের পূর্বাভাস এবং ওভারফ্লো করা হয়। যখন অনুপাতটি স্বাভাবিক স্তর থেকে বিচ্যুত হয় তখন লেনদেন হয়। সংকেত ছাড়াও, কৌশলটি ভুল লেনদেন এড়াতে লেনদেনের পরিমাণ ফিল্টারিংয়ের সাথে যুক্ত করে।
কৌশল নীতি
এই কৌশলটির মূল ধারণাগুলি হ’ল শেয়ারের নিজস্ব মূল্যের সাথে বাজার সূচকের দামের অনুপাত মডেল স্থাপন করা। এই অনুপাতটি সামগ্রিক বাজারের মূল্যের স্তরের সাথে সম্পর্কিত একটি শেয়ারের প্রতিফলন করতে পারে। যখন অনুপাতটি বেশি থাকে, তখন শেয়ারটি অতিরিক্ত মূল্যবান বলে মনে করা হয়, বিক্রয় সংকেত উত্পন্ন করে; যখন অনুপাতটি কম থাকে, তখন শেয়ারটি কম মূল্যায়ন করা হয়, ক্রয় সংকেত উত্পন্ন করে।
তুলনামূলক সংকেতকে মসৃণ করার জন্য, কৌশলটি ক্যালম্যান ঝড়ের অ্যালগরিদম ব্যবহার করে। ক্যালম্যান ঝড়ের অনুপাতের প্রকৃত পর্যবেক্ষণের মানটি পূর্বাভাসের মানের সাথে ভারসাম্যযুক্ত করা হয়, রিয়েল-টাইম আপডেট অনুপাতের পূর্বাভাস। এবং একটি মসৃণ ক্যালম্যান ঝড়ের মান গণনা করা হয়। যখন ঝড়ের মানটি স্বাভাবিকের চেয়ে 2 স্ট্যান্ডার্ড ডিফারেনশিয়ালের বেশি বা স্বাভাবিকের চেয়ে 2 স্ট্যান্ডার্ড ডিফারেনশিয়ালের কম থাকে তখন একটি লেনদেনের সংকেত উত্পন্ন হয়।
এছাড়াও, কৌশলটি লেনদেনের ভলিউম ফ্যাক্টরকে বিবেচনা করে। লেনদেনের পরিমাণ বড় হলেই সত্যিকারের লেনদেনের সংকেত তৈরি করা হয়, যা কিছু ভুল লেনদেনের ঘটনা এড়াতে পারে।
কৌশলগত শক্তি বিশ্লেষণ
এই কৌশলটির সবচেয়ে বড় সুবিধা হল কার্লম্যান ওভারল্যাপ অ্যালগরিদম ব্যবহার করে মূল্য অনুপাতের কার্যকর মসৃণতা এবং ভবিষ্যদ্বাণী করা। সহজ গড় রিটার্ন মডেলের তুলনায়, কার্লম্যান ওভারল্যাপগুলি দামের গতিশীল পরিবর্তনগুলিকে আরও ভালভাবে প্রতিফলিত করতে পারে, বিশেষত যখন দামের তীব্র ওঠানামা হয়। এটি কৌশলটিকে সময়মতো মূল্যের অস্বাভাবিকতা সনাক্ত করতে এবং সঠিক ট্রেডিং সংকেত তৈরি করতে দেয়।
দ্বিতীয়ত, লেনদেনের পরিমাণের সংমিশ্রণটি কৌশলটির ব্যবহারিক প্রয়োগযোগ্যতাও বাড়িয়ে তোলে। যুক্তিসঙ্গত লেনদেনের পরিমাণ ফিল্টারিং কিছু ভুল সংকেত এড়াতে এবং অপ্রয়োজনীয় লেনদেনের ব্যয় হ্রাস করতে সহায়তা করে।
সামগ্রিকভাবে, এই কৌশলটি ক্যালম্যান ওভারল্যাপ, গড় রিটার্ন এবং ট্রেডিং ভলিউম বিশ্লেষণের মতো বিভিন্ন কৌশলকে সফলভাবে একত্রিত করে একটি শক্তিশালী পরিমাণগত ট্রেডিং কৌশল তৈরি করেছে।
কৌশলগত ঝুঁকি বিশ্লেষণ
যদিও এই কৌশলটি তাত্ত্বিক ও প্রযুক্তিগতভাবে কার্যকর, তবে বাস্তবে এটির কিছু সম্ভাব্য ঝুঁকি রয়েছে।
প্রথমত, মডেলের ঝুঁকি। কারম্যান ফিল্টার মডেলের কিছু মূল প্যারামিটার যেমন প্রক্রিয়া গোলমালের পার্থক্য, পর্যবেক্ষণের গোলমালের পার্থক্য ইত্যাদি historicalতিহাসিক তথ্যের উপর ভিত্তি করে অনুমান করা প্রয়োজন। যদি অনুমানটি ভুল হয় বা বাজার পরিস্থিতিতে উল্লেখযোগ্য পরিবর্তন হয় তবে মডেলের পূর্বাভাসের বিচ্যুতি ঘটবে।
দ্বিতীয়ত, স্লাইডিং খরচ ঝুঁকি। ঘন ঘন লেনদেনের ফলে স্লাইডিং খরচ বেশি হয়, যা কৌশলগত উপার্জন হ্রাস করে। প্যারামিটার অপ্টিমাইজেশন এবং লেনদেনের পরিমাণ ফিল্টার করা অপ্রয়োজনীয় লেনদেনকে কিছুটা হ্রাস করতে পারে।
শেষ অবধি, বাজারের সূচকগুলিকে বেঞ্চমার্ক হিসাবে অনুসরণ করার জন্য কিছু বাজার পদ্ধতিগত ঝুঁকি রয়েছে। যখন পুরো বাজারটি তীব্রভাবে ওঠানামা করে, তখন বাজার-মূল্যের অনুপাতের ক্ষেত্রেও অস্বাভাবিকতা দেখা দেয়। এই ক্ষেত্রে কৌশলটি ভুল সংকেত দেয়। আমরা বেঞ্চমার্ক হিসাবে আরও স্থিতিশীল সূচকগুলি বেছে নেওয়ার বিষয়ে বিবেচনা করতে পারি।
