আরও এন্ট্রি এবং এআই সহ KRK ADA 1H স্টোকাস্টিক ধীর কৌশল

লেখক:চাওঝাং, তারিখঃ 2024-04-12 16:26:06
ট্যাগঃইএমএআরএসআইটিপিSLএআইRNN

সারসংক্ষেপ

এই কৌশলটি স্টোকাস্টিক স্লো অ্যাসিললেটরের উপর ভিত্তি করে একটি ট্রেডিং কৌশল, যা চলমান গড়, আপেক্ষিক শক্তি সূচক (আরএসআই) এবং কৃত্রিম বুদ্ধিমত্তা (এআই) কৌশলগুলির সাথে মিলিত। কৌশলটি স্টোকাস্টিক স্লো অ্যাসিললেটরের ক্রসওভার সংকেতগুলি বিশ্লেষণ করে, 200 দিনের চলমান গড়ের তুলনায় মূল্যের অবস্থান বিবেচনা করে এবং একটি এআই মডেল দ্বারা উত্পন্ন সংকেতগুলি অন্তর্ভুক্ত করে ক্রয় এবং বিক্রয় সংকেত নির্ধারণ করে। কৌশলটি ঝুঁকি পরিচালনার জন্য লাভ এবং স্টপ-লস স্তরগুলিও সেট করে।

কৌশলগত নীতি

স্টোকাস্টিক স্লো ওসিল্যান্টারের সময়সীমা 30 হয়, যেখানে K মানের জন্য মসৃণ সময়সীমা 18 এবং D মানের জন্য মসৃণ সময়সীমা 7 হয়।
অতিরিক্ত ক্রয় এবং অতিরিক্ত বিক্রয়ের থ্রেশহোল্ডগুলি যথাক্রমে 40 এবং 19 হিসাবে নির্ধারণ করুন এবং সর্বনিম্ন K মানটি 12 হিসাবে সেট করুন।
প্রবণতা ফিল্টার হিসাবে 200 দিনের সহজ চলমান গড় গণনা করুন।
ক্রয় এবং বিক্রয় সংকেত তৈরি করতে একটি পুনরাবৃত্ত নিউরাল নেটওয়ার্ক (আরএনএন) মডেল ব্যবহার করুন।
লং এন্ট্রি শর্তঃ মূল্য 200 দিনের চলমান গড়ের উপরে অতিক্রম করে, K মানটি oversold threshold এর নীচে এবং সর্বনিম্ন K মানের উপরে এবং AI সংকেতটি 1।
সংক্ষিপ্ত এন্ট্রি শর্তঃ মূল্য 200 দিনের চলমান গড়ের নীচে ক্রস করে, K মানটি ওভারকোপড থ্রেশহোল্ডের উপরে এবং সর্বনিম্ন K মানের উপরে এবং AI সংকেতটি -1।
স্টোকাস্টিক অ্যাসিললেটর ক্রসওভার দেখায় এবং অতিরিক্ত ক্রয় বা অতিরিক্ত বিক্রয় শর্ত পূরণ করে তখনও ক্রয় এবং বিক্রয় সংকেত উত্পন্ন হয়।
বর্তমান মূল্যের 500 পয়েন্ট উপরে বা নীচে লাভের স্তর এবং বর্তমান মূল্যের 200 পয়েন্ট উপরে বা নীচে স্টপ-লস স্তর সেট করুন।

কৌশলগত সুবিধা

এটি একাধিক প্রযুক্তিগত সূচক এবং এআই কৌশলকে একত্রিত করে, কৌশলটির দৃঢ়তা এবং অভিযোজনযোগ্যতা উন্নত করে।
স্টোকাস্টিক স্লো অস্কিলেটরকে মূল ক্রয় এবং বিক্রয় সংকেত হিসাবে ব্যবহার করে, কার্যকরভাবে অতিরিক্ত ক্রয় এবং অতিরিক্ত বিক্রয় বাজার পরিস্থিতি ক্যাপচার করে।
ট্রেন্ডের বিরুদ্ধে ট্রেডিং এড়ানোর জন্য 200 দিনের চলমান গড়কে একটি ট্রেন্ড ফিল্টার হিসাবে প্রবর্তন করে।
একটি এআই মডেল ব্যবহার করে ক্রয় এবং বিক্রয় সংকেত তৈরি করে, কৌশলটির বুদ্ধি বাড়ায়।
ঝুঁকি কার্যকরভাবে পরিচালনা করার জন্য স্পষ্ট লাভ এবং স্টপ-লস স্তর নির্ধারণ করে।

