1. Quadrat
  2. Handelsstrategie für den gleitenden Durchschnitt von Signal zu Rauschen auf der Grundlage quantitativen Handels

Handelsstrategie für den gleitenden Durchschnitt von Signal zu Rauschen auf der Grundlage quantitativen Handels

Schriftsteller:ChaoZhang, Datum: 2024-01-02 12:24:35
Tags:

img

I. Strategiebezeichnung

Handelsstrategie für den gleitenden Durchschnitt von Signal zu Rauschen

II. Überblick über die Strategie

Diese Strategie realisiert den quantitativen Handel, indem sie das Signal-Rausch-Verhältnis über einen bestimmten Zeitraum berechnet und mit gleitenden Durchschnittshandelssignalen kombiniert.

  1. Berechnung des Signal-Rausch-Verhältnisses über einen bestimmten Zeitraum (anpassbar)
  2. Anwendung des gleitenden Durchschnitts zur Glättung des Signal-Rausch-Verhältnisses
  3. Vergleichen Sie das aktuelle Signal-Rausch-Verhältnis mit dem gleitenden Durchschnittswert, um Handelssignale zu generieren
  4. Long oder Short auf Basis von Handelssignalen

III. Strategieprinzip

  1. Die Formel zur Berechnung des Signal-Rausch-Verhältnisses (StN) lautet: StN = -10*log ((Σ(1/nahe) /n), wobei n die Länge der Periode ist
  2. Anwendung des einfachen gleitenden Durchschnitts (SMA) auf das Signal-Rausch-Verhältnis, um einen glatten StN zu erhalten
  3. Vergleichen Sie den aktuellen StN mit dem glätteten SMAStN: (1) Wenn SMAStN > StN, kurz gehen (2) Wenn SMAStN < StN, gehen Sie lang (3) Ansonsten schließende Position

IV. Analyse der Vorteile

Die wichtigsten Vorteile dieser Strategie sind:

  1. StN kann Marktfluktuationen und Risiken beurteilen, SMA hat die Fähigkeit, Lärm zu reduzieren
  2. Die Kombination von StN zur Beurteilung des Marktrisikos und SMA zur Erzeugung von Handelssignalen nutzt die Vorteile verschiedener Indikatoren.
  3. Einstellbare Parameter zur Anpassung an unterschiedliche Marktbedingungen
  4. Stdout-Signale zeigen direkt auf lange oder kurze, intuitive Beurteilung der Marktmerkmale hin

V. Risikoanalyse

Diese Strategie birgt auch einige Risiken:

  1. Bei der Überschneidung zwischen StN und MA besteht ein Abweichungsrisiko
  2. Falsche Perioden Einstellungen können zu falschen Signalen führen
  3. Relativ weniger kurze Chancen, die durch Parameteranpassung optimiert werden können
  4. Extreme Schwankungen, die durch Schwarze Schwäne verursacht werden, können zum Stop-Loss führen.

Lösungen:

  1. Anpassung der MA-Parameter, um eine Überglättung zu vermeiden
  2. Optimierung der Periodenparameter und Testanpassungsfähigkeit auf verschiedenen Märkten
  3. Anpassung von kurzfristigen Bedingungen, um mehr kurzfristige Möglichkeiten zu bieten
  4. Festlegen von Stoppverlusten zur Kontrolle von maximalen Verlusten

VI. Optimierungsrichtung

Die Strategie kann wie folgt optimiert werden:

  1. Versuchskombination mehrerer Arten gleitender Durchschnitte
  2. Hinzufügen eines Stop-Loss-Mechanismus zur Risikokontrolle
  3. Positionsmanagement hinzufügen, Positionen anhand von Schwankungen anpassen
  4. Mehr Faktoren zur Steigerung der Stabilität
  5. Verwenden Sie maschinelle Lernmethoden zur automatischen Optimierung von Parametern

VII. Zusammenfassung

Diese Strategie realisiert den quantitativen Handel, indem sie das Marktrisiko über das Signal-zu-Rauschen-Verhältnis beurteilt und Handelssignale aus gleitenden Durchschnitten erzeugt. Im Vergleich zu einzelnen technischen Indikatoren integriert diese Strategie die Vorteile von StN und SMA, um die Stabilität zu verbessern und gleichzeitig Risiken zu kontrollieren. Mit Parameteroptimierung und maschinellem Lernen hat diese Strategie ein großes Verbesserungspotenzial und ist eine zuverlässige und effektive quantitative Handelsstrategie.

/*backtest
start: 2023-12-25 00:00:00
end: 2023-12-29 10:00:00
period: 30m
basePeriod: 15m
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/

//@version=4
////////////////////////////////////////////////////////////
// This source code is subject to the terms of the Mozilla Public License 2.0 at https://mozilla.org/MPL/2.0/
// © HPotter 05/01/2021
// The signal-to-noise (S/N) ratio. 
// And Simple Moving Average.
// Thank you for idea BlockchainYahoo
//
// WARNING:
// - For purpose educate only
// - This script to change bars colors. 
////////////////////////////////////////////////////////////
SignalToNoise(length) =>
    StN = 0.0
    for i = 1 to length-1
        StN := StN + (1/close[i])/length
    StN := -10*log(StN)

strategy(title="Backtest Signal To Noise ", shorttitle="StoN", overlay=false)
length = input(title="Days", type=input.integer, defval=21, minval=2)
Smooth =  input(title="Smooth", type=input.integer, defval=7, minval=2)
reverse = input(false, title="Trade reverse")
StN = SignalToNoise(length)
SMAStN = sma(StN, Smooth)
pos = iff(SMAStN[1] > StN[1] , -1,
	   iff(SMAStN[1] < StN[1], 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)	 
if (possig == 0) 
    strategy.close_all()
barcolor(possig == -1 ? #b50404: possig == 1 ? #079605 : #0536b3 )
plot(StN, title='StN' )
plot(SMAStN, title='Smooth', color=#00ff00)
Mehr

2019 FMZ - Alle Rechte vorbehalten