Langfristige und quantitative Crossover-Strategie mit gleitendem Durchschnitt
ChaoZhang
Überblick
Die Strategie ermöglicht die Realisierung des Long-Line-Holding-Modells, indem sie die Durchschnittslinie-Kreuzform der verschiedenen Phasen sowie die RSI-Indikatoren nutzt, um die Kauf- und Verkaufsmomente des Marktes zu bestimmen. Die Strategie kann durch Anpassung der Parameter in Echtzeit optimiert werden.
Strategieprinzip
Diese Strategie nutzt vor allem die EMA-Durchschnitts-Gold- und Dead-Fork-Anzeige, um zu entscheiden, wann zu kaufen und zu verkaufen ist. Die RSI-Anzeige wird verwendet, um zu bestimmen, ob ein Überkauf oder Überverkauf stattfindet.
Die Kauflogik des Kaufsignals lautet: Kaufen Sie, wenn der Preis unterhalb der EMA20 und oberhalb der EMA50 eine Goldforke bildet, um den Trendwendepunkt effektiver zu bestimmen. Außerdem müssen die Bedingungen erfüllt werden, dass der Schlusskurs kleiner als der Eröffnungspreis ist und niedriger als der Tiefstpreis des Vortages, was einige falsche Durchbrüche ausschließt.
Wir haben die oben genannten Kaufbedingungen mit verschiedenen Parametern versehen und 4 Kaufregeln erstellt, die jeweils unterschiedlichen Durchschnittsperioden und Mengen entsprechen water_level. Dies kann durch die Gruppenaufstellung von Positionen erreicht werden, die durchschnittliche Verteilung der Mengen.
Bei einem Ausverkauf werden die folgenden Kriterien berücksichtigt: Verkauf, wenn der Preis über die EMA10 fällt und der RSI ein Überkaufsignal zeigt; oder Verkauf, wenn der Preis unter die EMA10 fällt und der RSI einen Überverkauf zeigt. Darüber hinaus werden die Bedingungen geprüft, um eine bestimmte Gewinnquote zu erfüllen. So kann der Gewinn gesperrt werden, während die Wahrscheinlichkeit einer Fehleinschätzung durch den RSI reduziert wird.
Strategische Stärkenanalyse
Der größte Vorteil dieser Strategie besteht darin, dass die Marktwendepunkte durch die Kreuzung der Mittellinien ermittelt werden. Im Vergleich zu einem einzigen Mittellinien-System kann die Doppel-Einheitlichkeits-Kreuzung einige falsche Signale filtern. Zusätzlich wird die RSI-Anzeige eingeführt, um überkaufte und überverkaufte Bereiche zu ermitteln, was das Handelsrisiko effektiv reduzieren kann.
Ein weiterer Vorteil besteht darin, durch die Anpassung der Parameter eine Lagerhaltung in Chargen aufzubauen. Diese Art der Pyramidenlagerung ermöglicht es, die Kostenpreise ständig nach unten zu verschieben und bei Trends den größten Gewinn zu erzielen. Gleichzeitig wird die Menge verteilt und das Risiko einer einzelnen Menge verringert.
Strategische Risikoanalyse
Die Hauptrisiken dieser Strategie sind:
Das Gleichlinien-System selbst ist empfindlich für die Verzögerung und kann nicht rechtzeitig auf unvorhergesehene Ereignisse reagieren, was dazu führt, dass die Verluste nicht rechtzeitig eingestellt werden können. Dieses Risiko kann durch das Hinzufügen von Stopppunkten verringert werden.
Diese Strategie hat keine Begrenzung für die Zeiträume, in denen Käufe getätigt werden können. Ein Fehler in der Konfiguration kann dazu führen, dass die Käufe zu früh getätigt werden, was zu einem Stillstand führt. Dieses Risiko kann durch die Begrenzung der Kaufräume behoben werden.
