Dreitägige Umkehrstrategie für Turtle Trading


Erstellungsdatum: 2023-10-13 15:37:18 zuletzt geändert: 2023-10-13 15:37:18
Kopie: 0 Klicks: 863
1
konzentrieren Sie sich auf
1617
Anhänger

Überblick

Die 3-Tage-Rückkehr-Strategie für den Seebetrades ist basierend auf Larry Connors und Cesar Alvarez’s 3-Tage-Rückkehr-Strategie für den High-Probability ETF-Trading. In dem Buch diskutieren die Autoren eine 3-Tage-Rückkehr-Strategie für einen High-Probability ETF, deren einfache Regeln lauten:

  • Wenn der Schlusskurs gestern unter dem 5-Tage-Simple Moving Average lag, dann kaufen Sie heute.
  • Wenn der heutige Schlusskurs über dem 5-Tage-Simple Moving Average liegt, wird heute verkauft.

Durch Übung und Rückmeldung fand ich heraus, dass diese Strategie besser funktioniert, wenn die EMA statt der SMA die Trendlinie berechnet. Daher verwendet dieses Skript die EMA für die Berechnung der Trendlinie. Ich habe auch die Länge des EMA-Austritts anpassbar gemacht.

Strategieprinzip

Die Strategie funktioniert wie folgt:

  • Wenn Sie die folgenden Kaufbedingungen erfüllen, tun Sie mehr:
    • Abschlusskurs über der 200-Tage-EMA
    • Der Schlusskurs liegt unter der 5-Tage-EMA.
    • Der heutige Höchstpreis ist niedriger als der heutige Höchstpreis.
    • Der heutige Mindestpreis ist niedriger als der letzte
    • Die Höchstpreise von gestern sind niedriger als die vom Vortag.
    • Die Minimalpreise von gestern sind niedriger als die vom Vortag.
    • Vorheriger Tag Höchstwert niedriger als Vorheriger Tag Höchstwert
    • Vorläufiger Mindestpreis niedriger als Vorläufiger Mindestpreis
  • Wenn der Schlusskurs aus der EMA aussteigt, ist die Position platz.

Die EMA-Default ist eine 5-Tage-EMA, die anpassbar ist.

Die Hauptidee der Strategie ist es, die kurzfristige Reversal-Effekte zu nutzen. Wenn der Aktienpreis nach einer Reihe von Rückgängen schwach ist, ist es wahrscheinlich, dass ein kurzfristiger Rebound auftritt. Die Strategie beurteilt, ob eine Reversal-Chance besteht, indem sie beurteilt, ob der Preis drei Tage in Folge schwächer und unter dem kurzfristigen Durchschnitt ist.

Analyse der Stärken

Im Vergleich zu traditionellen Moving Average Crossover Strategien hat diese Strategie folgende Vorteile:

  1. Die Qualität des Handelssignals wurde verbessert, indem die drei aufeinanderfolgenden Schrumpfungstage als Chance für eine Umkehrung genutzt wurden.

  2. In Kombination mit einem Filter für die langen und kurzen Durchschnittslinien, um den Handel in einem Trendmarkt zu vermeiden.

  3. Die Berechnung der Trendlinie anhand der EMA anstelle der SMA ist schneller und schneller, um die Umkehrung zu erfassen.

  4. Die Dauer des Ausstiegs aus der EMA ist anpassbar und die Stop-Loss-Strategie kann an den Markt angepasst werden.

  5. Es wird weniger gehandelt und nur für 1-2 Tage gehalten, um das Risiko einer Mehrfachhaltung zu vermeiden.

Risikoanalyse

Die Strategie birgt auch folgende Risiken:

  1. Das Risiko eines Rückschlages. Nach dem Auftreten eines Rückschlagsignals kann der Preis einen Bruch versäumen und weiter fallen, anstatt sich zu erholen.

  2. Das Risiko eines häufigen Stop-Losses. In einem schwankenden Umfeld kann der Preis häufig einen Stop-Loss auslösen.

  3. Parameteroptimierungsrisiken. Der Ausstieg aus der EMA und andere Parameter müssen ständig getestet und optimiert werden, um dem Markt gerecht zu werden. Ohne Anpassung kann dies zu Effektivitätsverzerrungen führen.

