ডায়নামিক গ্রিড ট্রেন্ড অনুসরণকারী পরিমাণগত ট্রেডিং কৌশল

লেখক:চাওঝাং, তারিখঃ ২০২৪-০৩-২২ ১৬ঃ০৩ঃ০৯
ট্যাগঃ

সারসংক্ষেপ

এটি একটি উন্নত গতিশীল গ্রিড ট্রেডিং কৌশল। এই কৌশলটির মূল ধারণা হ'ল একটি পূর্বনির্ধারিত মূল্য পরিসরের মধ্যে একাধিক গ্রিড লাইন বিভক্ত করা এবং দাম যখন গ্রিড লাইনে আঘাত করে এবং বিক্রয় করার সময় স্বয়ংক্রিয়ভাবে অবস্থানগুলি বন্ধ করে দেয়, এইভাবে বাজারের ওঠানামা থেকে লাভবান হয়। একই সাথে, এই কৌশলটির গ্রিড লাইনের অবস্থানকে গতিশীলভাবে সামঞ্জস্য করার কার্যকারিতা রয়েছে, যা সাম্প্রতিক মূল্য প্রবণতা অনুসারে অভিযোজিতভাবে গ্রিড লেআউটটি অনুকূল করতে পারে।

কৌশল নীতি

এই কৌশলটির মূল নীতিগুলি নিম্নরূপঃ

প্রথমত, ব্যবহারকারীর সেটিংসের উপর ভিত্তি করে গ্রিডের উপরের এবং নীচের সীমানা এবং গ্রিড লাইনের সংখ্যা নির্ধারণ করুন। সীমানা স্থির মান হতে পারে বা সাম্প্রতিক উচ্চ এবং নিম্ন বা চলমান গড়ের উপর ভিত্তি করে স্বয়ংক্রিয়ভাবে গণনা করা যেতে পারে।
নির্ধারিত সীমানার মধ্যে, মূল্য পরিসীমা বিভিন্ন গ্রিডে বিভক্ত করুন। প্রতিটি গ্রিড লাইন একটি কিনুন বা বিক্রয় মূল্যের সাথে মিলে যায়।
যখন মূল্য প্রতিটি গ্রিড লাইনে পৌঁছায়, তখন কৌশলটি পরীক্ষা করবে যে গ্রিড লাইনের সাথে সম্পর্কিত অবস্থানটি ইতিমধ্যে অনুষ্ঠিত হয়েছে কিনা। যদি তা না হয় তবে এটি একটি অবস্থান খুলবে এবং কিনবে, যদি তা হয় তবে এটি অবস্থানটি বন্ধ করবে এবং বিক্রি করবে।
তুলনামূলকভাবে উচ্চ পজিশনে বিক্রি করে এবং কম পজিশনে কেনার মাধ্যমে, কৌশলটি দামের ওঠানামা করার সময় ক্রমাগত মুনাফা অর্জন করতে পারে।
একই সময়ে, যদি ব্যবহারকারী স্বয়ংক্রিয় সীমানা সমন্বয় ফাংশনটি সক্ষম করে, গ্রিড লেআউটটি অনুকূল করার জন্য সাম্প্রতিক মূল্যের সর্বোচ্চ এবং সর্বনিম্ন বা সেট চলমান গড় অনুযায়ী গ্রিড লাইনের অবস্থানটি অভিযোজিতভাবে সামঞ্জস্য করা হবে।

উপরোক্ত নীতিগুলির মাধ্যমে, এই কৌশলটি দামের প্রবণতা পরিবর্তনের সময় স্বয়ংক্রিয়ভাবে কম ক্রয় এবং উচ্চ বিক্রয় অর্জন করতে পারে এবং প্রবণতা অনুসারে মুনাফা পয়েন্টগুলি সামঞ্জস্য করতে পারে, যার ফলে সামগ্রিক রিটার্নগুলি উন্নত হয়।

