Logarithmischer gleitender Durchschnittskonvergenz Divergenzstrategie

Schriftsteller:ChaoZhang, Datum: 23.09.2021
Tags:

Übersicht

Diese Strategie erzeugt Handelssignale mithilfe des logarithmischen MACD-Indikators. Sie berechnet die Differenz zwischen schnellen und langsamen logarithmischen gleitenden Durchschnitten, um die Marktdynamik und -chancen zu messen.

Strategie Logik

Die Hauptlogik lautet:

Berechnung der schnellen logarithmischen MA (Standard 12) und der langsamen logarithmischen MA (Standard 26)
Logarithmischer MACD ist ihre Differenz, die Marktdynamik ausdrückt
Die Signallinie ist glatter MA des MACD (Standard 9)
Gehen Sie lang, wenn der MACD über das Signal von unten geht
Gehen Sie kurz, wenn der MACD unter dem Signal von oben kreuzt
MACD-Signaldifferenz als Histogramm dargestellt

Im Vergleich zum einfachen MACD kann der logarithmische MACD exponentielle Wachstumstrends besser hervorheben.

Vorteile

Erkennt exponentielle Preisbewegungen mit logarithmischer Transformation
Der MACD-Log zeigt Informationen über Preisschwankungen.
Signallinie glättet MACD in Handelssignale
Das MACD-Histogramm zeigt intuitiv die Trendrichtung.

Risiken

Die Log-Transformation kann das Preisgeräusch verstärken
Häufige Signale, Risiken eines übermäßigen Handels
Keine Stop-Loss-Verwaltung, unvollständige Risikokontrolle

Abmilderung:

Anpassung der Parameter zur Verringerung der Signalfrequenz
Fügen Sie Filter hinzu, um Signale unter schüttelnden Bedingungen zu vermeiden
Einführung von Stop Loss zur Kontrolle von Verlusten pro Handel

Möglichkeiten zur Verbesserung

Optimierung der Stabilitätsparameter
Versuchen Sie andere Transformationen wie exponentiellen gleitenden Durchschnitt
Hinzufügen eines Trendfilters zu Bildschirmsignalen
Einbeziehung von Stop-Loss-Strategien
Verwenden Sie maschinelles Lernen, um die Signalverlässlichkeit zu beurteilen

Schlussfolgerung

Die logarithmische Transformation erhöht die Empfindlichkeit des MACD für die frühzeitige Trenddetektion. Aber die Handelsfrequenz sollte kontrolliert werden. Mit Optimierungen in Parametern, Risikomanagement usw. kann diese Strategie zu einem stabilen und einzigartigen quantitativen System werden.

/*backtest
start: 2022-09-14 00:00:00
end: 2023-09-20 00:00:00
period: 1d
basePeriod: 1h
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/

//@version=3
strategy(title="Logarithmic Moving Average Convergence Divergence Strategy", shorttitle="LMACD Strategy")

// Getting inputs
fast_length = input(title="Fast Length",  defval=12)
slow_length = input(title="Slow Length",  defval=26)
src = input(title="Source",  defval=close)
signal_length = input(title="Signal Smoothing",  minval = 1, maxval = 50, defval = 9)
sma_source = input(title="Simple MA(Oscillator)",  defval=false)
sma_signal = input(title="Simple MA(Signal Line)", defval=false)

// Plot colors
col_grow_above = #26A69A
col_grow_below = #FFCDD2
col_fall_above = #B2DFDB
col_fall_below = #EF5350
col_macd = #0094ff
col_signal = #ff6a00

// Calculating
fast_ma = sma_source ? sma(src, fast_length) : ema(src, fast_length)
slow_ma = sma_source ? sma(src, slow_length) : ema(src, slow_length)
lmacd = log(fast_ma) - log(slow_ma)
signal = sma_signal ? sma(lmacd, signal_length) : ema(lmacd, signal_length)
hist = lmacd - signal

plot(hist, title="Histogram", style=columns, color=(hist>=0 ? (hist[1] < hist ? col_grow_above : col_fall_above) : (hist[1] < hist ? col_grow_below : col_fall_below) ), transp=0 )
plot(lmacd, title="LMACD", color=col_macd, transp=0)
plot(signal, title="Signal", color=col_signal, transp=0)

if (crossover(hist, 0))
	strategy.entry("Long", strategy.long, comment="LMACD long")
if (crossunder(hist, 0))
	strategy.entry("Short", strategy.short, comment="LMACD short")

Mehr