Gandalf quantitative Handelsstrategie basierend auf der Medianlinie


Erstellungsdatum: 2023-10-30 10:27:40 zuletzt geändert: 2023-10-30 10:33:17
Kopie: 0 Klicks: 772
1
konzentrieren Sie sich auf
1617
Anhänger

Gandalf quantitative Handelsstrategie basierend auf der Medianlinie

Überblick

Die Gandalf-Quantitative-Handelsstrategie ist eine Trendverfolgungsstrategie, die auf einer Mittelwertlinie basiert. Sie beurteilt die Richtung des aktuellen Trends durch die Berechnung eines gewichteten Durchschnittspreises, einer Mittelwertlinie und eines tatsächlichen Zwischenpreises, um einen optimalen Einstiegspunkt zu finden. Wenn eine Trendwende festgestellt wird, wird sie schnell aus dem Trend ausgetreten.

Strategieprinzip

Die Kernlogik der Gandalf-Strategie besteht darin, die Größenverhältnisse zwischen den gewichteten Durchschnittspreisen, den Mittelwerten und den tatsächlichen Mittelpreisen zu vergleichen, um die Richtung und Stärke des aktuellen Trends zu bestimmen.

Es wird folgendermaßen berechnet:

  • Gewichteter Durchschnittspreis: ((höchster Preis + niedrigerer Preis + Abschlusskurs + Abschlusskurs) / 4
  • Mittlere Linie: ((höchster Preis + niedriger Preis) / 2
  • Intermediärpreise: (Eröffnungspreis + Abschlusspreis) / 2

Beim Einstieg vergleicht es den gewichteten Durchschnitt der ersten beiden K-Linien, die Mittelwertlinie und die Größenverhältnisse der tatsächlichen Mittelpreise, um zu beurteilen, ob es dem Trendstart entspricht.

Wenn beispielsweise der gewichtete Durchschnittspreis unter der Mittelwertlinie liegt und der tatsächliche Zwischenpreis auch unter dem gewichteten Durchschnittspreis liegt, bedeutet dies, dass der Preis sinkt. Dies ist eine Gelegenheit, einen Defizit zu machen.

Bei einem Stop-Out vergleicht es die Größenverhältnisse dieser Preise weiter, um zu beurteilen, ob ein Trendwechsel stattgefunden hat. Wenn der gewichtete Durchschnittspreis über dem tatsächlichen Mittelpreis liegt und die Mittelwertlinie auch unter dem gewichteten Durchschnittspreis liegt, sollte ein Trendwechsel sofort gestoppt werden.

Durch diese Methode des Vergleichs von Größen- und Preisverhältnissen ermöglicht die Gandalf-Strategie die Beurteilung und Verfolgung von Trends. Sie kann sowohl gute Einstiegsmomente finden als auch schnell eine Trendumkehr erkennen und so die Verluste stoppen.

Strategische Vorteile

Die Gandalf-Strategie hat folgende Vorteile:

  1. Die Verwendung von Mittellinien, um die Richtung des Trends zu bestimmen, kann effektiv Marktlärm filtern und die wichtigsten Trends festlegen.

  2. Die Eintrittsbedingungen in Kombination mit einer Vielzahl von Preisvergleichen ermöglichen eine zuverlässigere Einschätzung des Trendstartes.

  3. Die Stop-Loss-Bedingungen nutzen auch Preisvergleiche, um eine Trendwende zu ermitteln, um die Verluste schnell zu stoppen und das Risiko zu kontrollieren.

  4. Die Eintrittspreise sind in der Nähe des idealen Preises möglich.

  5. Die Anzahl der Stop-Ops und die Positionsobergrenze können vorab eingestellt werden, um Gewinne zu sichern und das Risiko eines einzelnen Handels zu kontrollieren.

  6. Die Code-Struktur ist klar und einfach, leicht zu verstehen und zu ändern.

  7. Die Parameter können an die persönlichen Risikopräferenzen angepasst und leicht optimiert werden.

  8. Für Trendsorten gibt es Trendzuwächse.

Insgesamt ist die Gandalf-Strategie eine zuverlässige Trendverfolgungsstrategie, die die mittlere Linie nutzt, um Trends zu beurteilen und Stop-Loss-Bedingungen zu setzen, um die Risikoverfolgung effektiv zu steuern.

Strategisches Risiko

Es gibt einige Risiken bei der Gandalf-Strategie, die beachtet werden müssen:

  1. Als Trend-Tracking-Strategie wird ein kleiner Verlust erzielt, wenn der Trend nicht sichtbar ist oder sich häufig umkehrt.

  2. Es ist unmöglich, den Trend umzukehren, was zu einer Vergrößerung der Verluste führen kann.

  3. In den letzten Jahren hat sich die Situation in den USA weiter verschlechtert.

  4. Je nach Parameter-Einstellung müssen die Parameter für verschiedene Sorten angepasst werden.

  5. Die Einseitigkeit der Positionen, die nicht profitieren können von der Umkehrung der Situation.

  6. Die Teilnahme an der Qualifikationsrunde ist mit einer hohen Ablehnungsrate verbunden, was zu einer langen Wartezeit führen kann.

Entsprechende Risikomanagementmaßnahmen:

  1. Der Einsatz von kleinen Positionen, die Eintrittsserien und die Kontrolle von Einzelschäden.

  2. Setzen Sie eine Stop-Line, schnelle Stop-Off oder verwenden Sie eine mobile Stop-Off, um die Stop-Off-Position zu verfolgen.

