Bollinger Quantitative Strategie basierend auf der Umkehrung des Volatilitätsbands
ChaoZhang
Überblick
Diese Strategie nennt man die Bollinger-Quantitative Strategie, basierend auf der Umkehrung der Bandbreite. Die Strategie nutzt die Auf- und Abwärtsbahnen der Bollinger-Band, um Kauf- und Verkaufsurteile zu treffen. Kaufen wird getätigt, wenn der Kurs in der Nähe der Bandbreite liegt und Anzeichen für einen Absturz nach unten vorliegen, was darauf hindeutet, dass der Kurs möglicherweise in der Zeit der Umkehrung ist.
Strategieprinzip
Die Strategie verwendet den RSI-Indikator, um zu entscheiden, wann ein Kauf gemacht werden soll. Insbesondere wird entschieden, ob der Schlusskurs des letzten Bars niedriger ist als der Mindestpreis der vorherigen 6 Bars, während die Bollinger Bandbreite (BBW) größer ist als die eingestellte Schwelle und die Bollinger Bandbreite (BBR) in der eingestellten Bandbreite liegt. Wenn diese Bedingungen erfüllt sind, zeigt dies an, dass die Aktienpreise möglicherweise in einer Umkehrung sind.
Exit ist einfacher, wenn der RSI größer als 70 ist, was darauf hindeutet, dass der Aktienpreis überhitzt ist.
Analyse der Stärken
Der größte Vorteil dieser Strategie besteht darin, dass die Bollinger-Band-Oberbahn zur Beurteilung genutzt wird, wenn die Bollinger-Band umgekehrt ist, und dass bei Kauf und Verkauf kurzfristige Umkehrmöglichkeiten genutzt werden können. Im Vergleich zur einfachen RSI-Strategie ist diese Strategie strenger bei der Beurteilung der Kaufzeit und vermeidet die Wahrscheinlichkeit eines falschen Handels.
Die Strategie ist außerdem sehr parametersensibel und kann für verschiedene Sorten optimiert werden, indem die Parameter für BBW und BBR angepasst werden, um bessere Ergebnisse zu erzielen.
Risikoanalyse
Das Hauptrisiko dieser Strategie besteht darin, dass die Brin-Band keine hundertprozentige Preisumkehr vorhersagt, was zu einem verpassten Best Buy-Moment oder zu einem virtuellen Verlust führen kann, wenn der Zeitpunkt nicht richtig eingeschätzt wird.
Darüber hinaus kann die kurzfristige Schwankung der Aktienpreise dazu führen, dass die Strategie häufiger Positionen eröffnet und platziert, was die Transaktionskosten und Schlupfkosten erhöht. Wenn die Umkehrung nicht stark genug ist, besteht die Gefahr, dass die Position verloren geht.
Optimierungsrichtung
Diese Strategie kann in folgenden Bereichen optimiert werden:
Optimierungsparameter: Die Parameter BBW, BBR und andere Parameter können mit einer detaillierteren Methode getestet und optimiert werden, um die optimalen Parameter für verschiedene Handelsarten zu wählen.
Erhöhung der Stop-Loss-Mechanismen. Es kann ein Mobile Stop oder ein Time Stop eingestellt werden, um den Maximalverlust zu kontrollieren.
In Kombination mit anderen Indikatoren. Kann mit anderen Indikatoren wie KDJ, MACD kombiniert werden, um das Kaufsignal genauer und zuverlässiger zu machen
Optimierte Ausstiegsmechanismen. Die derzeitigen Ausstiegsmechanismen sind einfacher und können optimiert werden, z. B. durch die Einrichtung eines geeigneten Bewegungsstopps oder durch ein Ausstieg in Verbindung mit Schwankungen.
Zusammenfassen
Diese Strategie nutzt die Eigenschaften der Bollinger Bands, um zu bestimmen, wann die Preise sich umdrehen können, um zu kaufen und zu verkaufen. Die Zeit der Strategie ist genauer als die eines einzelnen RSI-Indikators. Durch die Optimierung der Parameter und die Einstellung von Stop-Loss-Stopps kann die Strategie zuverlässiger gemacht werden.
/*backtest
start: 2022-11-15 00:00:00
end: 2023-11-21 00:00:00
period: 1d
basePeriod: 1h
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/
//@version=4
//study(title = "Bolinger strategy", overlay=true)
strategy("Bolinger strategy",currency="SEK",default_qty_value=10000,default_qty_type=strategy.cash,max_bars_back=50)
len = 5
src = close
up = rma(max(change(src), 0), len)
down = rma(-min(change(src), 0), len)
rsi = down == 0 ? 100 : up == 0 ? 0 : 100 - (100 / (1 + up / down))
bbw3level = input(15, title="bbw3")
bbr3level = input(0.45, title="bbr3level")
bbrlower = input(0.4480, title="bbrlower")
bbrhigher = input(0.4560, title="bbrhigher")
sincelowestmin = input(7, title="sincelowestmin")
sincelowestmax = input(57, title="sincelowestmax")
length = input(20, minval=1)
mult = 20
src3 = close[3]
basis3 = sma(src3, length)
dev3 = mult * stdev(src3, length)
upper3 = basis3 + dev3
lower3 = basis3 - dev3
bbr3 = (src3 - lower3)/(upper3 - lower3)
bbw3 = (upper3-lower3)/basis3*100
basis = sma(src, length)
dev = mult * stdev(src, length)
upper = basis + dev
lower = basis - dev
bbr = (src - lower)/(upper - lower)
bbw = (upper-lower)/basis*100
criteriamet = 0
crossUnderB0 = crossunder(bbr,0)
since_x_under = barssince(crossUnderB0)
sincelowest = barssince(close[6] > close[3] and close[5] > close[3] and close[4] > close[3] and close[2] > close[3] and close[1] > close[3] and close > close[3] and bbw3 > bbw3level and bbr3 < bbr3level) // and bbr3 < 0
if sincelowest > sincelowestmin and sincelowest < sincelowestmax and bbr > bbrlower and bbr < bbrhigher
criteriamet := 1
else
criteriamet := 0
//plot (criteriamet)
//exit
exitmet = 0
if rsi > 70
exitmet := 1
else
exitmet := 0
if criteriamet == 1
strategy.entry("long", strategy.long)
if exitmet == 1
strategy.close("long")