Strategie des geglätteten gleitenden Durchschnitts
Erstellungsdatum:
2023-11-06 10:29:24
zuletzt geändert:
2023-11-06 10:29:24
Kopie:
0
Klicks:
786
ChaoZhang
1
konzentrieren Sie sich auf
1617
Anhänger
Überblick
Die Strategie kombiniert mehrere verschiedene Moving Averages, um eine einfache Trend-Tracking-Strategie zu realisieren. Die Strategie hat die Funktion, Geräusche zu filtern.
Strategieprinzip
Die Strategie wird zuerst den Schlusskurs glatten, und Sie können auswählen, ob Sie den Heiken Ashi Schlusskurs verwenden wollen. Dann wird die SmoothMA-Funktion aufgerufen, um mehrere überlagerte SmoothMAs zu erreichen. Die SmoothMA-Funktion ruft zuerst die Variant-Funktion auf, die verschiedene Arten von Moving Averages wie SMA, EMA, DEMA usw. erzeugt.
Analyse der Stärken
- Multiplizierte Moving Averages, die effektiv Marktlärm filtern und Trends erkennen können.
- Unterstützt verschiedene Arten von Moving Averages wie SMA, EMA, DEMA und kann flexibel kombiniert werden.
- Die Heiken Ashi-Technologie unterstützt das Filtern von Falschmeldungen.
- Die Strategie ist einfach zu bedienen und zu implementieren.
- Es ist möglich, die Länge, die Art und die Anzahl der Gleitbewegungen der gleitenden Mittelwerte anzupassen, wobei die Parameter für verschiedene Sorten optimiert werden können.
Risikoanalyse
- Die Überschneidung von Moving Averages führt zu Verzögerungen, die zu einer ersten Trendänderung führen können.
- Ein einfaches Moving-Average-System kann nicht effektiv bei Störungen profitieren.
- Die tatsächlichen Transaktionskosten reduzieren die Profitabilität ohne Berücksichtigung der Transaktionskosten.
- Es besteht die Gefahr, dass sich die Verluste ausweiten, wenn kein Stop-Loss eingerichtet wird.
Es kann in Kombination mit anderen Indikatoren wie MACD, KDJ und anderen verwendet werden, um Trendsignale genauer zu erkennen. Optimieren Sie die Moving Average-Parameter, reduzieren Sie die Verzögerung. Setzen Sie eine angemessene Stop-Loss-Ebene, kontrollieren Sie die Einzelschäden.
Optimierungsrichtung
- Versuchen Sie mit verschiedenen Moving Average-Kombinationen unterschiedlicher Länge und Typen, um die besten Parameter zu finden.
- Es kann in Erwägung gezogen werden, andere technische Indikatoren in die Strategie aufzunehmen, um systematischere Regeln für die Ein- und Aussetzung von Märkten zu schaffen.
- Es ist möglich, die Handelszeiten so einzustellen, dass keine großen makroökonomischen Ereignisse die Strategie beeinflussen.
- Die Parameter können je nach Sorte angepasst werden, um die optimale Kombination zu finden.
- Es ist möglich, Stop-Loss- und Stop-Stop-Levels einzustellen, um das Handelsrisiko zu kontrollieren.
Zusammenfassen
Die Strategie ermöglicht Trendverfolgung durch die Überlagerung von mehreren Moving Averages und kann Marktlärm wirksam beseitigen. Die Vorteile sind einfach und einfach zu bedienen und die Parameter können flexibel angepasst werden. Die Nutzung von Moving Average-Systemen allein hat jedoch noch begrenzte Probleme mit der Profitabilität.
Strategiequellcode
/*backtest
start: 2022-10-30 00:00:00
end: 2023-11-05 00:00:00
period: 1d
basePeriod: 1h
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/
//@version=4
// Copyright (c) 2007-present Jurik Research and Consulting. All rights reserved.
