মুভিং এভারেজের উপর ভিত্তি করে গড় পুনরুদ্ধারের কৌশল
ChaoZhang
ওভারভিউ
মুভিং এভারেজ রেপ্লাই স্ট্র্যাটেজি একটি খুব সহজ ট্রেডিং কৌশল। এর মূল ধারণার মধ্যে রয়েছে যে, যখন স্বল্পমেয়াদী মুভিং এভারেজ দীর্ঘমেয়াদী মুভিং এভারেজের চেয়ে নির্দিষ্ট শতাংশের নিচে থাকে, তখন মুভিং এভারেজ বেশি হয় এবং যখন দীর্ঘমেয়াদী মুভিং এভারেজ অতিক্রম করে তখন প্লেইন হয়। এই কৌশলটি প্রথমে একটি স্বল্পমেয়াদী এবং একটি দীর্ঘমেয়াদী মুভিং এভারেজ গণনা করে এবং তারপর দুটি মুভিং এভারেজের মধ্যে সম্পর্ক অনুযায়ী ট্রেডিং সিগন্যাল তৈরি করে।
কৌশল নীতি
এই কৌশলটি মূলত দুটি চলমান গড়ের উপর নির্ভর করে, একটি স্বল্পমেয়াদী চলমান গড় এবং একটি দীর্ঘমেয়াদী চলমান গড়। স্বল্পমেয়াদী চলমান গড়ের প্যারামিটারটি হল smallMAPeriod এবং দীর্ঘমেয়াদী চলমান গড়ের প্যারামিটারটি হল bigMAPeriod। কৌশলটি প্রথমে এই দুটি চলমান গড়ের আকারের সম্পর্ক গণনা করে এবং তারপরে দুটি চলমান গড়ের আকারের তুলনা করে।
যখন স্বল্পমেয়াদী চলমান গড়টি দীর্ঘমেয়াদী চলমান গড়ের একটি নির্দিষ্ট শতাংশের নিচে নেমে আসে (%BelowToBuy প্যারামিটার দ্বারা সেট করা হয়), তখন একটি ক্রয় সংকেত উত্পন্ন হয় এবং একটি অতিরিক্ত বাজারজাত করা হয়। যখন স্বল্পমেয়াদী চলমান গড়টি পরবর্তী উত্থান করে এবং দীর্ঘমেয়াদী চলমান গড়টি আবার প্রবেশ করে, তখন একটি বিক্রয় সংকেত উত্পন্ন হয়।
এই কৌশলটি স্বল্পমেয়াদী চলমান গড় এবং দীর্ঘমেয়াদী চলমান গড়ের মধ্যে গড় মূল্যের প্রতিক্রিয়া সুযোগকে ক্যাপচার করে। যখন স্বল্পমেয়াদী চলমান গড় দীর্ঘমেয়াদী চলমান গড়ের চেয়ে কিছুটা কম থাকে, তখন এটি বোঝায় যে সম্পদটি সম্ভবত কম মূল্যায়ন করা হয়েছে এবং গড় মূল্যের প্রত্যাবর্তনের সুযোগ থাকা উচিত, আরও বেশি কিছু করার জন্য একটি রিবাউন্ড মুনাফা পাওয়া যায়।
সামর্থ্য বিশ্লেষণ
চলমান গড়ের সমতুল্য প্রতিক্রিয়া কৌশলটির নিম্নলিখিত সুবিধাগুলি রয়েছেঃ
- সহজ, সহজে বোঝা এবং বাস্তবায়িত
- সংক্ষিপ্ত এবং দীর্ঘমেয়াদী প্রবণতাগুলির টার্ন পয়েন্টগুলিকে ক্যাপচার করে এবং বাজারের গতিবিধিগুলি সঠিকভাবে বিচার করে
- প্যারামিটার সেটিং নমনীয়, আরো ট্রেডিং সিগন্যালের জন্য মুভিং এভারেজ পিরিয়ড এবং ছাড়ের শতাংশ সামঞ্জস্য করে
- পরিমাপ প্রক্রিয়া সহজ, পরিমাণগত লেনদেনের জন্য সিমুলেশন অপ্টিমাইজেশান
সহজ প্যারামিটার অপ্টিমাইজেশনের জন্য এই কৌশলটি বেশ কার্যকর। স্টক, ফরেক্স এবং ক্রিপ্টোকারেন্সির মতো বিভিন্ন মার্কেটপ্লেস সম্পদগুলির জন্য চলমান গড় প্যারামিটার এবং ছাড়ের শতাংশের প্যারামিটারগুলি সামঞ্জস্য করে সেরা প্যারামিটার প্যাকেজটি বাছাই করতে পারে।
ঝুঁকি বিশ্লেষণ
কিন্তু এই কৌশলটির কিছু ঝুঁকিও রয়েছেঃ
- কম সংকেত, কম ট্রেডিং
- দামের বিপরীতমুখী পরিবর্তন ঘটতে পারে
- ভুল প্যারামিটারগুলি বেশি লেনদেনের খরচ এবং স্লাইড পয়েন্টের ক্ষতির কারণ হতে পারে যা খুব ঘন ঘন লেনদেন করে
নিম্নলিখিত উপায়ে ঝুঁকি কমাতে পারেনঃ
- ট্রেডিং সিগন্যালের জন্য উপযুক্ত প্যারামিটারগুলি সামঞ্জস্য করুন
- ব্রেক আউট এবং ব্রেক ইন পদ্ধতি ব্যবহার করে ভুয়া ব্রেক আউট এড়ানো
