ChaoZhang
ওভারভিউ
এই কৌশলটি একটি ট্রেডিং কৌশল যা স্টোক্যাস্টিক স্লো ওসিলিয়েটরের উপর ভিত্তি করে তৈরি করা হয়, যা চলমান গড়, আপেক্ষিকভাবে শক্তিশালী সূচক এবং এআই প্রযুক্তির সাথে মিলিত হয়। এই কৌশলটি 200 দিনের চলমান গড়ের সাথে দামের অবস্থান এবং এআই মডেল দ্বারা উত্পন্ন সংকেতগুলি বিবেচনা করে ক্রস সংকেতগুলি দ্বারা রায় দেয়।
কৌশল নীতি
- 30 চক্রের একটি এলোমেলো ধীর গতির সূচক গণনা করুন, যেখানে K মানের মসৃণতা 18 এবং D মানের মসৃণতা 7।
- ওভারবয় এবং ওভারসেলের থ্রেশহোল্ড নির্ধারণ করুন যথাক্রমে 40 এবং 19 এবং সর্বনিম্ন K মান 12 সেট করুন।
- ট্রেন্ড ফিল্টার হিসেবে ২০০ দিনের সরল চলমান গড় গণনা করুন।
- রিক্রিয়েন্ট নিউরাল নেটওয়ার্ক (আরএনএন) মডেল ব্যবহার করে কেনা-বেচা সংকেত তৈরি করা।
- একাধিক প্রবেশের শর্তঃ দাম 200-দিনের চলমান গড় অতিক্রম করে, K এর মান ওভারসেল থ্রেশহোল্ডের চেয়ে কম এবং সর্বনিম্ন K এর চেয়ে বড়, এআই সংকেত 1
- খালি মাথায় প্রবেশের শর্তঃ দাম 200 দিনের চলমান গড়ের নিচে, কে মূল্য ওভারবই থ্রেশহোল্ডের চেয়ে বড় এবং সর্বনিম্ন কে মূল্যের চেয়ে বড়, এআই সংকেত -1
- যখন এলোমেলো সূচকগুলি ক্রস হয় এবং ওভার-বই ওভার-সেলের শর্ত পূরণ করে, তখনও একটি ক্রয়-বিক্রয় সংকেত তৈরি হয়।
- স্টপ-অফ অবস্থানটি বর্তমান মূল্য থেকে 500 পয়েন্ট উপরে এবং 200 পয়েন্ট নিচে সেট করুন।
কৌশলগত সুবিধা
- এর মধ্যে রয়েছে বিভিন্ন প্রযুক্তিগত সূচক এবং কৃত্রিম বুদ্ধিমত্তা প্রযুক্তির সমন্বয়, যা কৌশলটির স্থায়িত্ব এবং অভিযোজনযোগ্যতা বৃদ্ধি করে।
- বাজারের ওভার-বই ওভার-বিক্রয় অবস্থাকে কার্যকরভাবে ক্যাপচার করার জন্য মূল ক্রয়-বিক্রয় সংকেত হিসাবে এলোমেলো ধীর গতির সূচক ব্যবহার করুন।
- ট্রেন্ড ফিল্টার হিসেবে ২০০ দিনের মুভিং এভারেজ ব্যবহার করুন, যাতে ট্রেন্ডের বিপরীতে ট্রেড করা যায় না।
- এদিকে, এআই মডেলের মাধ্যমে ক্রয়-বিক্রয় সংকেত তৈরি করা হয়েছে, যা কৌশলটিকে আরও বুদ্ধিমান করে তুলেছে।
- সুনির্দিষ্ট স্টপ লস সেট করা হয়েছে যাতে ঝুঁকি কার্যকরভাবে নিয়ন্ত্রণ করা যায়।
কৌশলগত ঝুঁকি
- এলোমেলো সূচকগুলি কিছু বাজারের পরিস্থিতিতে বেশি মিথ্যা সংকেত তৈরি করতে পারে।
- এআই মডেলের কার্যকারিতা প্রশিক্ষণের ডেটার গুণমান এবং মডেলের নকশার উপর নির্ভর করে এবং কিছু অনিশ্চয়তা রয়েছে।
- নির্দিষ্ট স্টপ লস স্তরটি বাজারের বিভিন্ন অস্থিরতার সাথে খাপ খাইয়ে নিতে পারে না।
- বাজারের অপ্রত্যাশিত ঘটনা এবং অস্বাভাবিক ওঠানামা মোকাবেলার জন্য কৌশলগত ব্যবস্থা নেই।
কৌশল অপ্টিমাইজেশনের দিকনির্দেশনা
- এলোমেলো সূচকগুলির প্যারামিটারগুলিকে অপ্টিমাইজ করা, যেমন সূচকের কার্যকারিতা বাড়ানোর জন্য কে মান এবং ডি মানের মসৃণতা চক্রের সমন্বয় করা।
- মডেলের পূর্বাভাসের সঠিকতা বাড়ানোর জন্য আরও বেশি বাজার বৈশিষ্ট্য এবং ডেটা যুক্ত করে এআই মডেলের নকশা উন্নত করা।
- একটি গতিশীল স্টপ লস মেশিন ব্যবহার করে, যা বাজারের অস্থিরতা এবং ঝুঁকির স্তরের উপর নির্ভর করে স্টপ লস লেভেলকে স্বয়ংক্রিয়ভাবে সামঞ্জস্য করে।
- বাজার সংবেদন বিশ্লেষণ এবং ইভেন্ট ড্রাইভারগুলি প্রবর্তন করুন, বাজার অপ্রত্যাশিত ঘটনাগুলির প্রতিক্রিয়াশীলতার জন্য কৌশলগুলিকে শক্তিশালী করুন।
- পজিশন ম্যানেজমেন্ট এবং ফান্ড ম্যানেজমেন্ট মডিউল যোগ করার কথা বিবেচনা করুন, কৌশলটি অপ্টিমাইজ করার জন্য তহবিল ব্যবহারের দক্ষতা এবং ঝুঁকি নিয়ন্ত্রণ।
