চলমান গড় পার্থক্যের উপর ভিত্তি করে প্রবণতা অনুসরণ করা কৌশল
ChaoZhang
ওভারভিউ
এই কৌশলটি গড় রেখার পার্থক্যের উপর ভিত্তি করে, যখন দ্রুত লাইনটি ধীর লাইনটি অতিক্রম করে তখন একটি কেনার সংকেত উত্পন্ন করে এবং যখন দ্রুত লাইনটি ধীর লাইনটি অতিক্রম করে তখন একটি বিক্রয় সংকেত উত্পন্ন করে। কৌশলটি সহজ, সহজেই বোঝা যায় এবং মধ্যম সংক্ষিপ্ত লাইন অপারেশনের জন্য উপযুক্ত।
কৌশল নীতি
এই কৌশলটি দুটি ভিন্ন প্যারামিটারের EMA গড় রেখার পার্থক্য গণনা করে এবং তারপরে এই পার্থক্যের উপর ভিত্তি করে তার নিজস্ব EMA গণনা করে একটি ট্রেডিং সিগন্যাল তৈরি করে। বিশেষত, একটি পিরিয়ড পিরিয়ড নির্বাচন করুন, পিরিয়ড / 2 পিরিয়ডের দ্বিগুণ EMA হিসাবে একটি দ্রুত লাইন গণনা করুন, পিরিয়ড পিরিয়ড EMA হিসাবে একটি ধীর লাইন গণনা করুন, এবং দুটি EMA এর মধ্যে পার্থক্যটি পার্থক্য তৈরি করে। তারপরে ডিফির উপর ভিত্তি করে পুনরায় গণনা করুন।
এই কৌশলটি সহজ এবং সরাসরি, দামের প্রবণতা নির্ধারণের জন্য ডাবল মিডল লাইন ডিফারেনশিয়াল সূচক ব্যবহার করে, এটি একটি আদর্শ প্রবণতা ট্র্যাকিং কৌশল। দাম যখন ট্রেন্ডিং মার্কেটে থাকে তখন প্রভাবটি স্পষ্ট হয়; যখন দামের ঝাঁকুনি হয় তখন একাধিক ভুল সংকেত তৈরি হয়। প্রবণতা বিচার এবং ঝুঁকি পরিচালনার সাথে একত্রিত হওয়া দরকার।
কৌশলগত শক্তি বিশ্লেষণ
এই কৌশলটির সুবিধাগুলো হলঃ
কৌশলগুলি সহজ, স্বজ্ঞাত, সহজেই বোঝা যায় এবং শিক্ষানবিসদের জন্য উপযুক্ত।
গড় লাইন বৈষম্য সূচক মূল্য পরিবর্তনের প্রতি সংবেদনশীল, যা কার্যকরভাবে প্রবণতা পরিবর্তন ক্যাপচার করতে পারে;
এটির জন্য, আপনি একটি নতুন ডিভাইস তৈরি করতে পারেন যা আপনার কম্পিউটারে ইনস্টল করা যেতে পারে।
বিভিন্ন বাজারের অবস্থার সাথে খাপ খাইয়ে নেওয়ার জন্য সংযোজিত দীর্ঘ- এবং স্বল্প-চক্রের সূচক প্যাকেজ;
ব্যক্তিগত ঝুঁকি পছন্দ অনুযায়ী স্টপ লস কৌশল কনফিগার করা যায়, যা ক্ষতি হ্রাস করে।
কৌশলগত ঝুঁকি বিশ্লেষণ
এই কৌশলটি নিম্নলিখিত ঝুঁকিগুলিও বহন করেঃ
ভূমিকম্পের সময় ভুল রিপোর্টের হার বেশি থাকে, যা বড় আকারের প্রবণতা নির্ধারণে সহায়তা করে।
এই প্রবণতা পাল্টানোর সঠিক সময় নির্ধারণ করা সম্ভব নয় এবং কিছু বিলম্ব রয়েছে।
গড় বৈষম্য সূচক প্যারামিটারগুলির অপ্টিমাইজেশনের দিকে মনোযোগ দিন, যাতে এটি অত্যধিক সংবেদনশীল বা পিছিয়ে না যায়;
ট্রেডের সংখ্যা বেশি, ট্রেডের খরচ বেশি হতে পারে, পজিশনের আকার নিয়ন্ত্রণ করতে হবে।
এর সমাধান নিম্নরূপঃ
লং পিরিয়ডের গড়ের সাথে মিলিত করে বড় প্রবণতা নির্ণয় করা, যাতে বাজারের ঝড়ের ভুল না হয়;
অন্যান্য বিপরীতমুখী সূচকগুলির সাথে মিলিতভাবে, বিক্রয়-বিক্রয় পয়েন্টগুলি নির্ধারণ করুন এবং বিলম্বের ঝুঁকি হ্রাস করুন;
এই পদ্ধতিতে, আপনি একটি নির্দিষ্ট প্যারামিটার নির্বাচন করতে পারেন, যা আপনার পছন্দসই প্যারামিটারগুলির মধ্যে একটি।
স্টপ লস কৌশলকে অপ্টিমাইজ করুন এবং একক ক্ষতি হ্রাস করুন।
কৌশল অপ্টিমাইজেশনের দিকনির্দেশনা
এই কৌশলটি নিম্নলিখিত দিকগুলি থেকে অপ্টিমাইজ করা যায়ঃ
বিভিন্ন সমান্তরাল প্যারামিটার সমন্বয় পরীক্ষা করে সর্বোত্তম প্যারামিটার খুঁজে বের করা;
প্রবণতা নির্ণয়, প্রবণতা এবং অস্থিরতা পার্থক্য করার জন্য আরও সূচক;
