Schwankende durchschnittliche Crossover-Strategie für den Zwei-Wege-Handel
Schriftsteller:ChaoZhang, Datum: 2023-12-12 11:26:54Tags:
Übersicht
Diese Strategie berechnet gleitende Durchschnitte verschiedener Zeiträume und gibt Handelssignale aus, wenn der kürzere gleitende Durchschnitt den längeren gleitenden Durchschnitt überschreitet oder untersteigt.
Grundsätze
Die Strategie beurteilt Markttrends und erzeugt Handelssignale basierend auf dem Crossover zwischen gleitenden Durchschnitten verschiedener Perioden. Sie verwendet drei gleitende Durchschnittslinien von 8-Perioden, 13-Perioden und 21-Perioden, wobei die 8-Periodenlinie die kürzere Periodenlinie und die 21-Periodenlinie die längere Periodenlinie ist. Ein langes Signal wird ausgelöst, wenn die 8-Periodenlinie über die 21-Periodenlinie überschreitet. Ein kurzes Signal wird ausgelöst, wenn die 8-Periodenlinie unterhalb der 21-Periodenlinie kreuzt.
Bei der tatsächlichen Handelsausführung beinhaltet die Strategie auch eine Filterbedingung, um nicht in unruhigen Märkten gefangen zu werden. Sie platziert nur Aufträge, wenn der Schlusskurs höher (langes Signal) oder niedriger (kurzes Signal) als der Crossover-Punkt ist. Dies kann einige falsche Signale effektiv filtern.
Vorteile
- Anwendet die Regeln für gleitende Durchschnittsquerschnitte, um Markttrends effektiv zu verfolgen
- Hinzufügt Handelsfilter, um einige falsche Signale zu vermeiden und gefangen zu werden
- Unterstützt den Zwei-Wege-Handel zum Gewinn sowohl auf Bulle- als auch auf Bärenmärkten
- Erfasst Wechsel zwischen den wichtigsten Ebenen unter Verwendung von gleitenden Durchschnitten zwischen den Perioden
- Einfache und klare Logik, leicht zu verstehen und zu optimieren
Risiken
- Kann in stark volatilen Märkten versagen oder übermäßige falsche Signale erzeugen
- Nicht beurteilen können, wenn sich die Preise seitwärts bewegen, fehlende Chancen
- Der Übergang zwischen Perioden ist verzögert und kann kurzfristige Trendänderungen nicht rechtzeitig erfassen.
- Nicht berücksichtigt Preisschwankungen, die Parameter müssen für verschiedene Volatilitätsniveaus angepasst werden
- Keine Stop-Loss- oder Take-Profit-Risiken, unbegrenzte Verluste
Lösungen für Risiken
- Kombination anderer Indikatoren zur Beurteilung der Märkte, Vermeidung von Volatilitätswirkungen
- Niedrigere gleitende Durchschnittsperioden für eine höhere Empfindlichkeit
- Hinzufügen von Stop-Loss und Take-Profit zur Kontrolle von Risiken und Ziehungen
Optimierungsrichtlinien
- Kombination anderer Indikatoren wie MACD und KDJ zur Verbesserung der Wirksamkeit
- Prüfungseffekte verschiedener Parametereinstellungen auf die Gesamtstrategieleistung
- Anpassungsparameter basierend auf Marktart und Volatilitätsniveau festlegen
- Optimierung der Berechnungsmethoden für gleitende Durchschnitte unter Verwendung von DEMA, ZLEMA usw.
- Hinzufügen Stop-Loss und Gewinn Logik nehmen
- Optimieren von Quant-Backtesting-Metriken zur Bestimmung der besten Parameter
Schlussfolgerung
Die Strategie hat eine klare Logik, indem einfache gleitende Durchschnitts-Crossover verwendet werden, um Beziehungen zwischen kurzfristigen und langfristigen Trends zu bestimmen und Rotationschancen zu erfassen. Sie unterstützt den Zwei-Wege-Handel und ist leicht zu verstehen und zu optimieren.
