পরিমাণগত ট্রেডিং কৌশল অনুসরণ করে গতিশীল গ্রিড প্রবণতা
ChaoZhang
ওভারভিউ
এটি একটি উন্নত গতিশীল গ্রিড ট্রেন্ড ট্র্যাকিং কোয়ান্টাম ট্রেডিং কৌশল। এই কৌশলটির মূল ধারণাটি হল পূর্ব নির্ধারিত মূল্যের মধ্যে একাধিক গ্রিড লাইন ভাগ করা এবং যখন দামগুলি গ্রিড লাইন স্পর্শ করে তখন স্বয়ংক্রিয়ভাবে পজিশন কেনা বা পজিশন বিক্রয় করা হয়, যার ফলে ঝড়ের পরিস্থিতিতে লাভ হয়। এই কৌশলটিতে গতিশীলভাবে গ্রিড লাইনের অবস্থান সামঞ্জস্য করার ক্ষমতাও রয়েছে এবং সাম্প্রতিক মূল্যের গতির উপর ভিত্তি করে গ্রিডের বিন্যাসকে স্বয়ংক্রিয়ভাবে অনুকূলিত করতে পারে।
কৌশল নীতি
এই কৌশলটির মূল নীতিগুলি হলঃ
প্রথমত, ব্যবহারকারীর সেটিং অনুযায়ী গ্রিডের উপরের এবং নীচের সীমানা এবং গ্রিডের লাইনের সংখ্যা নির্ধারণ করুন। সীমানাটি একটি নির্দিষ্ট মান হতে পারে বা সাম্প্রতিক উচ্চ-নিম্ন বা চলমান গড়ের ভিত্তিতে স্বয়ংক্রিয়ভাবে গণনা করা যেতে পারে।
নির্ধারিত সীমানার মধ্যে, মূল্যের ব্যাপ্তিকে বেশ কয়েকটি গ্রিডে বিভক্ত করুন। প্রতিটি গ্রিড লাইন একটি ক্রয় বা বিক্রয়ের মূল্যের সাথে সম্পর্কিত।
যখনই কোন মূল্য গ্রিড লাইন স্পর্শ করে, তখনই কৌশলটি পরীক্ষা করে যে সেই গ্রিড লাইনের সাথে সম্পর্কিত কোন পজিশন ইতিমধ্যে রয়েছে কিনা। যদি না থাকে তবে পজিশনটি কেনা হয় এবং যদি থাকে তবে পজিশনটি বিক্রি হয়।
এই কৌশলটি মূল্যের অস্থিরতার সময় লাভের জন্য ব্যবহৃত হয়, যখন আপনি তুলনামূলকভাবে উচ্চ দামে বিক্রি করেন এবং নিম্ন দামে ক্রয় করেন।
একই সময়ে, যদি ব্যবহারকারী স্বয়ংক্রিয় সীমানা সমন্বয় ফাংশন সক্ষম করে, তাহলে গ্রিড লাইনের অবস্থানটি সাম্প্রতিক মূল্যের উচ্চ-নিম্ন পয়েন্ট বা সেট করা চলমান গড়ের উপর ভিত্তি করে গ্রিডের বিন্যাসকে অনুকূলিত করার জন্য স্বয়ংক্রিয়ভাবে সামঞ্জস্য করা হবে।
উপরোক্ত নীতির মাধ্যমে, এই কৌশলটি স্বয়ংক্রিয়ভাবে দামের অস্থিরতার মধ্যে স্বয়ংক্রিয়ভাবে কম এবং উচ্চ বিক্রয় করতে সক্ষম হয় এবং প্রবণতা অনুসারে সুবিধা গ্রহণ করে, যার ফলে সামগ্রিক আয় বৃদ্ধি পায়।
সামর্থ্য বিশ্লেষণ
ডায়নামিক গ্রিড কৌশল নিম্নলিখিত সুবিধাগুলি প্রদান করেঃ
দৃঢ় অভিযোজনযোগ্যতা। এটি বিভিন্ন বাজার এবং জাতের সাথে প্যারামিটার সেট করে অভিযোজিত হতে পারে, ঝড়ের পরিস্থিতিতে ভাল অভিযোজনযোগ্যতা রয়েছে।
স্বয়ংক্রিয়তার উচ্চ মাত্রা। কৌশলটি কঠোর গাণিতিক যুক্তির উপর ভিত্তি করে, পজিশনটি পরিষ্কারভাবে স্থির করা হয়েছে, তাই সম্পূর্ণ স্বয়ংক্রিয় লেনদেন সম্ভব, যা বিষয়গত আবেগের হস্তক্ষেপকে হ্রাস করে।
