
Die Binary Equilibrium Crossover Strategie ist eine relativ einfache, quantitative Handelsstrategie. Sie ermittelt durch Berechnung des Durchschnitts des Schlusskurses der letzten 7 K-Linien und des Durchschnitts des Schlusskurses der letzten 20 K-Linien, die zu viel machen, wenn die kurzfristige Durchschnittslinie von unten durch die langfristige Durchschnittslinie geht. Solche Operationen können die Wendepunkte der mittelfristigen Markttrends erfassen, wenn die kurzfristige Durchschnittslinie von oben durch die langfristige Durchschnittslinie geht.
Die Kernlogik dieser Strategie ist die Berechnung der durchschnittlichen Schlusskosten der letzten 7 K-Linien (ohne die aktuelle K-Line) als kurzfristige Mittelwerte und die Berechnung der durchschnittlichen Schlusskosten der letzten 20 K-Linien (ohne die letzten 7 K-Linien) als langfristige Mittelwerte. Wenn die kurzfristige Mittelwerte die langfristige Mittelwerte von unten durchdringen, bedeutet dies, dass der Markt von unten nach unten wechselt.
Nach dem Auslösen von mehreren Signalen wird eine Position mit der Anzahl der gesamten Kontoguthaben eröffnet. Nach dem Auslösen von Leerlaufsignalen wird eine Position mit der Anzahl der mehreren Positionen ausgeglichen und dann mit dieser Anzahl eröffnet.
Es handelt sich um eine sehr einfache Strategie der Doppel-Gleichgewichts-Kreuzung, deren Vorteile sich in folgenden Punkten widerspiegeln:
Dies ist eine einfache Trendverfolgungsstrategie, die jedoch mit einigen potenziellen Risiken konfrontiert ist:
Für die oben genannten Risiken können Optimierungen in folgenden Formen vorgenommen werden:
Dies ist eine relativ einfache doppelte Gleichgewicht-Kreuzung-Strategie, die vor allem in den folgenden Bereichen optimiert werden kann:
Optimierung der Durchschnittsparameter und Test verschiedener kurz- und langfristiger Durchschnittskombinationen auf der Suche nach optimalen Parametern;
die Einführung weiterer Filterindikatoren, wie z. B. Energieindikatoren, Volatilitätsindikatoren usw., um Fehlsignale in schwankenden Märkten zu vermeiden;
Optimierung der Stop-Loss-Stop-Strategie, Testing verschiedener Stop-Loss-Stop-Ratio und Bestimmung der optimalen Parameter;
Verschiedene Marktzyklen zu testen, um die Länge der Positionen zu optimieren und zu beurteilen, in welchen Zyklen die Strategie am besten funktioniert.
Die Erweiterung der Algorithmen des maschinellen Lernens, um die Optimierung der Strategieparameter durch Rückwärtsprüfung zu optimieren und die Strategie stabiler zu machen.
Die Strategie ist eine einfache, zweigleiche Linie-Kreuzung-Strategie, die mittelfristige Trendwendepunkte durch Berechnung von Gleichgewicht-Kreuzungen in verschiedenen Zyklen zu beurteilen. Die Strategie ist sehr praktisch, die Idee ist einfach zu bedienen. Aber die Strategie hat auch eine gewisse Einschränkung.
/*backtest
start: 2024-01-05 00:00:00
end: 2024-02-04 00:00:00
period: 2h
basePeriod: 15m
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/
// This source code is subject to the terms of the Mozilla Public License 2.0 at https://mozilla.org/MPL/2.0/
// © nrathi2211
//@version=5
strategy("Closing Prices", overlay=true)
//variables
closingB7 = ta.highest(close, 7)[7]
closingB14 = ta.highest(close, 7)[20]
highB14 = ta.highest(low, 50)[7]
capital = 50000
//functions
qty_find(float price) => capital / int(price)
profit_take() =>
profit = strategy.opentrades.profit(strategy.opentrades - 1)
profit*.95
if(closingB7 < closingB14)
if(ta.crossover(close, closingB7))
strategy.entry("long_buy", strategy.long, qty_find(close))
current_profit = strategy.opentrades.profit(strategy.opentrades - 1)
if(current_profit < 0)
strategy.close("Exit long_buy SL", "long_buy", qty_percent = 50)
else if(current_profit < profit_take())
strategy.close("Exit long_buy TP", "long_buy", qty_percent = 50)
if(ta.crossunder(close, closingB7))
strategy.exit("long_sell", from_entry = "long_buy", stop = closingB7)
plot(closingB7, "cl", color.green, 2)
//plot(closingB14, "cl", color.red, 2)
plot(highB14, "cl", color.purple, 2)