বিপরীতমুখী সূচকগুলির সাথে একত্রে, বিক্রয়-বিক্রয় পয়েন্টগুলি নির্ধারণের জন্য উচ্চতর নির্ভুলতা;
স্টপ লস কৌশলকে অপ্টিমাইজ করুন এবং ক্ষতি হ্রাস করুন।
বিভিন্ন পিরিয়ড প্যারামিটার পরীক্ষা করে বিভিন্ন পরিস্থিতিতে কৌশল স্থিতিশীলতা উন্নত করা যায়। প্রবণতা বিচার বাড়িয়ে ভুল বার্তা হ্রাস করা যায়। বিপরীতমুখী সূচকগুলি ক্রয়-বিক্রয় করার সময়কালের পছন্দকে বাড়িয়ে তুলতে পারে। এই অপ্টিমাইজেশানগুলি কৌশলগুলির স্থিতিশীলতা এবং লাভজনকতা বাড়িয়ে তুলতে পারে।
সারসংক্ষেপ
গড় রেখার পার্থক্যের উপর ভিত্তি করে প্রবণতা ট্র্যাকিং কৌশল সামগ্রিক ধারণাটি পরিষ্কার এবং সহজেই বোঝা যায়, দামের প্রবণতার দিকটি দ্বিগুণ গড় রেখার পার্থক্যের মাধ্যমে বিচার করা হয়, এটি একটি সাধারণ প্রবণতা ট্র্যাকিং কৌশল। কৌশলটি নিজেই খুব সহজ, সহজেই বাস্তবায়ন করা যায়, মধ্যম এবং সংক্ষিপ্ত লাইন অপারেটরগুলির জন্য উপযুক্ত, বিশেষত শিক্ষানবিসদের জন্য উপযুক্ত। তবে কৌশলটিও কিছু ঝুঁকি নিয়ে আসে, ঝুঁকি হ্রাস করার জন্য অপ্টিমাইজেশন পদ্ধতির প্রয়োজন। যদি প্যারামিটার অপ্টিমাইজেশন এবং ঝুঁকি সঠিকভাবে নিয়ন্ত্রণ করা হয় তবে কৌশলটি আরও ভাল ফলাফল অর্জন করতে পারে।
/*backtest
start: 2023-12-01 00:00:00
end: 2023-12-31 23:59:59
period: 1h
basePeriod: 15m
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/
//@version=5
strategy(title='Devick', overlay=true)
// Input parameters
period = input(title='Period', defval=21)
// Calculate moving averages
n2ma = 2 * ta.ema(close, math.round(period / 2))
nma = ta.ema(close, period)
diff = n2ma - nma
sqn = math.round(math.sqrt(period))
n2maPrev = 2 * ta.ema(close[1], math.round(period / 2))
nmaPrev = ta.ema(close[1], period)
diffPrev = n2maPrev - nmaPrev
sqnPrev = math.round(math.sqrt(period))
n1 = ta.ema(diff, sqn)
n2 = ta.ema(diffPrev, sqnPrev)
// Determine color based on condition
maColor = n1 > n2 ? color.green : color.red
// Plot moving average
ma = plot(n1, color=maColor, linewidth=2)
// Signals
buySignal = n1 > n2 and n1[1] <= n2[1]
sellSignal = n1 <= n2 and n1[1] > n2[1]
// Plot shapes for signals
plotshape(series=buySignal, title='Buy Signal', style=shape.arrowup, location=location.belowbar, color=color.green, size=size.small)
plotshape(series=sellSignal, title='Sell Signal', style=shape.arrowdown, location=location.abovebar, color=color.red, size=size.small)
// Alerts
alertcondition(condition=buySignal, title='Buy Signal', message='Buy Signal Detected')
alertcondition(condition=sellSignal, title='Sell Signal', message='Sell Signal Detected')
// Trading hours
openHour = 16
closeHour = 17
// Open position at 4 pm
openCondition = hour == openHour and minute == 0
strategy.entry("Buy", strategy.long, when=buySignal)
strategy.entry("Sell", strategy.short, when=sellSignal)
// Close all positions at 5 pm
closeCondition = hour == closeHour and minute == 0
strategy.close_all(when=closeCondition)