ঝুঁকি নিয়ন্ত্রণযোগ্য। গ্রিডের সংখ্যা, গ্রিডের সীমানা ইত্যাদির মতো প্যারামিটারগুলি সেট করে, প্রতিটি লেনদেনের ঝুঁকি ফাঁককে কার্যকরভাবে নিয়ন্ত্রণ করা যায়, যার ফলে সামগ্রিক ঝুঁকি গ্রহণযোগ্য সীমার মধ্যে রাখা যায়।
প্রবণতা অভিযোজনযোগ্যতা: কৌশলটিতে গতিশীলভাবে গ্রিডের সীমানা সামঞ্জস্য করার বৈশিষ্ট্য যুক্ত করা হয়েছে, যা গ্রিডকে মূল্যের প্রবণতা অনুসরণ করতে এবং অনুকূলিতকরণ করতে সক্ষম করে, যা প্রবণতার পরিস্থিতিতে লাভজনকতা বাড়ায়।
বিজয়ী হার স্থিতিশীল। যেহেতু নেট ট্রেডিং মূলত দামের অস্থিরতার মধ্যে প্রায়শই উচ্চ ও নিচে চলে যায়, তাই এই কৌশলটি দীর্ঘমেয়াদে উচ্চতর বিজয়ী হারের সাথে লাভজনক হতে পারে যতক্ষণ না দামের অস্থিরতা বজায় থাকে।
ঝুঁকি বিশ্লেষণ
যদিও এই কৌশলটির সুবিধাগুলি সুস্পষ্ট, তবে এর সাথে কিছু ঝুঁকিও রয়েছেঃ
প্রবণতা ঝুঁকি এই কৌশলটির জন্য লাভের স্থান সীমিত হবে এবং যদি শক্তিশালী একতরফা প্রবণতা গ্রিডের সীমানা অতিক্রম করে তবে এটি একটি বড় প্রত্যাহারের মুখোমুখি হতে পারে
প্যারামিটার অপ্টিমাইজেশান কঠিন। এই কৌশলটি অনেক প্যারামিটার রয়েছে, যার মধ্যে রয়েছে গ্রিডের সংখ্যা, প্রাথমিক সীমানা, গতিশীল সীমানা প্যারামিটার ইত্যাদি। বিভিন্ন প্যারামিটার সংমিশ্রণ কৌশলটির কার্যকারিতা প্রভাবিত করে এবং প্রকৃত অপ্টিমাইজেশনের অসুবিধা কম নয়।
ঘন ঘন লেনদেন গ্রিড কৌশলটি মূলত একটি উচ্চ-ফ্রিকোয়েন্সি কৌশল, যা খুব ঘন ঘন পজিশনিং এবং পজিশনিং করে, যার অর্থ উচ্চ লেনদেনের ব্যয় এবং সম্ভাব্য স্লাইড পয়েন্ট ঝুঁকি
এই কৌশলটি বাজারের উপর নির্ভরশীল। এই কৌশলটি অস্থিরতার উপর নির্ভরশীল, এবং যদি দাম দ্রুত একতরফা প্রবণতা প্রবেশ করে তবে এই কৌশলটি সম্ভবত একটি বড় প্রত্যাহারের মুখোমুখি হবে।
এই ঝুঁকিগুলির জন্য, নিম্নলিখিত দিকগুলি থেকে উন্নতি করা যেতে পারেঃ কৌশল চালু করার জন্য ফিল্টারিং শর্ত হিসাবে প্রবণতা বিচারক সূচক যুক্ত করা, প্যারামিটার অনুসন্ধান স্থান এবং পদ্ধতিগুলি অনুকূলিতকরণ, তহবিল পরিচালনা এবং পজিশন নিয়ন্ত্রণের লজিক প্রবর্তন করা, প্রবণতা বিরতি পজিশন লজিক যুক্ত করা ইত্যাদি। এই অপ্টিমাইজেশনের মাধ্যমে, কৌশলটির স্থিতিশীলতা এবং লাভজনকতা আরও বাড়ানো যেতে পারে।
অপ্টিমাইজেশান দিক
উপরোক্ত বিশ্লেষণের ভিত্তিতে, এই কৌশলটি নিম্নলিখিত দিকগুলিকে অনুকূলিতকরণ করতে পারেঃ