/*backtest
start: 2022-12-05 00:00:00
end: 2023-12-11 00:00:00
period: 1d
basePeriod: 1h
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/
//@version=3
//Converted to strategy by shawnteoh
strategy(title = "MA Emperor insiliconot Strategy" , overlay=true, pyramiding=1, precision=8)
strat_dir_input = input(title="Strategy Direction", defval="long", options=["long", "short", "all"])
strat_dir_value = strat_dir_input == "long" ? strategy.direction.long : strat_dir_input == "short" ? strategy.direction.short : strategy.direction.all
strategy.risk.allow_entry_in(strat_dir_value)
// Testing start dates
testStartYear = input(2020, "Backtest Start Year")
testStartMonth = input(1, "Backtest Start Month")
testStartDay = input(1, "Backtest Start Day")
testPeriodStart = timestamp(testStartYear,testStartMonth,testStartDay,0,0)
//Stop date if you want to use a specific range of dates
testStopYear = input(2030, "Backtest Stop Year")
testStopMonth = input(12, "Backtest Stop Month")
testStopDay = input(30, "Backtest Stop Day")
testPeriodStop = timestamp(testStopYear,testStopMonth,testStopDay,0,0)
// Order size
orderQty = input(1, "Order quantity", type = float)
// Plot indicator
plotInd = input(false, "Plot indicators?", type = bool)
testPeriod() =>
time >= testPeriodStart and time <= testPeriodStop ? true : false
haClose = close
haOpen = open
haHigh = high
haLow = low
haClose := (open + high + low + close) / 4
haOpen := (nz(haOpen[1]) + nz(haClose[1])) / 2
haHigh := max(high, max(haOpen, haClose))
haLow := min(low , min(haOpen, haClose))
ssrc = close
ha = false
o = ha ? haOpen : open
c = ha ? haClose : close
h = ha ? haHigh : high
l = ha ? haLow : low
ssrc := ssrc == close ? ha ? haClose : c : ssrc
ssrc := ssrc == open ? ha ? haOpen : o : ssrc
ssrc := ssrc == high ? ha ? haHigh : h : ssrc
ssrc := ssrc == low ? ha ? haLow : l : ssrc
ssrc := ssrc == hl2 ? ha ? (haHigh + haLow) / 2 : hl2 : ssrc
ssrc := ssrc == hlc3 ? ha ? (haHigh + haLow + haClose) / 3 : hlc3 : ssrc
ssrc := ssrc == ohlc4 ? ha ? (haHigh + haLow + haClose+ haOpen) / 4 : ohlc4 : ssrc
type = input(defval = "EMA", title = "Type", options = ["Butterworth_2Pole", "DEMA", "EMA", "Gaussian", "Geometric_Mean", "LowPass", "McGuinley", "SMA", "Sine_WMA", "Smoothed_MA", "Super_Smoother", "Triangular_MA", "Wilders", "Zero_Lag"])
len1=input(8, title ="MA 1")
len2=input(13, title = "MA 2")
len3=input(21, title = "MA 3")
len4=input(55, title = "MA 4")
len5=input(89, title = "MA 5")
lenrib=input(120, title = "IB")
lenrib2=input(121, title = "2B")
lenrib3=input(200, title = "21b")
lenrib4=input(221, title = "22b")
onOff1 = input(defval=true, title="Enable 1")
onOff2 = input(defval=true, title="Enable 2")
onOff3 = input(defval=true, title="Enable 3")
onOff4 = input(defval=false, title="Enable 4")
onOff5 = input(defval=false, title="Enable 5")
onOff6 = input(defval=false, title="Enable 6")
onOff7 = input(defval=false, title="Enable 7")
onOff8 = input(defval=false, title="Enable x")
onOff9 = input(defval=false, title="Enable x")
gauss_poles = input(3, "*** Gaussian poles ***", minval = 1, maxval = 14)
linew = 2
shapes = false
