Quantitative Handelsstrategie basierend auf Signal-Rausch-Verhältnis und gleitendem Durchschnitt
ChaoZhang
1. Strategiebezeichnung
Signal-to-Noise Moving Average Trading Strategy (SNAM) ist eine Handelsstrategie, bei der sich ein Signal zu einem Geräusch bewegt.
2. Strategieübersicht
Diese Strategie ermöglicht den quantitativen Handel durch Berechnung des Signal-Noise-Ratios innerhalb eines bestimmten Zeitraums, kombiniert mit dem linearen Handelssignal. Die Grundidee ist:
- Berechnung des Signal-Noise-Verhältnisses für eine bestimmte Periode (setzbar)
- Durchschnittliche Linie für die Kommunikations-Lärm-Verhältnis
- Vergleichen des aktuellen Signal-Noise-Verhältnisses mit dem Durchschnittswert, um ein Handelssignal zu erzeugen
- Nach dem Handelssignal mehr oder weniger
Drei, die Strategie
- Die Signal-to-Noise-Ratio wird mit der folgenden Formel berechnet: StN = -10*log(Σ(1/close)/n) Wo n die Dauer der Zyklus ist
- Der Relation-Lauf-Rausch-Verhältnis wird mit dem einfachen Moving Average (SMA) berechnet.
- Vergleiche die aktuelle Signal-Noise-Ratio StN mit der glatten Signal-Noise-Ratio SMAStN: (1) Wenn SMAStN > StN, machen Sie frei (2) Wenn SMAStN < StN, mehr tun (3) Andernfalls liquidieren
Viertens: Analyse der strategischen Stärken
Diese Strategie hat folgende Vorteile:
- Der Trust Noise Ratio kann Marktschwankungen und Risiken beurteilen, und der SMA hat eine Noise-Off-Funktion
- Handelssignal erzeugt durch die Kombination von Signal-Noise-Ratio und SMA, um Marktrisiko zu beurteilen und die Vorteile verschiedener Indikatoren zu nutzen
- Anpassung der Strategie an unterschiedliche Marktsituationen
- Stdout-Signal kann mehr Kaufzeiten anweisen, um Markteigenschaften intuitiv zu beurteilen
5. Strategische Risikoanalyse
Die Strategie birgt auch einige Risiken:
- Es besteht die Gefahr, dass die Kreuzung von Signal-Rausch-Verhältnis und Durchschnittslinie falsch abgelegt wird.
- Falsches Signal durch falsche Zeitspanne-Einstellung
- Verhältnismäßig geringe Lückechancen, optimierbar durch Parameter
- Der Vorfall verursachte starke Schwankungen, die den Stop-Loss auslösen könnten.
Risikolösung:
- Anpassung der Mittellinienparameter zur Vermeidung von Überstrahlung
- Optimierung von Zyklusparametern, um die Eignung für verschiedene Märkte zu testen
- Umstellung der Kaukausbedingungen auf mehr Kaukausmöglichkeiten
- Setzen Sie den Stop-Loss, um maximale Verluste zu kontrollieren
6. Strategische Optimierung
Diese Strategie kann optimiert werden durch:
- Tests mit mehr Typen von Gleichlinien
- Erhöhung der Risikokontrolle der Stop-Loss-Mechanismen
- Erhöhung der Positionsverwaltung und Anpassung der Positionen an die Schwankungen
- Die Strategie wird durch mehr Faktoren beurteilt, um ihre Stabilität zu erhöhen.
- Automatische Optimierung von Parametern mit Hilfe von maschinellen Lernverfahren
VII. Fazit
Die Strategie beurteilt das Risiko von Marktfluktuationen durch die Signal-Nachricht-Relation und nutzt die Gleichlinie, um Handelssignale zu erzeugen und Quantifizierung des Handels zu ermöglichen. Die Strategie integriert die Vorteile der Signal-Nachricht-Relation und der SMA im Vergleich zu einem einzigen technischen Indikator und erhöht die Stabilität, während die Risiken kontrolliert werden. Die Strategie bietet viel Raum für Verbesserungen durch Parameteroptimierung und maschinelles Lernen und ist eine zuverlässige und effektive Quantifizierungsstrategie.
/*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)