প্রবণতা ফিল্টার শর্তগুলি প্রবর্তন করুন। কৌশলটি শুরু করার আগে প্রবণতা নির্ধারণের সূচকগুলি যুক্ত করুন, যেমন মুভিং এভারেজ, এডিএক্স ইত্যাদি। কেবলমাত্র ঝড়ের পরিস্থিতিতে কৌশলটি শুরু করুন এবং প্রবণতার পরিস্থিতিতে অপেক্ষা করুন, যাতে প্রবণতার পরিস্থিতিতে প্রত্যাহারের ঝুঁকি কার্যকরভাবে এড়ানো যায়।
প্যারামিটার অনুসন্ধান অপ্টিমাইজ করুন। বুদ্ধিমান অ্যালগরিদম ব্যবহার করে গ্রিডের প্যারামিটারগুলি অপ্টিমাইজ করুন, যেমন জেনেটিক অ্যালগরিদম, কণা গ্রুপ অ্যালগরিদম ইত্যাদি, যাতে স্বয়ংক্রিয়ভাবে সর্বোত্তম প্যারামিটার সমন্বয় খুঁজে পাওয়া যায়, অপ্টিমাইজেশনের দক্ষতা এবং গুণমান উন্নত করা যায়।
ঝুঁকি নিয়ন্ত্রণের আরও লজিক যুক্ত করুন। কৌশলটিতে আরও ঝুঁকি নিয়ন্ত্রণের লজিক যুক্ত করুন, যেমন দামের অস্থিরতার গতিশীলতা অনুসারে গ্রিডের প্রস্থটি সামঞ্জস্য করুন, সর্বোচ্চ প্রত্যাহারের থ্রেশহোল্ডটি সমতল অবস্থার জন্য ট্রিগার করুন, ইত্যাদি, যাতে ঝুঁকি আরও ভালভাবে নিয়ন্ত্রণ করা যায়।
প্রবণতা থামানো। প্রবণতাটি একটি নির্দিষ্ট অনুপাতের সাথে একটি স্টপ লিন্ডকে অতিক্রম করে, যেমন গ্রিডের সীমানা, যখন দামটি স্টপ লিন্ডকে অতিক্রম করে তখন পুরো পজিশনটি বন্ধ করে দেয়, প্রবণতার পরিস্থিতিতে একটি বিশাল প্রত্যাবর্তন এড়াতে।
লেনদেন কার্যকরকরণ অপ্টিমাইজ করুন লেনদেন কার্যকরকরণের স্তরগুলিকে অপ্টিমাইজ করুন, যেমন আরও উন্নত শর্তাদি এবং অর্ডার অ্যালগরিদম ব্যবহার করে লেনদেনের ঘনত্ব এবং ব্যয় হ্রাস করুন এবং কার্যকরকরণের দক্ষতা বাড়ান
উপরের অপ্টিমাইজেশানগুলি এই কৌশলটির অভিযোজনযোগ্যতা, স্থিতিশীলতা এবং লাভজনকতাকে আরও উন্নত করতে পারে, যা এটিকে বাস্তব চাহিদার আরও কাছাকাছি করে তোলে।
সারসংক্ষেপ
সামগ্রিকভাবে বলতে গেলে, এই গতিশীল গ্রিড ট্রেন্ড ট্র্যাকিং কৌশলটি একটি গ্রিড ট্রেডিং নীতির উপর ভিত্তি করে একটি মাঝারি এবং উচ্চ-ফ্রিকোয়েন্সি পরিমাণযুক্ত ট্রেডিং কৌশল যা গতিশীল সমন্বয় এবং প্রবণতা অভিযোজন প্রক্রিয়াকে অন্তর্ভুক্ত করে। এর সুবিধাগুলি হ’ল দৃ strong় অভিযোজনযোগ্যতা, স্বয়ংক্রিয়তার উচ্চ ডিগ্রি, ঝুঁকি নিয়ন্ত্রণযোগ্য, প্রবণতা অভিযোজনযোগ্যতা, বিজয়ী স্থিতিশীলতা ইত্যাদি, তবে একই সাথে প্রবণতা ঝুঁকি, প্যারামিটার অপ্টিমাইজ করার অসুবিধা, ঘন ঘন ট্রেডিং, পরিস্থিতির উপর নির্ভরশীলতা ইত্যাদির মতো শক্তিশালী ঝুঁকি রয়েছে। এই সমস্যাগুলির জন্য, কৌশলটির সামগ্রিক কার্যকারিতা উন্নত করতে প্রবণতা ফিল্টারিং, প্যারামিটার অপ্টিমাইজেশন, ঝুঁকি নিয়ন্ত্রণ বৃদ্ধি, প্রবণতা ক্ষতি থামানো এবং ট্রেডিং অপ্টিমাইজেশন ইত্যাদির মাধ্যমে কৌশলটির সামগ্রিক কার্যকারিতা উন্নত করা যেতে পারে।
