
এই কৌশলটি আইএমএসিডি, ইএমএ এবং একনজরে ভারসাম্য টেবিলের মতো বিভিন্ন প্রযুক্তিগত সূচকগুলিকে একত্রিত করে একটি বিস্তৃত সিদ্ধান্ত গাছের মডেল তৈরি করে যা ক্রয় এবং বিক্রয় সংকেত দেয়।
মাল্টি সিগন্যালঃ যখন IMACD নির্দিষ্ট শর্তের রঙ এবং EMA 40 মেঘের চিত্রের উপরে থাকে তখন অতিরিক্ত করুন
খালি করার সংকেতঃ যখন IMACD লাল এবং EMA 40 মেঘের চিত্রের নীচে থাকে তখন খালি করুন
ঝুঁকি সমাধানঃ প্যারামিটার সেটিং অনুকূলিতকরণ, ইএমএ দৈর্ঘ্য সমন্বয়, অপারেশন প্রক্রিয়া সরলীকরণ।
এই কৌশলটি ট্রেডিং সিগন্যাল তৈরি করার জন্য সিদ্ধান্ত গাছের মডেল তৈরি করতে বিভিন্ন সূচক সনাক্তকরণের প্রবণতা ব্যবহার করে। এর সুবিধা হল যে সিগন্যালটি উচ্চমানের, উচ্চ নির্ভুলতা এবং ধীরে ধীরে অপ্টিমাইজ করার জন্য উপযুক্ত। দীর্ঘমেয়াদী স্থিতিশীল রিটার্ন পাওয়ার জন্য ট্রেডিং ঝুঁকি নিয়ন্ত্রণের জন্য প্যারামিটার অপ্টিমাইজেশন এবং স্টপ লস কৌশলগুলিতে মনোযোগ দেওয়া প্রয়োজন।
/*backtest
start: 2024-01-14 00:00:00
end: 2024-01-21 00:00:00
period: 30m
basePeriod: 15m
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/
//@version=5
strategy("Decision Tree Strategy: IMACD, EMA and Ichimoku [cryptoonchain]", overlay=true)
lengthMA = input(34, title="Length MA")
lengthSignal = input(9, title="Length Signal")
conversionPeriods = input.int(9, minval=1, title="Conversion Line Length")
basePeriods = input.int(26, minval=1, title="Base Line Length")
laggingSpan2Periods = input.int(52, minval=1, title="Leading Span B Length")
displacement = input.int(26, minval=1, title="Lagging Span")
emaLength = input(40, title="EMA Length") // Added user-configurable EMA length
calc_smma(src, len) =>
smma = float(na)
smma := na(smma[1]) ? ta.sma(src, len) : (smma[1] * (len - 1) + src) / len
smma
calc_zlema(src, length) =>
ema1 = ta.ema(src, length)
ema2 = ta.ema(ema1, length)
d = ema1 - ema2
ema1 + d
src = ohlc4
hi = calc_smma(high, lengthMA)
lo = calc_smma(low, lengthMA)
mi = calc_zlema(src, lengthMA)
md = (mi > hi) ? (mi - hi) : (mi < lo) ? (mi - lo) : 0
sb = ta.sma(md, lengthSignal)
sh = md - sb
mdc = src > mi ? (src > hi ? color.rgb(128, 255, 0, 26) : color.green) : (src < lo ? color.red : color.orange)
colorCondition = color.rgb(128, 255, 0, 26)
conversionLine = math.avg(ta.lowest(conversionPeriods), ta.highest(conversionPeriods))
baseLine = math.avg(ta.lowest(basePeriods), ta.highest(basePeriods))
leadLine1 = math.avg(conversionLine, baseLine)
leadLine2 = math.avg(ta.lowest(laggingSpan2Periods), ta.highest(laggingSpan2Periods))
// Use user-configurable length for EMA
ema40 = ta.ema(close, emaLength)
ebc = input(false, title="Enable bar colors")
barcolor(ebc ? mdc : na)
conversionLinePlot = plot(conversionLine, color=#2962FF, title="Conversion Line", display=display.none)
baseLinePlot = plot(baseLine, color=#B71C1C, title="Base Line", display=display.none)
laggingSpanPlot = plot(close, offset=-displacement + 1, color=#43A047, title="Lagging Span", display=display.none)
leadLine1Plot = plot(leadLine1, offset=displacement - 1, color=#A5D6A7, title="Leading Span A", display=display.none)
leadLine2Plot = plot(leadLine2, offset=displacement - 1, color=#EF9A9A, title="Leading Span B", display=display.none)
kumoCloudUpperLinePlot = plot(leadLine1 > leadLine2 ? leadLine1 : leadLine2, offset=displacement - 1, title="Kumo Cloud Upper Line", display=display.none)
kumoCloudLowerLinePlot = plot(leadLine1 < leadLine2 ? leadLine1 : leadLine2, offset=displacement - 1, title="Kumo Cloud Lower Line", display=display.none)
fill(kumoCloudUpperLinePlot, kumoCloudLowerLinePlot, color=leadLine1 > leadLine2 ? color.green : color.red)
a = (leadLine1 > leadLine2 ? leadLine1 : leadLine2)
b = (leadLine1 < leadLine2 ? leadLine1 : leadLine2)
if mdc == colorCondition and ema40 > a[displacement - 1]
strategy.entry("Long", strategy.long)
if mdc == color.red and ema40 < b[displacement - 1]
strategy.entry("Short", strategy.short)