DCA-Strategie zur Umkehrung zum Monatsende
ChaoZhang
Überblick
Der Zweck dieser Strategie ist es, die Endpunkte der kurzfristigen Abwärtstrend eines Vermögenswerts zu identifizieren und an diesem Punkt einen bestimmten Betrag für den Kauf eines Vermögenswerts zu investieren. Dadurch kann nach Beginn der Umkehrung des Vermögenswerts eine Festanlage zu einem niedrigeren Kostenpreis vorgenommen werden.
Grundsätze
Die Strategie basiert auf monatlichen Zeitrahmen. Es gibt 240 1-Stunden-K-Linien pro Monat, um zu bestimmen, wann sich der Trend umkehrt.
Konkret berechnet die Strategie die Differenz zwischen der EMA-Schnelllinie und der EMA-Langlinie_CD und EMA_Die CD-Signalleitung, die bei einer Überschneidung der Kurzstrecke den Ende des kurzfristigen Abwärtstrends beurteilt, gibt ein Kaufsignal aus.
Nach dem Kaufsignal wird die Strategie am Ende des Monats platziert. Dann wird der Prozess im zweiten Monat wiederholt, um regelmäßig zu kaufen und einen Monat lang zu halten.
Das bedeutet, dass wir am Ende des kurzfristigen Rückgangs einen niedrigen Atemzug halten und unsere Anlage festlegen können.
Vorteile
Der größte Vorteil dieser Strategie besteht darin, dass man die Schwankungen filtern kann und nur dann kauft, wenn sich der Trend umkehrt, um die Investitionen zu einem günstigeren Preis zu halten.
Außerdem kann die EMA die Trendwende stabiler und genauer bestimmen als nur die K-Linie. Die EMA kann den Einfluss von Kurzzeit-Marktlärm auf die Kaufzeit ausgleichen.
Schließlich kann der Stop-Loss am Ende des Monats eingestellt werden, um die Investitionsergebnisse pro Monat zu blockieren und die maximalen Verluste pro Monat zu begrenzen.
Die Gefahr
Das größte Risiko dieser Strategie besteht darin, dass der Preis nach dem Kauf weiter sinkt, was zu einem Stop-Loss am Ende des Monats führt. Dies wird in der Regel durch einen Umkehrfehler verursacht.
Die Anpassung der EMA-Zyklusparameter kann zur Optimierung des Urteils verwendet werden, oder in Kombination mit anderen Indikatoren wie dem RSI zur Bestätigung des Umkehrsignals.
Ein weiteres Risiko besteht in der Einstellung des Stop-Losses. Ein zu kleiner Stop-Loss kann durch kurzfristige Schwankungen eingeschränkt werden, während ein zu großer Stop-Loss nicht eingeschränkt werden kann. Verschiedene Stop-Losses müssen getestet werden, um die optimalen Parameter zu finden.
Optimierungsrichtung
Diese Strategie kann in folgenden Bereichen optimiert werden:
Optimierung der EMA-Zyklusparameter, um die optimale Kombination von Parametern für eine Trendwende zu finden
Hinzufügen von Filtern für andere Indikatoren, wie RSI, um ein bestätigtes Kehrsignal zu erhalten
Verschiedene Stop-Loss-Punkte testen, um optimale Stop-Loss-Positionen zu finden, die maximale Verluste begrenzen und nicht eingesetzt werden
Es kann in Betracht gezogen werden, einen mobilen Stop auf einer Stop-Basis hinzuzufügen, der die Stop-Position in Echtzeit an den Preis anpasst
Verschiedene Zeitspannen, wie Sonnen- und Kreislinie, können getestet werden, um zu sehen, welche Perioden die Strategie am besten funktioniert
Zusammenfassen
Die Gesamtkonzeption der Strategie ist klar und einfach. Die kurzfristige Trendwende wird anhand der EMA-Indikatoren beurteilt und am Ende der Wendepunkte investiert. Die Strategie-Optimierungsmöglichkeit besteht hauptsächlich in der Parameteroptimierung und der Anpassung der Stop-Loss-Strategie.
/*backtest
start: 2023-09-07 00:00:00
end: 2023-10-07 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 = 'DCA After Downtrend',
// title = 'DCA After Downtrend (by BHD_Trade_Bot)',
// overlay = true,
// calc_on_every_tick = true,
// calc_on_order_fills = true,
// use_bar_magnifier = true,
// pyramiding = 100,
// initial_capital = 0,
// default_qty_type = strategy.cash,
// default_qty_value = 1000,
// commission_type = strategy.commission.percent,
// commission_value = 0.1)
// Backtest Time Period
start_year = input(title='Start year' ,defval=2017)
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)
window() => true
// EMA
ema50 = ta.ema(close, 50)
ema200 = ta.ema(close, 200)
// EMA_CD
emacd = ema50 - ema200
emacd_signal = ta.ema(emacd, 20)
hist = emacd - emacd_signal
// Count n candles after x long entries
var int nPastCandles = 0
var int entryNumber = 0
nPastCandles := nPastCandles + 1
// ENTRY CONDITIONS
// 8 hours per day => 240 hours per month
entry_condition1 = nPastCandles > entryNumber * 240
// End of downtrend
entry_condition2 = ta.crossover(emacd, emacd_signal)
ENTRY_CONDITIONS = entry_condition1 and entry_condition2
if ENTRY_CONDITIONS and window()
entryNumber := entryNumber + 1
entryId = 'Long ' + str.tostring(entryNumber)
strategy.entry(entryId, strategy.long)
// CLOSE CONDITIONS
// Last bar
CLOSE_CONDITIONS = barstate.islast
if CLOSE_CONDITIONS
strategy.close_all()
// Draw
plot(ema50, color=color.orange, linewidth=3)
plot(ema200, color=entry_condition1 ? color.green : color.red, linewidth=3)