Dayue Multi-Faktor-Quantitative Strategie


Erstellungsdatum: 2023-12-04 13:04:03 zuletzt geändert: 2023-12-04 13:04:03
Kopie: 0 Klicks: 622
1
konzentrieren Sie sich auf
1619
Anhänger

Dayue Multi-Faktor-Quantitative Strategie

Überblick

Die Multifaktor-Quantifizierungsstrategie von Hyundai ist eine langfristige Verfolgungsstrategie, die mehrere technische Indikatoren kombiniert. Sie nutzt hauptsächlich den 200-Tage-Simple Moving Average, um die allgemeine Richtung zu bestimmen, und kombiniert mit dem 20-Tage-Index Moving Average, dem MACD-Indikator und dem Ichimoku-Cloud-Diagramm, um ein detaillierteres Signal zu liefern, um den spezifischen Stop-Loss-Punkt zu bestimmen.

Die Strategie berücksichtigt sowohl langfristige als auch kurzfristige Trends und Multi-Factor-Verifizierung. Sie filtert den Lärm von Fake-Break-Trading. Sie sucht nach Qualitätschancen und kontrolliert gleichzeitig das Risiko. Sie ist für erfahrene Investoren geeignet, eine mittlere oder lange Position zu halten.

Strategieprinzip

Die Strategie betrachtet einen Kaufmarkt, wenn der Preis über dem 200-Tage-Moving Average liegt. Ein Kaufsignal wird erzeugt, solange der 20-Tage-Moving Average und der MACD-Indikator gleichzeitig ein Kaufsignal senden und der Preis über dem höchsten Preis des Cloud-Diagramms liegt oder sich in dem Cloud-Diagramm befindet.

Wenn der Preis unter dem 200-Tage-Moving Average fällt, wird die Strategie für einen Bärenmarkt gehalten, wobei die Signalvoraussetzungen strenger sind: Ein Kaufsignal muss gleichzeitig mit dem 20-Tage-Moving Average und dem MACD ausgegeben werden, und die Ichimoku-Wolkenkarte muss ein Kaufsignal in gleicher Richtung ausstellen (grüne Wolken oder Preise höher als der höchste Preis der Wolkenkarte), um ein Kaufsignal zu erzeugen.

Die Logik des Verkaufssignals ähnelt der des Kaufsignals, jedoch in die entgegengesetzte Richtung: In einem Bullenmarkt wird der Preis verkauft, sobald er den Boden des Wolkenbildes oder das Wolkenbild umkehrt. In einem Bärenmarkt wird der Preis verkauft, sobald er den roten Wolkenbild oder die 20-Tage-Mittellinie und den MACD-Indikator erreicht.

Analyse der Stärken

Der größte Vorteil dieser Strategie besteht darin, dass sie eine Kombination aus mehreren langfristigen und kurzfristigen Indikatoren zur Bestimmung der Marktstruktur verwendet, um falsche Signale effektiv zu filtern. Insbesondere sind die folgenden Punkte wichtig:

  1. Der 200-Tage-Moving-Even beurteilt die allgemeine Trendlage und vermeidet Rückwärtsoperationen.
  2. Die 20-Tage-Gehaltlinie beobachtet die jüngsten Entwicklungen und nutzt die Chancen für eine Umstellung.
  3. Der MACD-Indikator überprüft, ob sich der Trend geändert hat.
  4. Ichimoku-Wolkenbilder wurden erneut überprüft, um falsche Signale zu vermeiden.

Durch die Validierung von mehreren Kennzahlen kann die Gewinnwahrscheinlichkeit erheblich erhöht werden. Die Kombination von langfristigen und kurzfristigen Kennzahlen macht die Strategie sowohl für die Kurz- als auch für die Mittel- und Langzeitoperationen geeignet.

Risikoanalyse

Das Hauptrisiko dieser Strategie besteht in der Wahrscheinlichkeit, dass mehrere Indikatoren gleichzeitig falsche Signale senden. Obwohl die Wahrscheinlichkeit sehr gering ist, wenn es keinen Weg mehr gibt, ist dies bei langfristigen Operationen unvermeidlich.

  1. Anpassung der Parameter, z. B. mittlere Zeitspanne, um die beste Parameterkombination zu finden

  2. Strict Stop, Schaltrichtung nach falschem Signal. Die Strategie selbst hat keinen Stop-Satz, der auf der Festplatte ergänzt werden kann.