  4. Risiko einer Überoptimierung. Bei der Optimierung sollte darauf geachtet werden, dass keine Überpassung erfolgt und die Parameter stabil eingestellt werden.

Das Risiko kann durch folgende Maßnahmen verringert werden:

  1. Die Einhaltung der Stop-Loss-Regeln und die Kontrolle der Einzelschäden.

  2. Optimierung mit stabilen Parameter-Einstellungen, um ein Gleichgewicht zwischen Risiken und Erträgen herzustellen.

  3. Positionsgröße anpassen, einzelne Positionen reduzieren und Risiken verteilen.

Optimierungsrichtung

Diese Strategie kann optimiert werden durch:

  1. Testen Sie EMAs unterschiedlicher Länge als Ein- und Ausstiegsindikatoren, um die geeigneteren Parameter zu finden.

  2. Zusätzliche Filterbedingungen, wie z.B. Energieindikatoren, wurden hinzugefügt, um die Rückwärtssignale zuverlässiger zu machen.

  3. Optimierung von Stop-Loss-Strategien, z. B. durch den Einsatz von ATR-Stopps und Stop-Tracking, um die Stop-Loss-Flexibilität zu erhöhen.

  4. In Kombination mit Trendbeurteilung wird vermieden, dass ein Umkehrsignal zu falschen Trades im Trend führt.

  5. Optimierung des Portfolios in Kombination mit anderen Strategien, um Risiken zu verteilen, die nicht relevant sind.

  6. Die Optimierung der Parameter durch Anpassung an andere Methoden wie Maschinelles Lernen ermöglicht eine dynamische Anpassung der Parameter.

Zusammenfassen

Die 3-Tage-Rückschlagstrategie bei der Bewegung von Seagulls sucht nach kurzfristigen Rückschlagmöglichkeiten, indem sie beurteilt, dass der Preis an drei aufeinanderfolgenden Tagen schrumpft und unterhalb der kurzfristigen EMA liegt. Im Vergleich zur herkömmlichen Moving Average-Strategie ist ihr Einstiegssignal zuverlässiger und optimiert die Stop-Loss-Parameter durch Anpassung der EMA-Parameter. Die Strategie ist für die Berechnung von Schwankungen geeignet und kann kurzfristige Rückschläge erfassen.

Strategiequellcode
/*backtest
start: 2023-10-05 00:00:00
end: 2023-10-12 00:00:00
period: 10m
basePeriod: 1m
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/
// @version = 5
// Author = TradeAutomation


strategy(title="ETF 3-Day Reversion Strategy", shorttitle="ETF 3-Day Reversion Strategy", process_orders_on_close=true, overlay=true, commission_type=strategy.commission.cash_per_order, commission_value=1, initial_capital = 10000000, default_qty_type=strategy.percent_of_equity, default_qty_value=100)


// Backtest Date Range Inputs // 
StartTime = input(defval=timestamp('01 Jan 2012 05:00 +0000'), title='Start Time')
EndTime = input(defval=timestamp('01 Jan 2099 00:00 +0000'), title='End Time')
InDateRange = true

// Strategy Rules //
DayEMA5 = ta.ema(close, 5)
Rule1 = close>ta.ema(close, 200)
Rule2 = close<DayEMA5
Rule3 = high<high[1] and low<low[1] and high[1]<high[2] and low[1]<low[2] and high[2]<high[3] and low[2]<low[3]
ExitEMA = ta.ema(close, input.int(5, "EMA Length For Exit Strategy", tooltip = "The strategy will sell when the price crosses over this EMA"))
plot(DayEMA5)
plot(ExitEMA, color=color.green)

// Entry & Exit Functions //
if (InDateRange)
    strategy.entry("Long", strategy.long, when = Rule1 and Rule2 and Rule3)
//    strategy.close("Long", when = ta.crossunder(close, ATRTrailingStop))
    strategy.close("Long", when = ta.crossover(close, ExitEMA))
if (not InDateRange)
    strategy.close_all()