
Die Master-Reverse-Breakout-Strategie ist eine einfache, aber praktische Handelsstrategie, die auf einem Moving Average basiert. Sie nutzt die Kreuzung eines schnellen Moving Average und eines langsamen Moving Average als Kauf- und Verkaufssignal. Sie erzeugt ein Kaufsignal, wenn ein schneller Moving Average den langsamen Moving Average von unten durchquert; sie erzeugt ein Verkaufsignal, wenn ein schneller Moving Average den langsamen Moving Average von oben durchquert.
Die Strategie verwendet zwei Moving Averages: einen kurzfristigen schnellen Moving Average und einen langfristigen langsamen Moving Average. Die schnellen Moving Average-Parameter sind 12 Tage und die langsamen Moving Average-Parameter sind 26 Tage. Die Strategie berechnet zuerst den 2-Tage-Simple Moving Average des ENDPOINT als Preisdaten und berechnet dann die schnellen Moving Average und den langsamen Moving Average.
Die Strategie beurteilt die Marktentwicklung, indem sie die Größe des schnellen und des langsamen Moving Averages vergleicht. Wenn der schnelle Moving Average größer ist als der langsame Moving Average, wird der Markt als aufsteigend angesehen (Bullish); wenn der schnelle Moving Average kleiner ist als der langsame Moving Average, wird der Markt als absteigend angesehen (Bearish). Die Strategie kombiniert die Kennziffern der Preisbewegungen, um zu kaufen und zu verkaufen, wenn der Markt sich umkehrt.
Die Triggerlogik eines Kaufsignals ist, dass ein Kaufsignal erzeugt wird, wenn der Markt von einem Abwärtstrend in einen Aufwärtstrend übergeht, d.h. wenn ein schneller Moving Average einen langsameren Moving Average durchbricht und der Preis höher ist als der schneller Moving Average.
Die Triggerlogik eines Verkaufssignals lautet: Ein Verkaufssignal wird erzeugt, wenn der Markt von einem Aufwärtstrend in einen Abwärtstrend übergeht, d.h. wenn der schnelle Moving Average den langsamen Moving Average unterbricht und der Preis unter dem schnellen Moving Average liegt.
Mit dieser Konzeption kann die Strategie bei einer Umkehrung des Marktes wirksam sein, um die Umkehrungschancen rechtzeitig zu ergreifen.
Diese Strategie hat folgende Vorteile:
Die Strategie ist klar und einfach zu verstehen und umzusetzen.
Die Technik des Moving Averages ist ausgereift, zuverlässig und weit verbreitet.
Die Verwendung von zwei beweglichen Durchschnitten ermöglicht eine effektive Filterung von Marktgeräuschen und die Identifizierung von Markttrends.
In Kombination mit einem Preisdynamik-Indikator kann die Genauigkeit der Kauf- und Verkaufszeiten verbessert werden.
Die Optimierung der Parameter ist groß, und die Parameter können nach dem Markt angepasst werden, um bessere Ergebnisse zu erzielen.
Es kann eine Stop-Loss-Logik eingesetzt werden, um das Risiko zu kontrollieren.
Es ist wichtig, dass Sie mit einer moderaten Handelsfrequenz umgehen und nicht zu viel handeln.
Optimierung in Kombination mit anderen Indikatoren wie Bollinger Bands, RSI usw.
Es gibt ausreichend Rückmeldungen, um die Wirksamkeit der Strategie zu überprüfen.
Die Strategie birgt auch folgende Risiken:
Die Doppel-Moving-Average-Strategie ist anfällig für falsche Signale und kann dazu führen, dass ein Markttrend verpasst wird oder unnötige Trades erzeugt werden.
Der Moving Average ist nachlässig und kann eine schnelle Umkehr verpassen.
Eine falsche Einstellung der Parameter kann zu einer zu hohen oder zu niedrigen Handelsfrequenz führen.
Diese Strategie ist für den Handel mit mittleren und langen Linien geeignet, während der Handel mit kurzen Linien möglicherweise nicht so effektiv ist.
Die Strategie ist nicht in der Lage, die Auswirkungen von Marktausfällen zu bewältigen.
Das Risiko eines Verlustes über einen bestimmten Zeitraum besteht.
Die Parameter für verschiedene Sorten müssen angepasst werden.
In den USA ist es nicht so, dass man sich mit dem Markt nicht vertraut machen kann.
Das Risiko kann durch folgende Maßnahmen verringert werden:
Optimierung der Parameter und Anpassung an das aktuelle Marktumfeld.
