Momentum-Trading-Strategie basierend auf CMO und WMA
ChaoZhang
Überblick
Die Strategie nennt sich CMO- und WMA-basierte Momentum-Trading-Strategie. Die Strategie nutzt den Chande Momentum Oscillator (CMO) und seine gewichteten Moving Averages (WMA) zur Erstellung von Handelssignalen. Die Kernidee ist, dass der CMO mehr macht, wenn er seine WMA aufweist, und weniger, wenn er seine WMA aufweist.
Strategieprinzip
Der Kern der Strategie ist der CMO. Der CMO ist eng mit anderen dynamischen Indikatoren wie dem RSI verbunden, aber auch einzigartig. Der CMO misst direkt den Preisveränderungsmomentum. Seine Berechnung basiert auf ursprünglichen, nicht ausgeglichenen Daten und spiegelt somit kurzfristige extreme Preisveränderungen wider.
Die Strategie berechnet zunächst die Tagesänderung des Schlusspreises abs ((close - close[1]) als ursprüngliches Momentum xMom. Dann berechnet man den Length-Tage-SMA von xMom, als xSMA_mom. Dann berechnet man die Length-Tage-Preisänderung xMomLength, also close - close[Length]。 Der endgültige CMO-Wert ist xMomLength dividiert durch xSMA_mom multipliziert mit 100。 Das CMO wird durch das WMA ((Parameter LengthWMA) glattert. CMO xWMACMO。 Das Strategie-Signal lautet: Wenn das CMO überschneidet (unterschneidet) wird sein WMA mehr (ohne) gemacht (ohne).
Strategische Vorteile
Der größte Vorteil dieser Strategie besteht darin, die Dynamikmerkmale in den Preistrends zu erfassen. Die begrenzte Gestaltung des CMO ermöglicht es, die Dynamikänderungen direkter zu reflektieren. Im Vergleich zu SMA ist WMA besser in der Lage, den kurzfristigen Lärm zu glätten.
Strategisches Risiko
Das größte Risiko dieser Strategie besteht in den Slip-Cost-Kosten, die durch häufige Transaktionen entstehen. CMO und WMA sind kurzfristige Parameter, die möglicherweise zu sensibel sind, um mehrere unnötige Umkehrungen zu erzeugen. Dies ist besonders schwerwiegend, wenn die Varietät stark schwankt.
Es kann in Erwägung gezogen werden, CMO- und WMA-Parameter einzuführen, die sich an die Parameter anpassen, damit sie sich dynamisch anpassen können; oder die Filterbedingungen zu erhöhen, um unnötige Transaktionen zu reduzieren. Natürlich ist auch die Verringerung der Varietärvolatilität durch Kombination eine Option.
Richtung der Strategieoptimierung
Diese Strategie kann in folgenden Bereichen optimiert werden:
Erhöhung der Anpassungsfähigkeit der CMO-Parametermechanismen.
Hinzugefügt wurde ein Anpassungsmechanismus für WMA-Parameter.
Die Zunahme der Filterbedingungen, wie die Einführung des Volatility Index, die die Kontrolle nicht rückgängig machen;
Es wird eine Kombination mit anderen Indikatoren in Betracht gezogen, um die Stabilität zu verbessern.
Optimierung der Stop-Loss-Mechanismen. Einstellung einer dynamischen Stop-Loss-Linie und aktive Kontrolle der Einrad-Verluste.
Zusammenfassen
Die Strategie basiert auf einfacher und effektiver Trendverfolgung durch CMOs und WMAs. Der Vorteil der Strategie besteht darin, die Preisdynamik eindeutig zu erfassen. Es gibt jedoch auch Nachteile, die durch eine geringe Positionsfähigkeit nach Gewinnung entstehen.
/*backtest
start: 2022-11-21 00:00:00
end: 2023-11-27 00:00:00
period: 1d
basePeriod: 1h
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/
//@version=2
////////////////////////////////////////////////////////////
// Copyright by HPotter v1.0 13/02/2017
// This indicator plots Chandre Momentum Oscillator and its WMA on the
// same chart. This indicator plots the absolute value of CMO.
// The CMO is closely related to, yet unique from, other momentum oriented
// indicators such as Relative Strength Index, Stochastic, Rate-of-Change,
// etc. It is most closely related to Welles Wilder?s RSI, yet it differs
// in several ways:
// - It uses data for both up days and down days in the numerator, thereby
// directly measuring momentum;
// - The calculations are applied on unsmoothed data. Therefore, short-term
// extreme movements in price are not hidden. Once calculated, smoothing
// can be applied to the CMO, if desired;
// - The scale is bounded between +100 and -100, thereby allowing you to clearly
// see changes in net momentum using the 0 level. The bounded scale also allows
// you to conveniently compare values across different securities.
////////////////////////////////////////////////////////////
strategy(title="CMO & WMA", shorttitle="CMO & WMA")
Length = input(9, minval=1)
LengthWMA = input(9, minval=1)
reverse = input(false, title="Trade reverse")
hline(0, color=gray, linestyle=line)
xMom = abs(close - close[1])
xSMA_mom = sma(xMom, Length)
xMomLength = close - close[Length]
nRes = 100 * (xMomLength / (xSMA_mom * Length))
xWMACMO = wma(nRes, LengthWMA)
pos = iff(nRes > xWMACMO, 1,
iff(nRes <= xWMACMO, -1, nz(pos[1], 0)))
possig = iff(reverse and pos == 1, -1,
iff(reverse and pos == -1, 1, pos))
if (possig == 1)
strategy.entry("Long", strategy.long)
if (possig == -1)
strategy.entry("Short", strategy.short)
barcolor(possig == -1 ? red: possig == 1 ? green : blue)
plot(nRes, color=blue, title="CMO")
plot(xWMACMO, color=red, title="WMA")