
Diese Strategie ist eine Kryptowährungs-Trading-Strategie, die auf einer Kombination aus MACD-Indikatoren und Zufallsindikatoren basiert. Sie erzeugt Handelssignale, um Trendänderungen auf dem Kryptowährungsmarkt zu erfassen, indem sie die MACD-Indikatoren des Bitcoin-Preises berechnet und Zufallsindikatoren auf sie anwendet.
Die Strategie berechnet zunächst den MACD-Indikator. Der MACD steht für den Moving Average Convergence Divergence, ein Trend-Tracking-Indikator. Er besteht aus einer schnellen und einer langsamen Linie, wobei die schnelle Linie den kurzfristigen Index-Moving Average darstellt und die langsame Linie den längerfristigen Index-Moving Average.
Nachdem der MACD-Wert berechnet wurde, wurde der MACD-Wert mit einem Zufallswert von %K berechnet. Die Berechnungsformel für den Zufallswert %K lautet:
%K = (aktueller Schlusskurs - niedrigster Preis an N Tagen) / (höchster Preis an N Tagen - niedrigerster Preis an N Tagen) * 100
Der Zufallsindikator spiegelt die Veränderung des Aktienpreises aus dem jüngsten Bereich wider. Eine Schwankung zwischen 20 und 80 Prozent der K-Werte bedeutet, dass der Aktienpreis im Ausgleichsbereich ist. Wenn %K die Linie 20 von unten nach oben durchquert, ist dies ein Kaufsignal.
Diese Strategie kombiniert das Handelssignal des MACD-Indikators und des Zufallsindikators %K, um in den Kryptowährungsmärkten zu handeln. Es erzeugt ein Kaufsignal, wenn der Zufallsindikator %K 20 nach oben durchbricht; es erzeugt ein Verkaufsignal, wenn der Zufallsindikator %K 80 nach unten durchbricht.
Diese Strategie kombiniert Trendanalysen mit Überkauf-Überverkauf-Indikatoren, um wichtige Wendepunkte des Marktes zu identifizieren. Die Kombination von%K und MACD erhöht die Signalsicherheit und reduziert die Falschsignale im Vergleich zur Verwendung von MACD oder Randomisierungsindikatoren.
Darüber hinaus ist die Strategie auch für den Handel mit Kryptowährungen geeignet, die in der Börse häufig verwendet werden, was eine Art von Marktübergreifung darstellt. Diese Technik ist auch für den digitalen Währungsmarkt geeignet und kann aufgrund der hohen Volatilität der digitalen Währungen sogar besser wirken.
Die größte Gefahr dieser Strategie besteht darin, dass die Kryptowährungsmärkte sehr volatil sind und falsche Signale erzeugen können, die zu Handelsverlusten führen. Darüber hinaus besteht die Gefahr, dass die Preise bereits zu einem gewissen Ausmaß variieren, wenn die technischen Indikatoren Signale senden, und dass sie die Trends nicht in vollem Umfang erfassen können.
Um diese Risiken zu kontrollieren, wird empfohlen, mobile Stop-Losses zu verwenden, um Gewinne zu sperren und Verluste zu vermeiden. Gleichzeitig können die Parameter entsprechend angepasst werden, um mehr potenzielle Chancen mit unterschiedlichen Zykluslängen zu erschließen.
Erstens kann die Strategie versuchen, die Verwendung von Moving Averages in Kombination mit Volatilitätsindikatoren, wie z. B. Brin-Bands, zu verwenden, um Volatilitätsparameter zu setzen, um die Wirksamkeit von Durchbrüchen zu erkennen und falsche Signale zu vermeiden.
Zweitens können maschinelle Lernmodelle eingesetzt werden, um historische Daten zu trainieren, um zufällige Wälder oder LSTM-Neuralnetzmodelle zu erstellen, um die Wirksamkeit von Kennzeichen zu beurteilen.
Drittens, die Erhöhung der Stop-Loss-Mechanismen. Die automatische Ausführung von Stop-Losses zur Risikokontrolle, wenn der Preis in eine ungünstige Richtung über eine bestimmte Größe bewegt.
Diese Strategie kombiniert MACD-Indikator und Random-Indikator%K, um eine Handelsstrategie für Kryptowährungen zu entwickeln, die die Methode nutzt, mit der sich die beiden Indikatoren gegenseitig verifizieren. Diese Kombinationsindikatorstrategie kann die Signalgenauigkeit zu einem gewissen Grad verbessern. Wir müssen jedoch auch auf die möglichen Noise- und Lagging-Effekte achten, die eine zu komplexe Kombination von Indikatoren verursachen kann.
/*backtest
start: 2024-01-01 00:00:00
end: 2024-01-31 00:00:00
period: 1h
basePeriod: 15m
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/
//@version=3
strategy("Schaff Trend Cycle Strategy", shorttitle="STC Backtest", overlay=true)
fastLength = input(title="MACD Fast Length", defval=23)
slowLength = input(title="MACD Slow Length", defval=50)
cycleLength = input(title="Cycle Length", defval=10)
d1Length = input(title="1st %D Length", defval=3)
d2Length = input(title="2nd %D Length", defval=3)
src = input(title="Source", defval=close)
highlightBreakouts = input(title="Highlight Breakouts ?", type=bool, defval=true)
macd = ema(src, fastLength) - ema(src, slowLength)
k = nz(fixnan(stoch(macd, macd, macd, cycleLength)))
d = ema(k, d1Length)
kd = nz(fixnan(stoch(d, d, d, cycleLength)))
stc = ema(kd, d2Length)
stc := stc > 100 ? 100 : stc < 0 ? 0 : stc
upper = input(75, defval=75)
lower = input(25, defval=25)
long = crossover(stc, lower) ? lower : na
short = crossunder(stc, upper) ? upper : na
long_filt = long and not short
short_filt = short and not long
prev = 0
prev := long_filt ? 1 : short_filt ? -1 : prev[1]
long_final = long_filt and prev[1] == -1
short_final = short_filt and prev[1] == 1
//alertcondition(long_final, "Long", message="Long")
//alertcondition(short_final,"Short", message="Short")
//plotshape(long_final, style=shape.arrowup, text="Long", color=green, location=location.belowbar)
//plotshape(short_final, style=shape.arrowdown, text="Short", color=red, location=location.abovebar)
strategy.entry("long", strategy.long, when = long )
strategy.entry("short", strategy.short, when = short)