সুবিধা বিশ্লেষণ

এই গতিশীল গ্রিড কৌশল নিম্নলিখিত সুবিধা আছেঃ

শক্তিশালী অভিযোজনযোগ্যতা। এটি প্যারামিটার সেটিংসের মাধ্যমে বিভিন্ন বাজার এবং জাতের সাথে খাপ খাইয়ে নিতে পারে এবং বাজারের ওঠানামা করার জন্য ভাল অভিযোজনযোগ্যতা রয়েছে।
স্বয়ংক্রিয়তার উচ্চ মাত্রা। যেহেতু কৌশলটি কঠোর গাণিতিক যুক্তি এবং স্পষ্ট অবস্থান খোলার এবং বন্ধের পয়েন্টের উপর ভিত্তি করে, এটি সম্পূর্ণ স্বয়ংক্রিয় ট্রেডিং অর্জন করতে পারে এবং স্বতন্ত্র মানসিক হস্তক্ষেপ হ্রাস করতে পারে।
নিয়ন্ত্রিত ঝুঁকিঃ গ্রিডের সংখ্যা এবং গ্রিডের সীমানার মতো পরামিতি নির্ধারণ করে, প্রতিটি লেনদেনের ঝুঁকি ঝুঁকি কার্যকরভাবে নিয়ন্ত্রণ করা যেতে পারে, যার ফলে সামগ্রিক ঝুঁকি গ্রহণযোগ্য পরিসরের মধ্যে বজায় রাখা যায়।
প্রবণতা অভিযোজনযোগ্যতা। গ্রিডের সীমানা গতিশীলভাবে সামঞ্জস্য করার ফাংশনটি কৌশলটিতে যুক্ত করা হয়, যাতে গ্রিড মূল্যের প্রবণতা অনুসরণ করতে পারে এবং অনুকূলিত করা যায়, ট্রেন্ড মার্কেটে লাভজনকতা উন্নত করে।
স্থিতিশীল জয়ের হার। যেহেতু গ্রিড ট্রেডিং মূলত দামের ওঠানামাতে ঘন ঘন উচ্চ-থ্রো এবং নিম্ন-সাকশন, যতক্ষণ দামের ওঠানামা বজায় থাকে, এই কৌশলটি মুনাফা অব্যাহত রাখতে পারে, তাই এটি দীর্ঘমেয়াদে একটি উচ্চ জয়ের হার রয়েছে।

ঝুঁকি বিশ্লেষণ

যদিও এই কৌশলটির সুস্পষ্ট সুবিধা রয়েছে, তবে এর সাথে কিছু ঝুঁকিও রয়েছেঃ

প্রবণতা ঝুঁকিঃ যদি মূল্য একটি শক্তিশালী একতরফা প্রবণতা সঙ্গে গ্রিড সীমানা মাধ্যমে বিরতি, এই কৌশল মুনাফা স্থান সীমিত হবে এবং এটি একটি বড় retracement সম্মুখীন হতে পারে।
প্যারামিটার অপ্টিমাইজেশনের অসুবিধা। এই কৌশলটিতে গ্রিডের সংখ্যা, প্রাথমিক সীমানা, গতিশীল সীমানা প্যারামিটার ইত্যাদি সহ অনেকগুলি প্যারামিটার রয়েছে। বিভিন্ন প্যারামিটার সংমিশ্রণের কৌশল কার্যকারিতায় দুর্দান্ত প্রভাব রয়েছে এবং প্রকৃত অপ্টিমাইজেশনের অসুবিধা ছোট নয়।
ঘন ঘন লেনদেন। গ্রিড কৌশল মূলত একটি উচ্চ-ফ্রিকোয়েন্সি কৌশল, খুব ঘন ঘন পজিশন খোলার এবং বন্ধের সাথে, যার অর্থ উচ্চতর লেনদেনের ব্যয় এবং সম্ভাব্য স্লিপিং ঝুঁকি।
বাজারের অবস্থার উপর দৃ strong় নির্ভরতা। এই কৌশলটি ওঠানামা বাজারের উপর অত্যন্ত নির্ভরশীল। একবার দাম দ্রুত একতরফা প্রবণতায় প্রবেশ করলে, এই কৌশলটি একটি বড় পুনরুদ্ধারের মুখোমুখি হতে পারে।

এই ঝুঁকিগুলির প্রেক্ষিতে, নিম্নলিখিত দিকগুলি থেকে উন্নতি করা যেতে পারেঃ কৌশল শুরু করার জন্য ফিল্টার শর্ত হিসাবে প্রবণতা বিচার সূচক যুক্ত করা, প্যারামিটার অনুসন্ধান স্থান এবং পদ্ধতিগুলি অনুকূল করা, তহবিল পরিচালনা এবং অবস্থান নিয়ন্ত্রণের যুক্তি প্রবর্তন করা, প্রবণতা অগ্রগতি বন্ধের যুক্তি বৃদ্ধি করা ইত্যাদি। এই অপ্টিমাইজেশনের মাধ্যমে এই কৌশলটির দৃust়তা এবং লাভজনকতা আরও উন্নত করা যেতে পারে।

অপ্টিমাইজেশান দিক

উপরের বিশ্লেষণের ভিত্তিতে, এই কৌশলটির অপ্টিমাইজেশান দিকগুলি প্রধানত নিম্নলিখিতগুলি অন্তর্ভুক্ত করেঃ