গ্রিড ট্রেডিং ধারণাটি নিজেই একটি তুলনামূলকভাবে পরিপক্ক এবং ব্যবহারিক পরিমাণের পদ্ধতি, কৌশলটির গতিশীল অপ্টিমাইজেশন এবং প্রবণতা অভিযোজন যন্ত্রের সংযোজন দ্বারা, ক্লাসিক গ্রিড ট্রেডিংয়ের সুবিধাগুলি প্রসারিত এবং বিকাশ করা হয়েছে। এটি বিনিয়োগকারীদের জন্য একটি নতুন পরিমাণে ট্রেডিং ধারণা এবং সম্ভাবনা প্রদান করে। আরও অপ্টিমাইজেশন এবং উন্নতি করার পরে, কৌশলটি একটি দুর্দান্ত উচ্চ-মাঝারি পরিমাণে ট্রেডিং সরঞ্জাম হওয়ার সম্ভাবনা রয়েছে।
/*backtest
start: 2024-03-01 00:00:00
end: 2024-03-21 00:00:00
period: 1h
basePeriod: 15m
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/
//@version=4
strategy("(IK) Grid Script", overlay=true, pyramiding=14, close_entries_rule="ANY", default_qty_type=strategy.cash, initial_capital=100.0, currency="USD", commission_type=strategy.commission.percent, commission_value=0.1)
i_autoBounds = input(group="Grid Bounds", title="Use Auto Bounds?", defval=true, type=input.bool) // calculate upper and lower bound of the grid automatically? This will theorhetically be less profitable, but will certainly require less attention
i_boundSrc = input(group="Grid Bounds", title="(Auto) Bound Source", defval="Hi & Low", options=["Hi & Low", "Average"]) // should bounds of the auto grid be calculated from recent High & Low, or from a Simple Moving Average
i_boundLookback = input(group="Grid Bounds", title="(Auto) Bound Lookback", defval=250, type=input.integer, maxval=500, minval=0) // when calculating auto grid bounds, how far back should we look for a High & Low, or what should the length be of our sma
i_boundDev = input(group="Grid Bounds", title="(Auto) Bound Deviation", defval=0.10, type=input.float, maxval=1, minval=-1) // if sourcing auto bounds from High & Low, this percentage will (positive) widen or (negative) narrow the bound limits. If sourcing from Average, this is the deviation (up and down) from the sma, and CANNOT be negative.