variant_supersmoother(src,len) =>
Pi = 2 * asin(1)
a1 = exp(-1.414* Pi / len)
b1 = 2*a1*cos(1.414* Pi / len)
c2 = b1
c3 = (-a1)*a1
c1 = 1 - c2 - c3
v9 = 0.0
v9 := c1*(src + nz(src[1])) / 2 + c2*nz(v9[1]) + c3*nz(v9[2])
v9
variant_smoothed(src,len) =>
v5 = 0.0
v5 := na(v5[1]) ? sma(src, len) : (v5[1] * (len - 1) + src) / len
v5
variant_zerolagema(src, len) =>
price = src
l = (len - 1) / 2
d = (price + (price - price[l]))
z = ema(d, len)
z
variant_doubleema(src,len) =>
v2 = ema(src, len)
v6 = 2 * v2 - ema(v2, len)
v6
variant_WiMA(src, length) =>
MA_s= nz(src)
MA_s:=(src + nz(MA_s[1] * (length-1)))/length
MA_s
fact(num)=>
a = 1
nn = num <= 1 ? 1 : num
for i = 1 to nn
a := a * i
a
getPoles(f, Poles, alfa)=>
filt = f
sign = 1
results = 0 + n//tv series spoofing
for r = 1 to max(min(Poles, n),1)
mult = fact(Poles) / (fact(Poles - r) * fact(r))
matPo = pow(1 - alfa, r)
prev = nz(filt[r-1],0)
sum = sign * mult * matPo * prev
results := results + sum
sign := sign * -1
results := results - n
results
variant_gauss(Price, Lag, Poles)=>
Pi = 2 * asin(1)
beta = (1 - cos(2 * Pi / Lag)) / ( pow (sqrt(2), 2.0 / Poles) - 1)
alfa = -beta + sqrt(beta * beta + 2 * beta)
pre = nz(Price, 0) * pow(alfa, Poles)
filter = pre
result = n > 0 ? getPoles(nz(filter[1]), Poles, alfa) : 0
filter := pre + result
variant_mg(src, len)=>
mg = 0.0
mg := na(mg[1]) ? ema(src, len) : mg[1] + (src - mg[1]) / (len * pow(src/mg[1], 4))
mg
variant_sinewma(src, length) =>
PI = 2 * asin(1)
sum = 0.0
weightSum = 0.0
for i = 0 to length - 1
weight = sin(i * PI / (length + 1))
sum := sum + nz(src[i]) * weight
weightSum := weightSum + weight
sinewma = sum / weightSum
sinewma
variant_geoMean(price, per)=>
gmean = pow(price, 1.0/per)
gx = for i = 1 to per-1
gmean := gmean * pow(price[i], 1.0/per)
gmean
ggx = n > per? gx : price
ggx
variant_butt2pole(pr, p1)=>
Pi = 2 * asin(1)
DTR = Pi / 180
a1 = exp(-sqrt(2) * Pi / p1)
b1 = 2 * a1 * cos(DTR * (sqrt(2) * 180 / p1))
cf1 = (1 - b1 + a1 * a1) / 4
cf2 = b1
cf3 = -a1 * a1
butt_filt = pr
butt_filt := cf1 * (pr + 2 * nz(pr[1]) + nz(pr[2])) + cf2 * nz(butt_filt[1]) + cf3 * nz(butt_filt[2])
variant_lowPass(src, len)=>
LP = src
sr = src
a = 2.0 / (1.0 + len)
LP := (a - 0.25 * a * a) * sr + 0.5 * a * a * nz(sr[1]) - (a - 0.75 * a * a) * nz(sr[2]) + 2.0 * (1.0 - a) * nz(LP[1]) - (1.0 - a) * (1.0 - a) * nz(LP[2])
LP
variant_sma(src, len) =>
sum = 0.0
for i = 0 to len - 1
sum := sum + src[i] / len
sum
variant_trima(src, length) =>
len = ceil((length + 1) * 0.5)
trima = sum(sma(src, len), len)/len
trima
variant(type, src, len) =>
type=="EMA" ? ema(src, len) :
type=="LowPass" ? variant_lowPass(src, len) :
type=="Linreg" ? linreg(src, len, 0) :
type=="Gaussian" ? variant_gauss(src, len, gauss_poles) :
type=="Sine_WMA" ? variant_sinewma(src, len) :
type=="Geometric_Mean" ? variant_geoMean(src, len) :
type=="Butterworth_2Pole" ? variant_butt2pole(src, len) :
type=="Smoothed_MA" ? variant_smoothed(src, len) :
type=="Triangular_MA" ? variant_trima(src, len) :
type=="McGuinley" ? variant_mg(src, len) :
type=="DEMA" ? variant_doubleema(src, len):
type=="Super_Smoother" ? variant_supersmoother(src, len) :