প্রবণতা ফিল্টারিং শর্তাবলী প্রবর্তন করুন। কৌশল শুরু করার আগে প্রবণতা বিচার সূচক যোগ করুন, যেমন চলমান গড়, এডিএক্স, ইত্যাদি। কেবলমাত্র বাজারের অবস্থার পরিবর্তনের সময় কৌশলটি শুরু করুন এবং প্রবণতা বাজারে পর্যবেক্ষণ চালিয়ে যান যাতে প্রবণতা বাজারে পুনরুদ্ধারের ঝুঁকি কার্যকরভাবে এড়ানো যায়।
প্যারামিটার অনুসন্ধান অনুকূল করুন। স্বয়ংক্রিয়ভাবে সর্বোত্তম প্যারামিটার সংমিশ্রণ খুঁজে পেতে এবং অপ্টিমাইজেশান দক্ষতা এবং গুণমান উন্নত করতে জেনেটিক অ্যালগরিদম, কণা ঘাঁটি অ্যালগরিদম ইত্যাদির মতো গ্রিড প্যারামিটারগুলি অনুকূল করতে বুদ্ধিমান অ্যালগরিদম ব্যবহার করুন।
ঝুঁকি নিয়ন্ত্রণের যুক্তি উন্নত করুন। কৌশলটিতে আরও ঝুঁকি নিয়ন্ত্রণের যুক্তি যুক্ত করুন, যেমন দামের অস্থিরতার ভিত্তিতে গ্রিডের প্রস্থকে গতিশীলভাবে সামঞ্জস্য করা, বন্ধ করার জন্য সর্বাধিক পুনর্নির্মাণের থ্রেশহোল্ড সেট করা ইত্যাদি, ঝুঁকিগুলি আরও ভালভাবে নিয়ন্ত্রণ করতে।
প্রবণতা স্টপ লস প্রবর্তন করুন। একটি প্রবণতা বিরতি স্টপ লস লাইন সেট করুন, যেমন গ্রিডের সীমানার একটি নির্দিষ্ট শতাংশ। একবার মূল্য স্টপ লস লাইনটি ভেঙে গেলে, প্রবণতা বাজারে বিশাল পুনরুদ্ধার এড়ানোর জন্য সমস্ত অবস্থান বন্ধ করুন।
লেনদেনের কার্যকরকরণ অনুকূল করুন লেনদেনের কার্যকরকরণ লিঙ্কটি অনুকূল করুন, যেমন আরও উন্নত অর্ডার প্রকার এবং অর্ডার অ্যালগরিদম গ্রহণ করা, লেনদেনের ফ্রিকোয়েন্সি এবং ব্যয় হ্রাস করা এবং কার্যকরকরণের দক্ষতা উন্নত করা।

উপরের অপ্টিমাইজেশনের মাধ্যমে, এই কৌশলটির অভিযোজনযোগ্যতা, স্থিতিশীলতা এবং লাভজনকতা ব্যাপকভাবে উন্নত করা যেতে পারে, যা এটিকে প্রকৃত ব্যবসায়ের প্রয়োজনের নিকটবর্তী করে তোলে।

সংক্ষিপ্তসার

সাধারণভাবে, এই গতিশীল গ্রিড ট্রেডিং কৌশলটি গ্রিড ট্রেডিং নীতির উপর ভিত্তি করে একটি মাঝারি থেকে উচ্চ ফ্রিকোয়েন্সির পরিমাণগত ট্রেডিং কৌশল, এবং গতিশীল সমন্বয় এবং প্রবণতা অভিযোজন প্রক্রিয়াগুলিকে একীভূত করে। এর সুবিধাগুলি শক্তিশালী অভিযোজনযোগ্যতা, স্বয়ংক্রিয়তার উচ্চ ডিগ্রি, নিয়ন্ত্রিত ঝুঁকি, ভাল প্রবণতা অভিযোজনযোগ্যতা এবং স্থিতিশীল জয় হার। একই সাথে, এটিতে প্রবণতা ঝুঁকি, পরামিতি অপ্টিমাইজেশনের অসুবিধা, ঘন ঘন ট্রেডিং এবং বাজারের অবস্থার উপর শক্তিশালী নির্ভরশীলতার মতো ঝুঁকি রয়েছে। এই সমস্যাগুলি বিবেচনা করে, কৌশলটির সামগ্রিক কর্মক্ষমতা উন্নত করতে প্রবণতা ফিল্টারিং, পরামিতি অপ্টিমাইজেশন, ঝুঁকি বর্ধন, প্রবণতা স্টপ লস নিয়ন্ত্রণ, লেনদেনের অপ্টিমাইজেশন এবং অন্যান্য দিক থেকে উন্নতি করা যেতে পারে।

গ্রিড ট্রেডিংয়ের ধারণাটি নিজেই একটি তুলনামূলকভাবে পরিপক্ক এবং ব্যবহারিক পরিমাণগত পদ্ধতি। এই কৌশলটিতে গতিশীল অপ্টিমাইজেশন এবং প্রবণতা অভিযোজন প্রক্রিয়া যুক্ত করার মাধ্যমে, ক্লাসিক গ্রিড ট্রেডিংয়ের সুবিধাগুলি প্রসারিত এবং বিকাশ করা হয়েছে। এটি বিনিয়োগকারীদের একটি নতুন পরিমাণগত ট্রেডিং ধারণা এবং পরিবর্তিত বাজারে সম্ভাবনা সরবরাহ করে। আরও অপ্টিমাইজেশন এবং উন্নতির সাথে, এই কৌশলটি একটি দুর্দান্ত মাঝারি থেকে উচ্চ ফ্রিকোয়েন্সি পরিমাণগত ট্রেডিং সরঞ্জাম হয়ে উঠবে বলে আশা করা হচ্ছে।

/*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)

আরো

2019 FMZ - সমস্ত অধিকার সংরক্ষিত