Aktivierungsfunktionsoptimierte skalennormalisierte Vektorhandelsstrategie
Überblick
Diese Strategie ist eine Verbesserung der skalennormalisierten Vektorstrategie von drkhodakarami. Hauptsächlich wurden Aktivierungsfunktionen hinzugefügt, um die Leistung der Strategie zu verbessern. Die Strategie nutzt die zeitliche Differenzbildung zur Berechnung der Marktveränderungsrate und bestimmt über Schwellenwerte Long- und Short-Signale. Gleichzeitig führt die Strategie die Aktivierungsfunktionen Swish, ReLU und Step ein, um die Differenzreihe zu glätten und die Genauigkeit der Signalerkennung zu erhöhen.
Strategieprinzip
- Berechnung der prozentualen Veränderungsrate x des Schlusskurses (close) über den eingestellten Zeitrahmen als Differenz.
- Übergabe von x an die Aktivierungsfunktion, um die verarbeitete Reihe p zu erhalten.
- Festlegung eines positiven und negativen Schwellenwerts th. Wenn p den th von oben durchbricht, wird eine Long-Position eröffnet; bei Durchbruch unter -th wird eine Short-Position eröffnet.
- Deaktivierung des Neuzeichnens (Repainting), um Falschsignale zu vermeiden.
Vorteile
- Einführung von Aktivierungsfunktionen ermöglicht Rauschfilterung und verbessert die Signalqualität.
- Neue Logik für Positionseröffnung und -schließung ermöglicht automatischen Handel.
- Erweiterter Parameteranpassungsraum für bessere Anpassung an verschiedene Märkte.
- Hervorragendes visuelles Design, das Handelssignale intuitiv widerspiegelt.
Risikoanalyse
- Ungünstige Wahl des Schwellenwerts kann zu verpassten Handelsmöglichkeiten führen.
- Ungeeignete Auswahl der Aktivierungsfunktion kann Marktinformationen herausfiltern.
- Signalverzerrungen durch Neuzeichnen (Repainting) müssen getestet werden.
Lösungsansätze:
- Anpassung der Schwellenwertparameter zur Ermittlung optimaler Werte.
- Testen verschiedener Aktivierungsfunktionen, um die am besten passende zu finden.
- Hinzufügen einer Erkennungslogik für Neuzeichnen zur Bestätigung der Signalsignifikanz.
Optimierungsmöglichkeiten
- Einführung einer adaptiven Schwellenwertfestlegung.
- Optimierung der Parameter der Aktivierungsfunktionen.
- Integration einer automatischen Stop-Loss-Logik.
- Kombination weiterer Filterfaktoren für die Signalsignale.
Zusammenfassung
Diese Strategie baut auf der Arbeit von drkhodakarami auf und führt Aktivierungsfunktionen ein, um die Leistung zu verbessern. Durch die Erweiterung des Parameteroptimierungsraums kann sie sich besser an Marktveränderungen anpassen. Das visuelle Design ist hervorragend und bildet Handelsmöglichkeiten intuitiv ab. In Zukunft können die Aktivierungsfunktionen und die Schwellenwertfestlegung weiter optimiert sowie Stop-Loss-Logik und zusätzliche Signalfilter integriert werden, um noch bessere Strategieergebnisse zu erzielen.
/*backtest
start: 2023-01-15 00:00:00
end: 2024-01-21 00:00:00
period: 1d
basePeriod: 1h
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/
//@version=4
// author: capissimo
strategy("Scaled Normalized Vector Strategy, ver.4", precision=2, overlay=false)
// This is a modification of my Scaled Normalized Vector Strategy - 1