type=="Zero_Lag" ? variant_zerolagema(src, len) :
type=="Wilders"? variant_WiMA(src, len) : variant_sma(src, len)
c1=#44E2D6
c2=#DDD10D
c3=#0AA368
c4=#E0670E
c5=#AB40B2
cRed = #F93A00
ma1 = variant(type, ssrc, len1)
ma2 = variant(type, ssrc, len2)
ma3 = variant(type, ssrc, len3)
ma4 = variant(type, ssrc, len4)
ma5 = variant(type, ssrc, len5)
ma6 = variant(type, ssrc, lenrib)
ma7 = variant(type, ssrc, lenrib2)
ma8 = variant(type, ssrc, lenrib3)
ma9 = variant(type, ssrc, lenrib4)
col1 = c1
col2 = c2
col3 = c3
col4 = c4
col5 = c5
p1 = plot(onOff1 ? ma1 : na, title = "MA 1", color = col1, linewidth = linew, style = linebr)
p2 = plot(onOff2 ? ma2 : na, title = "MA 2", color = col2, linewidth = linew, style = linebr)
p3 = plot(onOff3 ? ma3 : na, title = "MA 3", color = col3, linewidth = linew, style = linebr)
p4 = plot(onOff4 ? ma4 : na, title = "MA 4", color = col4, linewidth = linew, style = linebr)
p5 = plot(onOff5 ? ma5 : na, title = "MA 5", color = col5, linewidth = linew, style = linebr)
p6 = plot(onOff6 ? ma6 : na, title = "MA 6", color = col5, linewidth = linew, style = linebr)
p7 = plot(onOff7 ? ma7 : na, title = "MA 7", color = col5, linewidth = linew, style = linebr)
p8 = plot(onOff8 ? ma8 : na, title = "MA 8", color = col5, linewidth = linew, style = linebr)
p9 = plot(onOff9 ? ma9 : na, title = "MA 9", color = col5, linewidth = linew, style = linebr)
longCond = crossover(ma2, ma3)
if longCond and testPeriod()
strategy.entry("buy", strategy.long, qty = orderQty, when = open > ma2[1])
shortCond = crossunder(ma2, ma3)
if shortCond and testPeriod()
strategy.entry("sell", strategy.short, qty = orderQty, when = open < ma2[1])
plotshape(series=plotInd? longCond : na, title="P", style=shape.triangleup, location=location.belowbar, color=green, text="P", size=size.small)
plotshape(series=plotInd? shortCond : na, title="N", style=shape.triangledown, location=location.abovebar, color=red, text="N", size=size.small)
Mehr
- MACD-Strategie - Zwei-Wege-Exit-Handel
- Strategie zur Filterung der Beweglichen Durchschnitte
- Quantitative Handelsstrategie auf Basis von SMA und EMA
- Erweiterte SuperTrend-Tracking-Strategie
- Zhukovs Trend des gleitenden Durchschnitts nach Strategie
- Multi-Timeframe Dynamische EMA-Handelsstrategie
- EMA und MACD Quantitative Strategie mit doppelter Funktion und Marktführerschaft
- Multi-Faktor Adaptive Momentum-Tracking-Strategie
- RSI und Bollinger-Band-Doppelstrategie
- Volatilität Preiskanal bewegliche durchschnittliche Handelsstrategie
- Volumen-Oszillator Langfristige und kurzfristige gleitende Durchschnitts-Crossover-Strategie
- Quantitative Handelsstrategie auf Basis der Pivot-Umkehrung
- Überschreitende Strategie für den Ausbruch der Wertzone
- Quantitative Handelsstrategie auf Basis des Trendanalyse-Index
- Steigerung der Zinsspanne
- Dynamischer Anstieg der ADX-Trend nach Strategie
- Noros Scalping-Strategie für den Preiskanal
- Durchschnittliche Umkehrentwicklung nach Strategie auf Basis von HA-Momentum-Breakout
- Dynamikverfolgung Adaptive statistische Arbitrage-Strategie
- Derivate-basierte Trendstrategie