// Copyright (c) 2018-present, Alex Orekhov (everget)
// Thanks to everget for code for more advanced moving averages
// Smooth Moving Average [STRATEGY] @PuppyTherapy script may be freely distributed under the MIT license.
strategy( title="Smooth Moving Average [STRATEGY] @PuppyTherapy", overlay=true )
// ---- CONSTANTS ----
lsmaOffset = 1
almaOffset = 0.85
almaSigma = 6
phase = 2
power = 2
// ---- GLOBAL FUNCTIONS ----
kama(src, len)=>
xvnoise = abs(src - src[1])
nfastend = 0.666
nslowend = 0.0645
nsignal = abs(src - src[len])
nnoise = sum(xvnoise, len)
nefratio = iff(nnoise != 0, nsignal / nnoise, 0)
nsmooth = pow(nefratio * (nfastend - nslowend) + nslowend, 2)
nAMA = 0.0
nAMA := nz(nAMA[1]) + nsmooth * (src - nz(nAMA[1]))
t3(src, len)=>
xe1_1 = ema(src, len)
xe2_1 = ema(xe1_1, len)
xe3_1 = ema(xe2_1, len)
xe4_1 = ema(xe3_1, len)
xe5_1 = ema(xe4_1, len)
xe6_1 = ema(xe5_1, len)
b_1 = 0.7
c1_1 = -b_1*b_1*b_1
c2_1 = 3*b_1*b_1+3*b_1*b_1*b_1
c3_1 = -6*b_1*b_1-3*b_1-3*b_1*b_1*b_1
c4_1 = 1+3*b_1+b_1*b_1*b_1+3*b_1*b_1
nT3Average_1 = c1_1 * xe6_1 + c2_1 * xe5_1 + c3_1 * xe4_1 + c4_1 * xe3_1
// The general form of the weights of the (2m + 1)-term Henderson Weighted Moving Average
getWeight(m, j) =>
numerator = 315 * (pow(m + 1, 2) - pow(j, 2)) * (pow(m + 2, 2) - pow(j, 2)) * (pow(m + 3, 2) - pow(j, 2)) * (3 * pow(m + 2, 2) - 11 * pow(j, 2) - 16)
denominator = 8 * (m + 2) * (pow(m + 2, 2) - 1) * (4 * pow(m + 2, 2) - 1) * (4 * pow(m + 2, 2) - 9) * (4 * pow(m + 2, 2) - 25)
denominator != 0
? numerator / denominator
: 0
hwma(src, termsNumber) =>
sum = 0.0
weightSum = 0.0
termMult = (termsNumber - 1) / 2
for i = 0 to termsNumber - 1
weight = getWeight(termMult, i - termMult)
sum := sum + nz(src[i]) * weight
weightSum := weightSum + weight
sum / weightSum
get_jurik(length, phase, power, src)=>
phaseRatio = phase < -100 ? 0.5 : phase > 100 ? 2.5 : phase / 100 + 1.5
beta = 0.45 * (length - 1) / (0.45 * (length - 1) + 2)
alpha = pow(beta, power)
jma = 0.0
e0 = 0.0
e0 := (1 - alpha) * src + alpha * nz(e0[1])
e1 = 0.0
e1 := (src - e0) * (1 - beta) + beta * nz(e1[1])
e2 = 0.0
e2 := (e0 + phaseRatio * e1 - nz(jma[1])) * pow(1 - alpha, 2) + pow(alpha, 2) * nz(e2[1])
jma := e2 + nz(jma[1])
variant(src, type, len ) =>
v1 = sma(src, len) // Simple
v2 = ema(src, len) // Exponential
v3 = 2 * v2 - ema(v2, len) // Double Exponential
v4 = 3 * (v2 - ema(v2, len)) + ema(ema(v2, len), len) // Triple Exponential
v5 = wma(src, len) // Weighted
v6 = vwma(src, len) // Volume Weighted
v7 = na(v5[1]) ? sma(src, len) : (v5[1] * (len - 1) + src) / len // Smoothed
v8 = wma(2 * wma(src, len / 2) - wma(src, len), round(sqrt(len))) // Hull
v9 = linreg(src, len, lsmaOffset) // Least Squares
v10 = alma(src, len, almaOffset, almaSigma) // Arnaud Legoux
v11 = kama(src, len) // KAMA
ema1 = ema(src, len)
ema2 = ema(ema1, len)
v13 = t3(src, len) // T3
v14 = ema1+(ema1-ema2) // Zero Lag Exponential
v15 = hwma(src, len) // Henderson Moving average thanks to @everget
ahma = 0.0
ahma := nz(ahma[1]) + (src - (nz(ahma[1]) + nz(ahma[len])) / 2) / len //Ahrens Moving Average
v16 = ahma
v17 = get_jurik( len, phase, power, src)
