Bottom Hunter-Strategie
ChaoZhang
Überblick
Die Bottom Hunter-Strategie ist eine Short-Line-Trading-Strategie für digitale Währungen. Die Strategie identifiziert die Unterseite in einem Abwärtstrend und bestimmt den richtigen Kaufzeitpunkt.
Strategieprinzip
Die Strategie kombiniert mehrere technische Indikatoren, um die Unterseite zu identifizieren, insbesondere die Verwendung des MACD-Indikators, um die Unterseite umzukehren, die Verwendung des RSI-Indikators, um den Überverkauf zu beurteilen, und die Verwendung der Bollinger Bands, um zu beurteilen, ob der Preis unterhalb der Unterbahn liegt.
Zunächst einmal verwendet die Strategie einen beabsichtigten Spread des MACD-Indikators, um den Boden zu bestimmen. Der sogenannte beabsichtigte Spread bedeutet, dass die Preisinnovation niedrig ist, während der MACD-Indikator nicht niedrig ist. Diese Situation stellt eine Abnahme des Umsatzes dar, die normalerweise eine bevorstehende Trendwende voraussagt.
Zweitens verlangt die Strategie, dass der RSI unter 31,1 liegt. Der RSI unter 30 steht für einen Überverkauf, der eine Gelegenheit zum Kauf bietet.
Schließlich verlangt die Strategie, dass der Schlusskurs unterhalb der Mitte des Brin-Bandes liegt. Dies bedeutet, dass der Preis bereits unterhalb der normalen Bandbreite liegt und somit eine bessere Gelegenheit zum Kauf bietet.
Wenn alle oben genannten Bedingungen gleichzeitig erfüllt sind, erzeugt die Strategie ein Kaufsignal und bildet eine gute Position.
Analyse der Stärken
Die Bottom Hunter-Strategie hat folgende Vorteile:
- Die Verwendung von mehreren Indikatoren zur Bestimmung des Bodens gewährleistet die Genauigkeit der Bodenerkennung.
- Die Verwendung von MACD-Indikatoren für die beabsichtigte Streuung, um Rückschlagsignale zu beurteilen, ist eine erfahrene Handelstechnik
- Das ist eine sehr wichtige Entscheidung, um die Gefahr von falschen Durchbrüchen zu vermeiden, indem man Überverkäufe und Ausfälle beurteilt.
- Positionskontrolle ist konservativ, nur an Schlüsselpositionen zu lagern, um übermäßigen Handel zu vermeiden.
Risikoanalyse
Die Strategie birgt auch einige Risiken:
- Der Markt könnte weiter fallen und nicht in der Lage sein, den Schaden rechtzeitig zu stoppen.
- Eine Kombination von mehreren Bedingungen, die den Tiefpunkt bestimmen, kann in einigen Szenarien den Tiefpunkt verpassen
- Benötigt wird, um manuell Parameter wie RSI-Trenchwerte zu bestimmen, die die Strategie beeinflussen können
Diese Risiken können durch Echtzeit-Stop-Tracking, Anpassung der Parameterintervalle usw. optimiert werden.
Optimierungsrichtung
Die Strategie kann in folgenden Richtungen optimiert werden:
- Erhöhung der Anpassungsfähigkeit der Stop-Loss-Mechanismen zur flexiblen Anpassung der Stop-Loss-Position an die Marktschwankungen
- Test und Optimierung von Kaufsignalen, um optimale Parameter zu ermitteln
- Hinzufügen von Machine Learning-Algorithmen, automatische Identifizierung von Parametern und Handelsregeln
- Ein zusätzliches Modul zur Trendbeurteilung, um sich in einem Trendmarkt nicht in einen wackligen Markt zu verlieren.
- Die Analyse der Marktsegmentation und der Marktanteile der Unternehmen, die sich auf die Marktsegmentation konzentrieren, ist ein wichtiger Teil der Analyse.
Zusammenfassen
Bottom-hunter-strategie, bei der ein key-bottom gekauft wird, um einen überschüssigen gewinn zu erzielen. Die grundlage für die beurteilung der unterseite ist stabil und kombiniert mehrere filterbedingungen, um falsche signale zu vermeiden. wenn die parametre richtig eingestellt sind, kann die strategie bei kurzfristigen handeln in den digitalen geldmärkten gute ergebnisse erzielen.
/*backtest
start: 2023-01-30 00:00:00
end: 2024-02-05 00:00:00
period: 1d
basePeriod: 1h
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/
//@version=5
strategy("MACD Divergence Strategy", shorttitle="Strategy: MACD Dive", overlay=true)
// MACD设置
fastLength = input.int(12, "Fast Length")
slowLength = input.int(26, "Slow Length")
signalSmoothing = input.int(9, "Signal Smoothing")
[macdLine, signalLine, _] = ta.macd(close, fastLength, slowLength, signalSmoothing)
// 计算99日EMA均线
ema99 = ta.ema(close, 99)
// 计算RSI
rsiLength = input.int(14, title="RSI Length")
rsi = ta.rsi(close, rsiLength)
// 计算布林带中轨
length = input.int(20, "BB Length")
src = input(close, "Source")
mult = input.float(2.0, "BB StdDev")
basis = ta.sma(src, length)
// 买入筛选条件
priceLow = ta.lowest(low[1], 60)
macdLow = ta.lowest(macdLine[1], 60)
divergence = low < priceLow and macdLine > macdLow
allHighsBelowEma99 = true
for i = 0 to 14
if high[i] > ema99
allHighsBelowEma99 := false
rsiBelow = rsi < 31.1
priceDifference = (high - low) / low * 100
buySignal1 = divergence and allHighsBelowEma99 and rsiBelow
buySignal2 = high < ema99 and priceDifference >= 3 and close < open and high < basis
buySignal3 = buySignal1 or buySignal2
// 定义一个变量来存储买入时的价格
var float buyPrice = na
// 买入逻辑
if buySignal3
buyPrice := close // 存储买入时的价格
strategy.entry("Buy", strategy.long)
// 止盈和止损条件
longTakeProfit = buyPrice * 1.1 // 止盈设为买入价格的1.2倍
longStopLoss = buyPrice * 0.98// 止损设为买入价格的0.99倍
// 应用止盈和止损
strategy.exit("Exit", "Buy", limit=longTakeProfit, stop=longStopLoss)
// 绘制买入信号
plotshape(series=buySignal3, title="Buy Signal", location=location.belowbar, color=color.green, style=shape.triangleup, size=size.small)