  3. Die Verwendung von Futures-Set-Value-Sicherung und andere Methoden, um Gewinne zu sichern.

  4. Anpassung der Positionen entsprechend der Unterstützung auf der Laufzeitsebene.

Optimierungsrichtung

Diese Strategie kann in folgenden Bereichen optimiert werden:

  1. Versuchen Sie, die Periodizität der Durchschnittslinie, die Parameter des Cloud-Diagramms usw. zu ändern, um die optimale Kombination der Parameter zu finden.

  2. Erhöhung der Stop-Loss-Module: Die richtige mobile Stop-Loss kann die Risiken besser kontrollieren.

  3. In Kombination mit Relevanzindikatoren, wie z. B. der Abwärtsrate, kann es vermieden werden, nach Hochs und Tiefs zu suchen.

  4. Einführung von maschinellem Lernen: Einsatz von Methoden wie Neural Networks zum Training von Kennwerten.

  5. Multi-Markt-Verifizierung: Überprüfung der Strategie in verschiedenen Märkten.

Zusammenfassen

Die Multifaktor-Quantifizierungsstrategie filtert die Geräuschsignale durch eine wissenschaftliche Kombination von Indikatoren und erzielt nachhaltige Gewinne unter der Voraussetzung, dass die Risiken kontrolliert werden. Sie berücksichtigt sowohl die langfristigen Trends als auch die kurzfristigen Chancen und kann in mittleren und langfristigen Investitionen weit verbreitet sein. Durch Methoden wie Parameteroptimierung, Stop-Loss-Optimierung und die Einführung von Machine Learning wird die Strategie voraussichtlich noch bessere Ergebnisse erzielen.

Strategiequellcode
/*backtest
start: 2023-11-03 00:00:00
end: 2023-12-03 00:00:00
period: 1h
basePeriod: 15m
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/

//@version=2
strategy(title="MACD/EMA/SMA/Ichimoku Long Strategy",overlay=true)




// Ichimoku

conversionPeriods = input(9, minval=1, title="Conversion Line Periods"),
basePeriods = input(26, minval=1, title="Base Line Periods")
laggingSpan2Periods = input(52, minval=1, title="Lagging Span 2 Periods"),
displacement = input(26, minval=1, title="Displacement")

donchian(len) => avg(lowest(len), highest(len))

conversionLine = donchian(conversionPeriods)
baseLine = donchian(basePeriods)
leadLine1 = avg(conversionLine, baseLine)
leadLine2 = donchian(laggingSpan2Periods)


p1 = plot(leadLine1, offset = displacement, color=green,
 title="Lead 1")
p2 = plot(leadLine2, offset = displacement, color=red, 
 title="Lead 2")
fill(p1, p2, color = leadLine1 > leadLine2 ? color(green,50) : color(red,50))



bottomcloud=leadLine2[displacement-1]
uppercloud=leadLine1[displacement-1]




// SMA Indicator - Are we in a Bull or Bear market according to 200 SMA?
SMA200 = sma(close, input(200))
EMA = ema(close,input(20))


//MACD Indicator - Is the MACD bullish or bearish?

fastLength = input(12)
slowlength = input(26)
MACDLength = input(9)

MACD = ema(close, fastLength) - ema(close, slowlength)
aMACD = ema(MACD, MACDLength)
delta = MACD - aMACD

// Set Buy/Sell conditions

[main,signal,histo]=macd(close,fastLength,slowlength,MACDLength)

buy_entry = if ((uppercloud>bottomcloud or close>max(uppercloud,bottomcloud)) and close>EMA and (delta>0 and close>min(uppercloud,bottomcloud))) or (close<SMA200 and delta>0 and close>EMA and (uppercloud>bottomcloud or close>max(uppercloud,bottomcloud)))
    true
if close<EMA and ((delta<0 and close<min(uppercloud,bottomcloud)) or (uppercloud<bottomcloud and close>max(uppercloud,bottomcloud)))
    buy_entry = false


strategy.entry("Buy",true , when=buy_entry)
alertcondition(buy_entry, title='Long', message='Chart Bullish')


sell_entry = if ((uppercloud<bottomcloud or close<min(uppercloud,bottomcloud)) and close<EMA and (delta<0 and close<max(uppercloud,bottomcloud))) or (close>SMA200 and delta<0 and close<EMA and (uppercloud<bottomcloud or close<min(uppercloud,bottomcloud)))
    true
if close>EMA and ((delta>0 and close>max(uppercloud,bottomcloud)) or (uppercloud>bottomcloud and close<min(uppercloud,bottomcloud)))
    sell_entry = false



strategy.close("Buy",when= sell_entry)


alertcondition(sell_entry, title='Short', message='Chart Bearish')

//plot(delta, title="Delta", style=cross, color=delta>=0 ? green : red )