In Kombination mit anderen Indikatoren filtert das Signal.
Ein Stop-Loss-Mechanismus wird eingesetzt, um Verluste zu kontrollieren.
Positionsverwaltung wird entsprechend angepasst.
Die Optimierungsparameter werden je nach Sorte getestet.
Die Strategie kann optimiert werden durch:
Optimierung der periodischen Parameter des Moving Averages, um sie besser an die aktuellen Marktbedingungen anzupassen.
Verschiedene Arten von Moving Averages wie Index Moving Averages, Gewichtung Moving Averages usw. werden getestet.
Es ist wichtig, dass die Zahlungsströme erhöht werden, um Trends zu überprüfen.
In Kombination mit anderen technischen Indikatoren wie MACD, RSI usw.
Erhöhung der Stop-Loss-Strategien, wie beispielsweise Bewegungs-Stop, Zeit-Stop usw.
Optimierung der Strategie zur Positionsverwaltung, wie z. B. Festanteile, dynamische Anteile usw.
Optimierung der Parameter für die Tests in Zeitabschnitten und unterteilten Sorten.
Zugabe von Machine-Learning-Algorithmen zur automatischen Optimierung von Parametern und Signalprüfungen mit Hilfe von KI-Technologien.
Die Deep Learning-Technologie wird eingesetzt, um komplexe Graphiken zu erkennen.
Das ist eine der wichtigsten Themen, die wir in diesem Jahr diskutieren werden.
Durch kontinuierliche Optimierung kann die Anpassungsfähigkeit der Strategie verbessert werden, um stabile Ergebnisse in verschiedenen Marktumgebungen zu erzielen.
Alles in allem ist die Gesamtkonzeption der Durchschnittsmeister-Umkehr-Breakthrough-Strategie klar, einfach umzusetzen und von gewissem praktischem Wert. Die Strategie nutzt die Trendentscheidung von Moving Average-Indikatoren und verbessert die Signalqualität in Kombination mit Preisdynamik-Indikatoren.
/*backtest
start: 2022-10-13 00:00:00
end: 2023-10-19 00:00:00
period: 1d
basePeriod: 1h
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/
//@version=2
strategy("CDC Action Zone V.2 strategy", overlay=true)
// Credit Script base from CDC Action Zone V.2 by piriya33
// CDC ActionZone V2 29 Sep 2016
// CDC ActionZone is based on a simple 2MA and is most suitable for use with medium volatility market
// 11 Nov 2016 : Ported to Trading View with minor UI enhancement
src = input(title="Data Array",defval=ohlc4)
prd1=input(title="Short MA period",defval=12)
prd2=input(title="Long MA period",defval=26)
AP = ema(src,2)
Fast = ema(AP,prd1)
Slow = ema(AP,prd2)
// === INPUT BACKTEST RANGE ===
FromYear = input(defval = 2019, title = "From Year", minval = 2009)
FromMonth = input(defval = 1, title = "From Month", minval = 1, maxval = 12)
FromDay = input(defval = 1, title = "From Day", minval = 1, maxval = 31)
ToYear = input(defval = 9999, title = "To Year", minval = 2009)
ToMonth = input(defval = 12, title = "To Month", minval = 1, maxval = 12)
ToDay = input(defval = 31, title = "To Day", minval = 1, maxval = 31)
// === FUNCTION EXAMPLE ===
start = timestamp(FromYear, FromMonth, FromDay, 00, 00) // backtest start window
finish = timestamp(ToYear, ToMonth, ToDay, 23, 59) // backtest finish window
window() => time >= start and time <= finish ? true : false // create function "within window of time"
Bullish = Fast>Slow
Bearish = Fast<Slow
Green = Bullish and AP>Fast
Red = Bearish and AP<Fast
Yellow = Bullish and AP<Fast
Blue = Bearish and AP>Fast
//Long Signal
Buy = Green and Green[1]==0
Sell = Red and Red[1]==0
//Short Signal
Short = Red and Red[1]==0
Cover = Red[1] and Red==0
//Plot
l1=plot(Fast,"Fast", linewidth=1,color=red)
l2=plot(Slow,"Slow", linewidth=2,color=blue)
bcolor = Green ? lime : Red ? red : Yellow ? yellow : Blue ? blue : white
barcolor(color=bcolor)
fill(l1,l2,bcolor)
strategy.entry("Buy",true,when=window() and Buy)
strategy.close_all(when=window() and Sell)