কৌশলগত ঝুঁকি

স্টোকাস্টিক অ্যাসিললেটর নির্দিষ্ট বাজারের অবস্থার অধীনে মিথ্যা সংকেত তৈরি করতে পারে।
এআই মডেলের কার্যকারিতা প্রশিক্ষণ তথ্য এবং মডেল ডিজাইনের গুণমানের উপর নির্ভর করে, অনিশ্চয়তা প্রবর্তন করে।
ফিক্সড টেক লাভ এবং স্টপ লস স্তরগুলি বিভিন্ন বাজারের অস্থিরতার অবস্থার সাথে ভালভাবে মানিয়ে নিতে পারে না।
এই কৌশলটি হঠাৎ বাজার ঘটনা এবং অস্বাভাবিক ওঠানামা মোকাবেলার জন্য একটি পদ্ধতির অভাব।

কৌশল অপ্টিমাইজেশান নির্দেশাবলী

সূচকটির কার্যকারিতা উন্নত করার জন্য স্টোকাস্টিক দোলকের পরামিতিগুলি অনুকূল করুন, যেমন কে এবং ডি মানগুলির জন্য মসৃণকরণ সময়কাল সামঞ্জস্য করা।
এআই মডেলের নকশা উন্নত করতে আরও বেশি বাজার বৈশিষ্ট্য এবং ডেটা অন্তর্ভুক্ত করে এর ভবিষ্যদ্বাণীমূলক নির্ভুলতা উন্নত করা।
বাজারের অস্থিরতা এবং ঝুঁকি স্তরের সাথে সামঞ্জস্যপূর্ণ একটি গতিশীল মুনাফা গ্রহণ এবং স্টপ-লস প্রক্রিয়া বাস্তবায়ন করুন।
বাজারের আবেগ বিশ্লেষণ এবং ঘটনা-চালিত কারণগুলি প্রবর্তন করা যাতে হঠাৎ বাজারের ঘটনার প্রতিক্রিয়া জানাতে কৌশলটির ক্ষমতা বাড়ানো যায়।
কৌশলটির মূলধন ব্যবহারের দক্ষতা এবং ঝুঁকি নিয়ন্ত্রণের জন্য পজিশনের আকার এবং অর্থ পরিচালনার মডিউল যুক্ত করার বিষয়টি বিবেচনা করুন।

সংক্ষিপ্তসার

এই কৌশলটি একটি মাল্টি-ফ্যাক্টর ট্রেডিং কৌশল তৈরির জন্য স্টোকাস্টিক স্লো অ্যাসিললেটর, মুভিং গড়, আপেক্ষিক শক্তি সূচক এবং এআই কৌশলগুলিকে একত্রিত করে। কৌশলটি একটি প্রবণতা ফিল্টার এবং বুদ্ধিমান সংকেত উত্পাদন ব্যবহার করে এর দৃust়তা এবং অভিযোজনযোগ্যতা উন্নত করার সময় ওভারকপ এবং ওভারসোল্ড সংকেতগুলি ক্যাপচার করতে স্টোকাস্টিক অ্যাসিললেটর ব্যবহার করে। যদিও কৌশলটির নির্দিষ্ট ঝুঁকি রয়েছে, যেমন সূচক ব্যর্থতা এবং মডেল অনিশ্চয়তা, তবে সূচক পরামিতিগুলি অনুকূল করে, এআই মডেলকে উন্নত করে, গতিশীল ঝুঁকি নিয়ন্ত্রণ ব্যবস্থা বাস্তবায়ন করে এবং অবস্থান আকার এবং অর্থ পরিচালনার জন্য অতিরিক্ত মডিউল অন্তর্ভুক্ত করে এগুলি হ্রাস করা যেতে পারে।

/*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")

সম্পর্কিত

আরো

2019 FMZ - সমস্ত অধিকার সংরক্ষিত