Trend-to-Profit-Strategien zielen darauf ab, langfristige Trends und kurzfristige Rückschlüsse auf Vermögenswerte zu erkennen, kurzfristige Anpassungschancen bei langfristigen Positionen zu nutzen und eine angemessene Stop-Loss-Linie einzurichten, um den Trend zu verfolgen und den Stop-Loss rechtzeitig zu stoppen.
Die Strategie basiert hauptsächlich auf der EMA-Mittellinie und dem RSI-Indikator, um einen langfristigen Trend zu bestimmen. Insbesondere verwendet sie die 50-Tage-EMA und die 200-Tage-EMA, um einen langfristigen Trend zu bestimmen, und den RSI-Indikator, um einen langfristigen Trend zu bestimmen.
Nach dem Eintritt setzt die Strategie eine Stop-Loss-Bedingung. Wenn der Preis mehr als das Zweifache der BHD-Einheiten über dem Eintrittspreis steigt, wird ein Gewinn erzielt.
Die Strategie berücksichtigt somit die langfristigen und kurzfristigen Trendmerkmale, kontrolliert die Risiken und erhöht die Gewinnspanne.
Diese Strategie hat folgende Vorteile:
Berücksichtigen Sie die langfristigen und kurzfristigen Trends und vermeiden Sie es, sich blind in einem wackligen Markt zu positionieren.
Es ist wichtig, dass man die Trends verfolgt und die Marktrichtung befolgt, damit die Gewinnrate höher ist.
Ein Stop-Loss-Punkt, der die Gewinne und Risiken kontrolliert.
Die Stop-Loss-Punkte sind dynamisch anpassbar und relativ vernünftig, da sie auf die Marktvolatilität basieren.
Die Rücklaufdaten zeigen, dass die Strategie bei mehreren Währungspaaren und -zyklen eine hohe Rendite und eine gute Stabilität aufweist.
Die Strategie ist einfach, klar, leicht zu verstehen und zu implementieren und ist für Trader aller Ebenen geeignet.
Die Strategie birgt einige Risiken:
Es kann zu Fehlern bei langfristigen und kurzfristigen Beurteilungen kommen und es kann zu Fehlentscheidungen bei der Positionsrichtung kommen.
Es gibt eine Gefahr, dass der Markt abstürzt und die Stop-Loss-Punkte nicht vollständig die Gefahr von großen Verlusten vermeiden.
Fehlende Parameter-Einstellungen (z. B. durchschnittliche Perioden) können die Effektivität der Strategie beeinträchtigen.
Der Stop-Point ist zu klein eingestellt, und ein vorzeitiger Ausstieg kann das Ergebnis beeinträchtigen.
Die Rücklaufdaten sind nicht repräsentativ für die reale Leistung und müssen während der realen Leistung kontinuierlich optimiert werden.
Die Risiken können mit folgenden Lösungen begegnet werden:
Optimierung der Parameter, Anpassung der Durchschnittszyklus oder Hinzufügen von anderen Indikatoren zur Beurteilung der Stärke.
Es ist möglich, eine größere Stop-Loss-Marge einzurichten oder einen Wind-Control-Mechanismus wie die Verringerung der Positionen einzusetzen.
Es ist wichtig, mehr Rückmeldungen durchzuführen, um die Auswirkungen verschiedener Parameter auf die Strategie zu bewerten.
Dynamische Optimierung der Stopp-Parameter und Anpassung der Stopp-Werte an die Marktlage.
Durch kontinuierliche Rückmessungen und Optimierungen, die in Verbindung mit der Festplatte angepasst werden, wird die Strategie stabiler.
Die Strategie kann in folgenden Bereichen weiter optimiert werden:
Optimieren Sie die Parameter-Einstellungen, z. B. durch Anpassung der Durchschnittslinie-Periode, der BHD-Einheit-Periode, um die optimale Kombination von Parametern zu finden.
Die Zugabe anderer Indikatoren wie MACD, KD usw. macht die kurzfristige Beurteilung genauer.
Optimierung der Stop-Loss-Strategie, z. B. Anpassung der Stop-Loss-Grenze an die Dynamik der Volatilität.