- অপ্টিমাইজেশান প্যারামিটার সমন্বয়, চলমান গড় সময়কাল এবং ছাড়ের শতাংশ নির্বাচন করুন
অপ্টিমাইজেশান দিক
চলমান গড়ের গড় প্রতিক্রিয়া কৌশলটি নিম্নলিখিত দিকগুলি থেকে অপ্টিমাইজ করা যেতে পারেঃ
- কৌশলগত সংকেত হিসাবে বিভিন্ন মূল্যের তথ্য যেমন বন্ধের মূল্য, সর্বোচ্চ মূল্য, সর্বনিম্ন মূল্য এবং আদর্শ মূল্য পরীক্ষা করা
- বিভিন্ন ধরনের মুভিং এভারেজ ব্যবহার করে দেখুন যেমন ইন্ডেক্সাল মুভিং এভারেজ, লিনিয়ার ওয়েটেড মুভিং এভারেজ, হুল মুভিং এভারেজ ইত্যাদি।
- অ-প্রবণতা বাজারে অপ্রয়োজনীয় লেনদেন এড়াতে ফিল্টারিং শর্ত বাড়ানো
- মূল্যবৃদ্ধি এড়ানোর জন্য ভুয়া ব্রেকডাউনের সাথে লেনদেনের পরিমাণের সূচক যুক্ত করুন
- মেশিন লার্নিং বা জেনেটিক্যাল অ্যালগরিদম ব্যবহার করে স্বয়ংক্রিয়ভাবে প্যারামিটারগুলি অপ্টিমাইজ করুন
সারসংক্ষেপ
মুভিং এভারেজ সমান্তরাল প্রতিক্রিয়া কৌশলটি স্বল্পমেয়াদী এবং দীর্ঘমেয়াদী দুটি মুভিং এভারেজের সম্পর্কের তুলনা করে দীর্ঘমেয়াদী প্রবণতা থেকে স্বল্পমেয়াদী দামের বিচ্যুতির পরে প্রত্যাবর্তনের সুযোগকে ক্যাপচার করে। এই কৌশলটির ধারণাগুলি সহজ, সহজেই বোঝা যায় এবং বাস্তবায়ন করা যায়, প্যারামিটার অপ্টিমাইজেশনের মাধ্যমে আরও ভাল ফলাফল পাওয়া যায়। তবে কম ট্রেডিং সিগন্যালের ঝুঁকি রয়েছে, দামের ঘূর্ণনগুলি মিস করা সহজ, প্যারামিটার এবং ফিল্টারিংয়ের শর্তগুলির পরীক্ষা এবং অপ্টিমাইজেশন প্রয়োজন, যাতে কৌশলটির উপার্জন সর্বাধিক করা যায়।
/*backtest
start: 2023-02-20 00:00:00
end: 2024-02-26 00:00:00
period: 1d
basePeriod: 1h
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/
// @version=4
//
// This source code is subject to the terms of the Mozilla Public License 2.0 at https://mozilla.org/MPL/2.0/
//
// @author Sunil Halai
//
// This very simple strategy is an implementation of PJ Sutherlands' Jaws Mean reversion algorithm. It simply buys when a small moving average period (e.g. 2) is below
// a longer moving average period (e.g. 5) by a certain percentage, and closes when the small period average crosses over the longer moving average.
//
// If you are going to use this, you may wish to apply this to a range of investment assets, as the amount signals is low. Alternatively you may wish to tweak the settings to provide more
// signals.
strategy("Jaws Mean Reversion [Strategy]", overlay = true)
//Strategy inputs
source = input(title = "Source", defval = close)
smallMAPeriod = input(title = "Small Moving Average", defval = 2)
bigMAPeriod = input(title = "Big Moving Average", defval = 5)
percentBelowToBuy = input(title = "Percent below to buy %", defval = 3)
//Strategy calculation
smallMA = sma(source, smallMAPeriod)
bigMA = sma(source, bigMAPeriod)
buyMA = ((100 - percentBelowToBuy) / 100) * sma(source, bigMAPeriod)[0]
if(crossunder(smallMA, buyMA))
strategy.entry("BUY", strategy.long)
if(crossover(smallMA, bigMA))
strategy.close("BUY")