  3. Optimierung der Parameter, die auf die aktuelle Sorte angepasst werden. Trends können mit anderen Indikatoren beurteilt werden.

  4. Die Kosten können durch die Martinegelsche Rücklagerung gesenkt werden.

  5. Der Handel ist eine deutlich tendenziöse Variante, bei der die Gewinne unsicher sind.

  6. Eine angemessene Lockerung der Zulassungsbedingungen unter Berücksichtigung der Zulassungswahrscheinlichkeit.

Richtung der Strategieoptimierung

Die Gandalf-Strategie kann in folgenden Bereichen optimiert werden:

  1. Erstellung von Trendbeurteilungsindikatoren, die zur Beurteilung der Zeit der Trendumkehr beitragen.

  2. Zusätzliche Optimierung der Parameter für die automatische Optimierung der Parameter für weitere Sorten.

  3. Hinzufügen von Machine-Learning-Algorithmen, um Trends in neuronalen Netzwerken oder SVM-Modellen zu bestimmen, die mit historischen Daten trainiert wurden.

  4. Hinzufügen von Stop-Methoden, wie beispielsweise Bewegungsstillungen, Index-Bewegungsstillungen.

  5. In Kombination mit den entsprechenden Produkten wird Differenz-Arbitrage oder statistische Arbitrage durchgeführt.

  6. Hinzu kommt die Prognose des Zustands, die auf dem Hidden-Markov-Modell basiert, um den Zustand zu beurteilen.

  7. Konstruieren Sie komplexe Strategien, z. B. Kombinationen mit homogenen Strategien, um eine Mehrstrategiemanagement zu ermöglichen.

  8. Es ist wichtig, dass Sie die Optimierung Ihrer Portfolio-Strategie erforschen und die Gewichtung Ihrer Portfolio-Strategie finden.

Insgesamt kann die Gandalf-Strategie auf mehreren Ebenen erweitert und optimiert werden, wie z. B. Trendbeurteilung, automatische Optimierung und Risikomanagement, um die Strategie stabiler und zuverlässiger zu machen.

Zusammenfassen

Die Gandalf-Quantitative Strategie ist eine einfache und wirksame Strategie, die Trends auf der Grundlage von Preisvergleichen beurteilt. Sie kombiniert Trendverfolgung mit der Idee des schnellen Stopps und kann das Risiko effektiv kontrollieren. Die Strategie ist klar und verständlich, und die Parameter können an die persönlichen Risikopräferenzen angepasst werden.

Strategiequellcode
/*backtest
start: 2023-10-22 00:00:00
end: 2023-10-29 00:00:00
period: 1h
basePeriod: 15m
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/

//@version=3

// The GandalfProjectResearchSystem strategy, as discussed in
// “System Development Using Artificial Intelligence”
// by Domenico D’Errico and Giovanni Trombetta
strategy("Gandalf Project Research System", overlay=true)

// Inputs
Quantity = input(0, title="Quantity (0 to auto calc)")
Single_Trade_Money = input(10000, minval=1, title="Money to spend on single trade")
MaxProfitCloses = input(6, minval=1, title="Max Profit Close")
MaxBars = input(8, minval=1, title="Max Total Bars")
Enter_Gap = input(-0.08, title="Distance from low price to place entry limit")
AltExit = input(true, title="Use Alt Exit")

// Calculate Order Quantity
Ncon = Single_Trade_Money / close

// Misc Variables
src = close
BarsSinceEntry = 0
MaxProfitCount = 0
MedBodyPrice = (open + close) / 2.0
Weighted = (high + low + close + close) / 4.0
Median = (high + low) / 2.0

// Enter Conditions
Cond00 = strategy.position_size == 0
Cond01 = ((Weighted[1] < Median[1] and Median[2] <= Weighted[1] and MedBodyPrice[2] <= Weighted[3]) or (Weighted[1] < Median[3] and MedBodyPrice[0] < Median[2] and MedBodyPrice[1] < MedBodyPrice[2]))
Entry01 = Cond00 and Cond01

// Update Exit Variables
BarsSinceEntry := Cond00 ? 0 : nz(BarsSinceEntry[1]) + 1
MaxProfitCount := Cond00 ? 0 : (close > strategy.position_avg_price and BarsSinceEntry > 1) ? nz(MaxProfitCount[1]) + 1 : nz(MaxProfitCount[1])

// Exit Conditions
eCond01 = BarsSinceEntry - 1 >= MaxBars
eCond02 = MaxProfitCount >= MaxProfitCloses
eCond03 = ((Weighted[1] < MedBodyPrice[1] and Median[2] == MedBodyPrice[3] and MedBodyPrice[1] <= MedBodyPrice[4]) or (Weighted[2] < MedBodyPrice[0] and Median[4] <= Weighted[3] and MedBodyPrice[1] <= Weighted[1]) or (Weighted[2] < MedBodyPrice[0] and Median[4] <= Weighted[3] and MedBodyPrice[1] <= Weighted[1]))
eCond04 = AltExit ? true : close - strategy.position_avg_price < 0
Exit01 = not Cond00 and (eCond01 or eCond02 or (eCond03 and eCond04))

// Entries
strategy.entry(id="L1", long=true, limit=low + Enter_Gap, qty=(Quantity > 0 ? Quantity : Ncon), when=Entry01)
 
// Exits
strategy.close("L1", Exit01)