Hinzufügen von Strategien zur Positionsverwaltung, wie z. B. die Einflussnahme von Trendstärken auf die Positionsgröße.
Die Daten aus mehreren Sorten und Zyklen wurden getestet, um die Robustheit der Strategie zu bewerten.
Filterbedingungen, wie z.B. ein höherer Schlusskurs als der Eröffnungskurs, können eingesetzt werden, um diese Falle zu vermeiden.
Zunehmende Technologien wie maschinelles Lernen, um Strategien automatisierter und intelligenter zu gestalten.
Durch diese Optimierung kann die Leistung der Strategie in Bezug auf die Erfolgsrate, die Rendite, die Stabilität und die Anpassungsfähigkeit verbessert werden.
Die Trend-Profit-Strategie hat insgesamt Vorteile wie die Berücksichtigung von langfristigen Charakteristiken, Schritt für Schritt und eindeutige Stop-Loss-Strategie. Sie ist eine stabilere und effizientere Trend-Tracking-Strategie. Es besteht jedoch auch ein gewisses Risiko, das die ständige Optimierung von Parametern und Regeln erfordert.
/*backtest
start: 2023-08-26 00:00:00
end: 2023-09-25 00:00:00
period: 1h
basePeriod: 15m
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/
// This source code is subject to the terms of the Mozilla Public License 2.0 at https://mozilla.org/MPL/2.0/
// © BHD_Trade_Bot
// @version=5
strategy(
shorttitle = 'Take Profit On Trend',
title = 'Take Profit On Trend (by BHD_Trade_Bot)',
overlay = true,
calc_on_every_tick = true,
calc_on_order_fills = true,
use_bar_magnifier = true,
initial_capital = 1000,
default_qty_type = strategy.percent_of_equity,
default_qty_value = 100,
commission_type = strategy.commission.percent,
commission_value = 0.1)
// Backtest Time Period
start_year = input(title='Start year' ,defval=2021)
start_month = input(title='Start month' ,defval=1)
start_day = input(title='Start day' ,defval=1)
start_time = timestamp(start_year, start_month, start_day, 00, 00)
end_year = input(title='end year' ,defval=2050)
end_month = input(title='end month' ,defval=1)
end_day = input(title='end day' ,defval=1)
end_time = timestamp(end_year, end_month, end_day, 23, 59)
is_back_test_time() => true
// EMA
ema50 = ta.ema(close, 50)
ema200 = ta.ema(close, 200)
// RSI
rsi200 = ta.rsi(close, 200)
// EMA_CD
emacd = ema50 - ema200
emacd_signal = ta.ema(emacd, 50)
hist = emacd - emacd_signal
// BHD Unit
bhd_unit = ta.rma(high - low, 200) * 2
bhd_upper = ema200 + bhd_unit
bhd_lower = ema200 - bhd_unit
// All n candles is going down
all_body_decrease(n) =>
isValid = true
for i = 0 to (n - 1)
if (close[i] > close[i + 1])
isValid := false
break
isValid
// ENTRY CONDITIONS
// Long-term uptrend
entry_condition1 = rsi200 > 51 and hist > 0
// Short-term downtrend
entry_condition2 = all_body_decrease(2)
ENTRY_CONDITIONS = entry_condition1 and entry_condition2
if ENTRY_CONDITIONS and is_back_test_time()
strategy.entry('entry', strategy.long)
// CLOSE CONDITIONS
// Price increase 2 BHD unit
take_profit = close > strategy.position_avg_price + bhd_unit * 2
// Price decrease 3 BHD unit
stop_loss = close < strategy.position_avg_price - bhd_unit * 3
CLOSE_CONDITIONS = take_profit or stop_loss
if CLOSE_CONDITIONS
strategy.close('entry')
// Draw
plot(ema50, color=color.orange, linewidth=2)
plot(ema200, color=color.purple, linewidth=2)
bhd_upper_line = plot(bhd_upper, color=color.teal)
bhd_lower_line = plot(bhd_lower, color=color.teal)
fill(bhd_upper_line, bhd_lower_line, color=color.new(color.teal, 90))