কৌশল অপ্টিমাইজেশনের দিকনির্দেশনা
এই কৌশলটি আরও উন্নত করার সুযোগ রয়েছেঃ
দামের অনুপাতের জন্য আরও জটিল গভীর শিক্ষণ মডেল ব্যবহার করা হয়। এটি মডেলের যথার্থতা এবং স্থিতিশীলতা উন্নত করতে পারে।
ট্রেডিং ভলিউম ফিল্টারিং নিয়মগুলিকে আরও গতিশীল এবং বুদ্ধিমান ট্রেডিং ভলিউম থ্রেশহোল্ড সেটিংয়ের জন্য অপ্টিমাইজ করা হয়েছে। এটি ভুল ট্রেডিংয়ের সম্ভাবনা হ্রাস করতে পারে।
বিভিন্ন বাজার সূচকগুলিকে কৌশলগত বেঞ্চমার্ক হিসাবে পরীক্ষা করুন, কম ওঠানামা এবং আরও স্থিতিশীল সূচকগুলি বেছে নিন। এটি বাজার সিস্টেমিক ঝুঁকির প্রভাব হ্রাস করতে পারে।
শেয়ারের মৌলিক বিশ্লেষণের সাথে মিলিত হয়ে, বেসিকের উল্লেখযোগ্য অবনতি হওয়া শেয়ারগুলিকে এড়িয়ে চলুন। এটি আরও ভাল মানের ট্রেডিং টার্গেট নির্বাচন করতে পারে।
উচ্চ ফ্রিকোয়েন্সি ইন্ট্রাডে ডেটা ব্যবহার করে কৌশল পর্যবেক্ষণ এবং অপ্টিমাইজেশনের জন্য, যা কৌশলগুলির রিয়েল-টাইম পারফরম্যান্সকে উন্নত করতে পারে।
সারসংক্ষেপ
এই কৌশলটি ক্যালম্যানের তরঙ্গের মডেল ব্যবহার করে স্টক মূল্যের স্বল্পমেয়াদী অস্বাভাবিক ওঠানামা ক্যাপচার করতে সফল হয়েছে। একই সাথে, লেনদেনের পরিমাণের সংকেতের প্রবর্তনও কৌশলটির কার্যকারিতা বাড়িয়ে তুলেছে। যদিও এখনও কিছু মডেল ঝুঁকি এবং বাজার ঝুঁকি রয়েছে, তবে এটি একটি খুব সম্ভাবনাময় পরিমাণগত লেনদেনের কৌশল। মডেল এবং লেনদেনের সংকেত অপ্টিমাইজেশনের ক্ষেত্রে ভবিষ্যতে আরও অনেক উন্নতির জায়গা এবং প্রয়োগের সম্ভাবনা রয়েছে।
/*backtest
start: 2023-12-21 00:00:00
end: 2023-12-28 00:00:00
period: 1m
basePeriod: 1m
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/
// This source code is subject to the terms of the Mozilla Public License 2.0 at https://mozilla.org/MPL/2.0/
// © xXM3GAXx
//@version=5
strategy("My strategy", overlay=true)
//SPY or QQQ
context = request.security("BTC_USDT:swap", timeframe.period, input(close))
//our stock
particular = input(close)
//ratio
src = ta.roc(particular, 1) / math.abs(ta.roc(context, 1))
//kalman calculation
Sharpness = input.float(1.0)
K = input.float(1.0)
greencolor = color.lime
redcolor = color.red
velocity = 0.0
kfilt = 0.0
Distance = src - nz(kfilt[1], src)
Error = nz(kfilt[1], src) + Distance * math.sqrt(Sharpness*K/ 100)
velocity := nz(velocity[1], 0) + Distance*K / 100
kfilt := Error + velocity
//2 std devs up and down
upper = kfilt[1] + 2 * ta.stdev(kfilt, input(20))
lower = kfilt[1] - 2 * ta.stdev(kfilt, input(20))
//plotting for visuals
plot(kfilt, color=velocity > 0 ? greencolor : redcolor, linewidth = 2)
plot(upper)
plot(lower)
//plot(ta.ema(ta.roc(particular, 1)/ta.roc(context, 1), 5), color = #00ffff, linewidth=2)
//volume data
vol = volume
volema = ta.ema(volume, 10)
//buy when ratio too low
longCondition = kfilt<=lower and vol>=volema
if (longCondition)
strategy.entry("My Long Entry Id", strategy.long)
//sell when ratio too high
shortCondition = kfilt>=upper and vol>=volema
if (shortCondition)
strategy.entry("My Short Entry Id", strategy.short)