i_upperBound = input(group="Grid Bounds", title="(Manual) Upper Boundry", defval=0.285, type=input.float) // for manual grid bounds only. The upperbound price of your grid
i_lowerBound = input(group="Grid Bounds", title="(Manual) Lower Boundry", defval=0.225, type=input.float) // for manual grid bounds only. The lowerbound price of your grid.
i_gridQty = input(group="Grid Lines", title="Grid Line Quantity", defval=8, maxval=15, minval=3, type=input.integer) // how many grid lines are in your grid
f_getGridBounds(_bs, _bl, _bd, _up) =>
if _bs == "Hi & Low"
_up ? highest(close, _bl) * (1 + _bd) : lowest(close, _bl) * (1 - _bd)
else
avg = sma(close, _bl)
_up ? avg * (1 + _bd) : avg * (1 - _bd)
f_buildGrid(_lb, _gw, _gq) =>
gridArr = array.new_float(0)
for i=0 to _gq-1
array.push(gridArr, _lb+(_gw*i))
gridArr
f_getNearGridLines(_gridArr, _price) =>
arr = array.new_int(3)
for i = 0 to array.size(_gridArr)-1
if array.get(_gridArr, i) > _price
array.set(arr, 0, i == array.size(_gridArr)-1 ? i : i+1)
array.set(arr, 1, i == 0 ? i : i-1)
break
arr
var upperBound = i_autoBounds ? f_getGridBounds(i_boundSrc, i_boundLookback, i_boundDev, true) : i_upperBound // upperbound of our grid
var lowerBound = i_autoBounds ? f_getGridBounds(i_boundSrc, i_boundLookback, i_boundDev, false) : i_lowerBound // lowerbound of our grid
var gridWidth = (upperBound - lowerBound)/(i_gridQty-1) // space between lines in our grid
var gridLineArr = f_buildGrid(lowerBound, gridWidth, i_gridQty) // an array of prices that correspond to our grid lines
var orderArr = array.new_bool(i_gridQty, false) // a boolean array that indicates if there is an open order corresponding to each grid line
var closeLineArr = f_getNearGridLines(gridLineArr, close) // for plotting purposes - an array of 2 indices that correspond to grid lines near price
var nearTopGridLine = array.get(closeLineArr, 0) // for plotting purposes - the index (in our grid line array) of the closest grid line above current price
var nearBotGridLine = array.get(closeLineArr, 1) // for plotting purposes - the index (in our grid line array) of the closest grid line below current price
strategy.initial_capital = 50000
for i = 0 to (array.size(gridLineArr) - 1)
if close < array.get(gridLineArr, i) and not array.get(orderArr, i) and i < (array.size(gridLineArr) - 1)
buyId = i
array.set(orderArr, buyId, true)
strategy.entry(id=tostring(buyId), long=true, qty=(strategy.initial_capital/(i_gridQty-1))/close, comment="#"+tostring(buyId))
if close > array.get(gridLineArr, i) and i != 0
if array.get(orderArr, i-1)
sellId = i-1
array.set(orderArr, sellId, false)
strategy.close(id=tostring(sellId), comment="#"+tostring(sellId))
if i_autoBounds
upperBound := f_getGridBounds(i_boundSrc, i_boundLookback, i_boundDev, true)
lowerBound := f_getGridBounds(i_boundSrc, i_boundLookback, i_boundDev, false)
gridWidth := (upperBound - lowerBound)/(i_gridQty-1)
gridLineArr := f_buildGrid(lowerBound, gridWidth, i_gridQty)
closeLineArr := f_getNearGridLines(gridLineArr, close)
nearTopGridLine := array.get(closeLineArr, 0)
nearBotGridLine := array.get(closeLineArr, 1)