সারসংক্ষেপ
এই কৌশলটি র্যান্ডম ধীর গতির সূচক, চলমান গড়, তুলনামূলকভাবে শক্তিশালী সূচক এবং কৃত্রিম বুদ্ধিমত্তা প্রযুক্তির সাথে একত্রিত করে একটি মাল্টি ফ্যাক্টর ট্রেডিং কৌশল তৈরি করে। কৌশলটি প্রবণতা ফিল্টার এবং বুদ্ধিমান সংকেত উত্পাদন ব্যবহার করে ওভার-বিক্রয় ও ওভার-বিক্রয় সংকেতগুলি ক্যাপচার করার জন্য র্যান্ডম সূচক ব্যবহার করে। কৌশলটির স্থিতিশীলতা এবং অভিযোজনযোগ্যতা বৃদ্ধি করে। কৌশলটির কিছু ঝুঁকি থাকা সত্ত্বেও, যেমন সূচক ব্যর্থতা এবং মডেলের অনিশ্চয়তা, সূচক প্যারামিটারগুলি অনুকূলিতকরণ, কৃত্রিম বুদ্ধিমত্তা মডেলের উন্নতি, গতিশীল ঝুঁকি নিয়ন্ত্রণ ব্যবস্থা গ্রহণের পদ্ধতি ইত্যাদির মাধ্যমে কৌশলটির কার্যকারিতা এবং ঝুঁকি নিয়ন্ত্রণের ক্ষমতা আরও উন্নত করা যেতে পারে।
কৌশল সোর্স কোড
/*backtest
start: 2024-03-12 00:00:00
end: 2024-04-11 00:00:00
period: 1h
basePeriod: 15m
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/
//@version=5
strategy("Stochastic Slow Strategy with More Entries and AI", overlay=true)
length = input.int(30, minval=1)
OverBought = input(40)
OverSold = input(19)
smoothK = input.int(18, minval=1)
smoothD = input.int(7, minval=1)
minKValue = input(12, title="Minimum K Value")
// Stochastic calculations
k = ta.sma(ta.stoch(close, high, low, length), smoothK)
d = ta.sma(k, smoothD)
co = ta.crossover(k, d)
cu = ta.crossunder(k, d)
// Trend filter (200-period simple moving average)
ema200 = ta.sma(close, 200)
// Define la función para calcular la señal de la red neuronal recurrente
rnn_signal(price_series) =>
// Aquí implementa tu modelo de red neuronal recurrente para generar la señal
// Puedes usar bibliotecas externas o implementar tu propio modelo aquí
// Ejemplo de señal aleatoria
signal = ta.rsi(price_series, 14) > 50 ? 1 : -1
// Devuelve la señal generada por la red neuronal recurrente
signal
// Calcula la señal utilizando la función definida anteriormente
ai_signal = rnn_signal(close)
// Entry conditions
longCondition = ta.crossover(close, ema200) and k < OverSold and k > minKValue and ai_signal == 1
shortCondition = ta.crossunder(close, ema200) and k > OverBought and k > minKValue and ai_signal == -1
if (not na(k) and not na(d))
if (co and k < OverSold and k > minKValue)
strategy.entry("LONG", strategy.long, comment="LONG")
strategy.exit("ExitLong", "LONG", profit = close * 500, loss = close * 200)
if (cu and k > OverBought and k > minKValue)
strategy.entry("SHORT", strategy.short, comment="SHORT")
strategy.exit("ExitShort", "SHORT", profit = close * 500, loss = close * 200)
if (longCondition)
strategy.entry("LongEntry", strategy.long, comment="LongEntry")
strategy.exit("ExitLongEntry", "LongEntry", profit = close * 500, loss = close * 200)
if (shortCondition)
strategy.entry("ShortEntry", strategy.short, comment="ShortEntry")
strategy.exit("ExitShortEntry", "ShortEntry", profit = close * 500, loss = close * 200)
// Plotting
plot(ema200, color=color.blue, title="200 SMA")