Dynamische Intervall-Breakout-Strategie
Überblick
Diese Strategie basiert auf dem Bollinger-Bänder-Indikator und wurde als dynamische Ausbruchsstrategie konzipiert. Sie kombiniert Filter basierend auf Kerzenkörper-Größe und Farbe, um Einstiegssignale nahe dem unteren Band zu identifizieren. Der Ausstieg erfolgt ebenfalls über einen Kerzenkörper-Filter. Die Strategie verwaltet die Positionsgröße und das Risiko automatisch.
Strategieprinzip
Indikatorberechnung
Zunächst wird die Mittellinie und das untere Band der Bollinger-Bänder auf Basis des Tiefstkurses berechnet:
src = low
basis = sma(src, length)
dev = mult * stdev(src, length)
lower = basis - dev
Dabei ist src der Tiefstkurs, length die Berechnungsperiode, basis der gleitende Durchschnitt, dev die Standardabweichung und lower das untere Band.
mult wird üblicherweise auf 2 gesetzt, sodass das untere Band eine Standardabweichung darstellt.
Filterbedingungen
Die Strategie verwendet zwei Filter:
Kerzenkörper-Filter
Die Größe des Kerzenkörpers nbody und dessen Mittelwert abody werden verwendet. Ein Signal wird nur generiert, wenn nbody größer als die Hälfte von abody ist.
Farbfilter
Wenn die Kerze bullish ist (close > open), wird keine Long-Position eröffnet. Dies verhindert Fehlausbrüche am oberen Ende der Kerze.
Handelssignal
Ein Long-Signal wird generiert, wenn folgende Bedingungen erfüllt sind:
low < lower // Preis durchbricht unteres Band
close < open or usecol == false // Farbfilter
nbody > abody / 2 or usebod == false // Kerzenkörper-Filter
Eine Schließung der Position erfolgt, wenn die Kerzenkörper-Größe erneut die Hälfte des Mittelwerts überschreitet:
close > open and nbody > abody / 2
Positionsmanagement
Die Strategie berechnet die Handelsmenge automatisch für exponentielles Wachstum:
lot = strategy.position_size == 0 ? strategy.equity / close * capital / 100 : lot[1]
Risikomanagement
Es werden Jahres-, Monats- und Tagesbedingungen hinzugefügt, um den Handel nur innerhalb eines bestimmten Datumsbereichs zu erlauben:
when=(time > timestamp(fromyear, frommonth, fromday, 00, 00) and time < timestamp(toyear, tomonth, today, 23, 59))
Vorteile der Strategie
Dynamische Handelszone
Das untere Bollinger-Band ist eine dynamische Unterstützungszone, die Erholungschancen nach Trends erfasst.
Doppelfilter-Mechanismus
Die Kombination von Kerzenkörper- und Farbfiltern filtert effektiv Fehlausbrüche.
Automatisches Positionsmanagement
Die Position wächst exponentiell bis zu 100 % und das Risiko wird automatisch kontrolliert.
Festgelegter Handelszeitraum
Durch die Festlegung eines Datumsbereichs wird das Risiko durch Marktvolatilität in bestimmten Zeiträumen reduziert.
Risiken der Strategie
Lange Leerlaufzeiten
In langanhaltenden Bullenmärkten können sich die Mittellinie und das obere Band schnell nach oben verschieben, was zu langen Leerlaufzeiten führt.
Lösungsansatz
Durch die Integration eines Trendindikators kann die Strategie in langfristigen Bullenmärkten pausiert werden, um Leerlaufzeiten zu vermeiden.
Fehlgeschlagene Ausbrüche
Nach einem Ausbruch unter das untere Band kann es zu Korrekturen und erneuten Tests des unteren Bands kommen.
Lösungsansatz
Eine Stop-Loss-Linie kann unterhalb der Unterstützung eingefügt werden, um einen bestimmten Prozentsatz nach unten abzusichern. Alternativ kann eine Logik zur schnellen Schließung bei erneutem Fehlschlag implementiert werden.
Optimierungsmöglichkeiten
Hinzufügen einer Stop-Loss-Logik
Basierend auf Backtest-Ergebnissen sollte eine angemessene Stop-Loss-Position unterhalb der Unterstützung festgelegt werden.
Optimierung der Filterparameter
Die Periode des Kerzenkörper-Filters (abody) und die Nutzung des Farbfilters können angepasst werden, um die optimale Parameterkombination zu finden.
Integration einer Trendanalyse
Durch die Hinzunahme einer längerfristigen Trendanalyse kann die Strategie in Bullenmärkten gestoppt werden, um Leerlaufzeiten zu reduzieren.
Zusammenfassung
Diese Strategie kombiniert die Unterstützung durch Bollinger-Bänder mit Kerzenkörper-Filtern, Farbfiltern und Ausbruchshandelslogik, um hochwahrscheinliche Erholungschancen zu identifizieren. In der Praxis können die Parameter basierend auf Backtest-Ergebnissen optimiert und Stop-Loss- sowie Trendanalyse-Module zur Risikokontrolle hinzugefügt werden, um eine verbesserte Performance zu erzielen.
- 1