type=="EMA"?v2 : type=="DEMA"?v3 : type=="TEMA"?v4 : type=="WMA"?v5 : type=="VWMA"?v6 :
type=="SMMA"?v7 : type=="Hull"?v8 : type=="LSMA"?v9 : type=="ALMA"?v10 : type=="KAMA"?v11 :
type=="T3"?v13 : type=="ZEMA"?v14 : type=="HWMA"?v15 : type=="AHMA"?v16 : type=="JURIK"?v17 : v1
smoothMA(c, maLoop, type, len) =>
ma_c = 0.0
if maLoop == 1
ma_c := variant(c, type, len)
if maLoop == 2
ma_c := variant(variant(c ,type, len),type, len)
if maLoop == 3
ma_c := variant(variant(variant(c ,type, len),type, len),type, len)
if maLoop == 4
ma_c := variant(variant(variant(variant(c ,type, len),type, len),type, len),type, len)
if maLoop == 5
ma_c := variant(variant(variant(variant(variant(c ,type, len),type, len),type, len),type, len),type, len)
ma_c
// Smoothing HA Function
smoothHA( o, h, l, c ) =>
hao = 0.0
hac = ( o + h + l + c ) / 4
hao := na(hao[1])?(o + c / 2 ):(hao[1] + hac[1])/2
hah = max(h, max(hao, hac))
hal = min(l, min(hao, hac))
[hao, hah, hal, hac]
// ---- Main Selection ----
haSmooth = input(false, title=" Use HA as source ? " )
length = input(60, title=" MA1 Length", minval=1, maxval=1000)
maLoop = input(2, title=" Nr. of MA1 Smoothings ", minval=1, maxval=5)
type = input("EMA", title="MA Type", options=["SMA", "EMA", "DEMA", "TEMA", "WMA", "VWMA", "SMMA", "Hull", "LSMA", "ALMA", "KAMA", "ZEMA", "HWMA", "AHMA", "JURIK", "T3"])
// ---- BODY SCRIPT ----
[ ha_open, ha_high, ha_low, ha_close ] = smoothHA(open, high, low, close)
_close_ma = haSmooth ? ha_close : close
_close_smoothed_ma = smoothMA( _close_ma, maLoop, type, length)
maColor = _close_smoothed_ma > _close_smoothed_ma[1] ? color.lime : color.red
plot(_close_smoothed_ma, title= "MA - Trend", color=maColor, transp=85, linewidth = 4)
long = _close_smoothed_ma > _close_smoothed_ma[1] and _close_smoothed_ma[1] < _close_smoothed_ma[2]
short = _close_smoothed_ma < _close_smoothed_ma[1] and _close_smoothed_ma[1] > _close_smoothed_ma[2]
plotshape( short , title="Short", color=color.red, transp=80, style=shape.triangledown, location=location.abovebar, size=size.small)
plotshape( long , title="Long", color=color.lime, transp=80, style=shape.triangleup, location=location.belowbar, size=size.small)
//* Backtesting Period Selector | Component *//
//* Source: https://www.tradingview.com/script/eCC1cvxQ-Backtesting-Period-Selector-Component *//
testStartYear = input(2018, "Backtest Start Year",minval=1980)
testStartMonth = input(1, "Backtest Start Month",minval=1,maxval=12)
testStartDay = input(1, "Backtest Start Day",minval=1,maxval=31)
testPeriodStart = timestamp(testStartYear,testStartMonth,testStartDay,0,0)
testStopYear = 9999 //input(9999, "Backtest Stop Year",minval=1980)
testStopMonth = 12 // input(12, "Backtest Stop Month",minval=1,maxval=12)
testStopDay = 31 //input(31, "Backtest Stop Day",minval=1,maxval=31)
testPeriodStop = timestamp(testStopYear,testStopMonth,testStopDay,0,0)
testPeriod() => time >= testPeriodStart and time <= testPeriodStop ? true : false
if testPeriod() and long
strategy.entry( "long", strategy.long )
if testPeriod() and short
strategy.entry( "short", strategy.short )