Bitcoin Quantitative Band Trading Strategie basierend auf mehreren Zeitrahmen

Schriftsteller:ChaoZhang, Datum: 23.12.2023
Tags:

Übersicht

Diese Strategie identifiziert die Preisbänder von Bitcoin, indem sie quantitative Indikatoren über verschiedene Zeitrahmen hinweg kombiniert und Trends verfolgt.

Strategie Logik

Der RSI-Indikator, der auf der Grundlage des täglichen Zeitrahmens berechnet wird, wird auf der Grundlage des Handelsvolumens gewogen, um falsche Ausbrüche zu filtern.
Der tägliche RSI-Indikator wird durch eine EMA glättet, um einen quantitativen Band-Indikator zu erstellen.
Der 5-minütige Zeitrahmen verwendet eine Kombination aus linearen Regressions- und HMA-Indikatoren, um Handelssignale zu erzeugen.
Durch die Kombination des quantitativen Band-Indikators und der Handelssignale über Zeiträume hinweg werden mittelfristige bis langfristige Preisbereiche ermittelt.

Analyse der Vorteile

Der volumengewichtete RSI-Indikator kann echte Bands effektiv identifizieren und falsche Ausbrüche filtern.
Der HMA-Indikator ist anfälliger für Preisänderungen und kann Pünktlichkeiten erfassen.
Die Kombination mehrerer Zeitrahmen führt zu einer genaueren Ermittlung der mittelfristigen bis langfristigen Bands.
Der Handel im 5-minütigen Zeitrahmen ermöglicht eine höhere Betriebsfrequenz.
Als Band-Tracking-Strategie erfordert sie keine genaue Auswahl von Punkten und kann länger halten.

Risikoanalyse

Quantitative Indikatoren können falsche Signale erzeugen, eine Fundamentalanalyse wird empfohlen.
Es kann sein, dass sich die Bands auf halbem Weg umkehren. Es sollten Stop-Loss-Mechanismen vorhanden sein.
Signalverzögerungen können dazu führen, dass die besten Einstiegspunkte fehlen.
Gewinnbringende Bands benötigen längere Haltedauer und erfordern Kapitaldrucktoleranz.

Optimierungsrichtlinien

Prüfung der Wirksamkeit von RSI-Indikatoren mit verschiedenen Parametern.
Versuchen Sie, andere Hilfsbandanzeigen einzuführen.
Optimierung der Längenparameter des HMA-Indikators.
Fügen Sie Stop-Loss- und Take-Profit-Strategien hinzu.
Anpassung des Haltezyklus für Bandhandel.

Schlussfolgerung

Diese Strategie erfasst effektiv die mittelfristigen bis langfristigen Trends von Bitcoin, indem sie Zeitrahmen und Band-Tracking kombiniert. Im Vergleich zum kurzfristigen Handel sieht der mittelfristige bis langfristige Band-Handel kleinere Drawdowns und ein größeres Gewinnpotenzial.

/*backtest
start: 2023-10-31 00:00:00
end: 2023-11-30 00:00:00
period: 1h
basePeriod: 15m
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/

//@version=4

strategy(title='Pyramiding BTC 5 min', overlay=true, pyramiding=5, initial_capital=10000, default_qty_type=strategy.percent_of_equity, default_qty_value=20, commission_type=strategy.commission.percent, commission_value=0.075)
//the pyramide based on this script  https://www.tradingview.com/script/7NNJ0sXB-Pyramiding-Entries-On-Early-Trends-by-Coinrule/
//
fastLength = input(250, title="Fast filter length ", minval=1)
slowLength = input(500,title="Slow filter length",  minval=1)
source=close
v1=ema(source,fastLength)
v2=ema(source,slowLength)
//
//Backtest dates
fromMonth = input(defval=1, title="From Month")
fromDay = input(defval=10, title="From Day")
fromYear = input(defval=2020, title="From Year")
thruMonth = input(defval=1, title="Thru Month")
thruDay = input(defval=1, title="Thru Day")
thruYear = input(defval=2112, title="Thru Year")

showDate = input(defval=true, title="Show Date Range")

start = timestamp(fromYear, fromMonth, fromDay, 00, 00)  // backtest start window
finish = timestamp(thruYear, thruMonth, thruDay, 23, 59)  // backtest finish window
window() =>  // create function "within window of time"
    time >= start and time <= finish ? true : false


leng=1
p1=close[1]

len55 = 10
//taken from https://www.tradingview.com/script/Ql1FjjfX-security-free-MTF-example-JD/
HTF = input("1D", type=input.resolution)
ti = change( time(HTF) ) != 0
T_c = fixnan( ti ? close : na )

vrsi = rsi(cum(change(T_c) * volume), leng)
pp=wma(vrsi,len55)

d=(vrsi[1]-pp[1])
len100 = 10
x=ema(d,len100)
//
zx=x/-1
col=zx > 0? color.lime : color.orange

//

tf10 = input("1", title = "Timeframe", type = input.resolution, options = ["1", "5", "15", "30", "60","120", "240","360","720", "D", "W"])

length = input(50, title = "Period", type = input.integer)
shift = input(1, title = "Shift", type = input.integer)

hma(_src, _length)=>
    wma((2 * wma(_src, _length / 2)) - wma(_src, _length), round(sqrt(_length)))
    
hma3(_src, _length)=>
    p = length/2
    wma(wma(close,p/3)*3 - wma(close,p/2) - wma(close,p),p)

b =security(syminfo.tickerid, tf10, hma3(close[1], length)[shift])
//plot(a,color=color.gray)
//plot(b,color=color.yellow)
close_price = close[0]
len = input(25)

linear_reg = linreg(close_price, len, 0)


filter=input(true)

buy=crossover(linear_reg, b)

longsignal = (v1 > v2 or filter == false ) and buy and window()

//set take profit

ProfitTarget_Percent = input(3)
Profit_Ticks = close * (ProfitTarget_Percent / 100) / syminfo.mintick

//set take profit

LossTarget_Percent = input(10)
Loss_Ticks = close * (LossTarget_Percent / 100) / syminfo.mintick


//Order Placing

strategy.entry("Entry 1", strategy.long, when=strategy.opentrades == 0 and longsignal)

strategy.entry("Entry 2", strategy.long, when=strategy.opentrades == 1 and longsignal)

strategy.entry("Entry 3", strategy.long, when=strategy.opentrades == 2 and longsignal)

strategy.entry("Entry 4", strategy.long, when=strategy.opentrades == 3 and longsignal)

strategy.entry("Entry 5", strategy.long, when=strategy.opentrades == 4 and longsignal)





if strategy.position_size > 0
    strategy.exit(id="Exit 1", from_entry="Entry 1", profit=Profit_Ticks, loss=Loss_Ticks)
    strategy.exit(id="Exit 2", from_entry="Entry 2", profit=Profit_Ticks, loss=Loss_Ticks)
    strategy.exit(id="Exit 3", from_entry="Entry 3", profit=Profit_Ticks, loss=Loss_Ticks)
    strategy.exit(id="Exit 4", from_entry="Entry 4", profit=Profit_Ticks, loss=Loss_Ticks)
    strategy.exit(id="Exit 5", from_entry="Entry 5", profit=Profit_Ticks, loss=Loss_Ticks)

Mehr