Die Strategie, die Lagerstätten in Gruppen zu bauen, kann zu einem Risiko führen, dass die Lagerstätten zu groß sind, um ein einseitiges Durchbruch zu verhindern. Dieses Risiko kann durch die Anpassung der Wasserstandsparameter und die Aufnahme von Risikokontrollmechanismen verringert werden.
Richtung der Strategieoptimierung
Die Strategie kann auch in folgenden Richtungen optimiert werden:
Erhöhung der Stop-Loss-Strategie, die den Ausstieg von Verlusten unter bestimmten wichtigen Unterstützungswerten verhindert, um das Abwärtsrisiko effektiv zu kontrollieren.
Hinzufügen von Pre-Trading-Verification-Modulen, um die Richtung des Trendes auf der großen Ebene zu bestimmen und nur dann Positionen zu eröffnen, wenn der Trend nach oben geht, was die Gefahr eines rückläufigen Handels vermeidet.
Es gibt eine Beschränkung der Kauf-Bereich, nur innerhalb eines bestimmten Zeitraums kann die Einlagerung durchgeführt werden, um zu vermeiden, dass Positionen zu früh geöffnet werden.
Die Einführung von Machine-Learning-Algorithmen, die mehrere Faktoren kombinieren, um zu entscheiden, wann ein Kauf gemacht wird, kann die Strategie-Siegerate erhöhen.
Zusammenfassen
In diesem Artikel wird eine Strategie zur Quantifizierung von Longlines beschrieben, bei der die Einstiegspunkte in Kombination mit dem RSI-Indikator in der Form einer doppelten Gleichgewichtslinie gekreuzt werden, um die maximale Effizienz zu erzielen. Diese Strategie kann durch Parameteranpassung für die meisten Indizes und Aktien angewendet werden und ist eine allgemein verbreitete Strategie zur Verfolgung von Longlines.
/*backtest
start: 2024-01-01 00:00:00
end: 2024-01-31 23:59:59
period: 1h
basePeriod: 15m
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/
//@version=5
strategy("EMA_zorba1", shorttitle="3 NIFTY RSI EMA", overlay=true)
// Input parameters
qt1 = input.int(1, title="Quantity 1", minval=1)
qt2 = input.int(2, title="Quantity 2", minval=1)
qt3 = input.int(3, title="Quantity 3", minval=1)
qt4 = input.int(4, title="Quantity 4", minval=1)
ema10 = ta.ema(close, 10)
ema20 = ta.ema(close, 20)
ema50 = ta.ema(close, 50)
ema100 = ta.ema(close, 100)
ema200 = ta.ema(close, 200)
// RSI(14) condition
rsi_threshold = 65
rsi_crossed_above_70 = ta.rsi(close, 14) > rsi_threshold
rsi_crossed_above_70_two_days_ago = ta.rsi(close[5], 14) > rsi_threshold or ta.rsi(close[4], 14) > rsi_threshold or ta.rsi(close[3], 14) > rsi_threshold
rsi_crossed_above_70_yesterday = ta.rsi(close[1], 14) > rsi_threshold
// Date range filter
start_date = timestamp(year=2021, month=1, day=1)
end_date = timestamp(year=2024, month=1, day=1)
in_date_range = true
// Profit condition
profit_percentage = input(1, title="Profit Percentage") // Adjust this value as needed
// Pyramiding setting
pyramiding = input.int(1, title="Pyramiding", minval=1, maxval=10)
// Buy conditions
buy_condition_1 = in_date_range and close < ema20 and close > ema50 and close < open and close < low[1]
buy_condition_2 = in_date_range and close < ema50 and close > ema100 and close < open and close < low[1]
buy_condition_3 = in_date_range and close < ema100 and close > ema200 and close < open and close < low[1]
buy_condition_4 = in_date_range and close < ema200 and close < open and close < low[1]
// Exit conditions
profit_condition = strategy.position_avg_price * (1 + profit_percentage / 100) <= close
exit_condition_1 = in_date_range and ((close > ema10 and ema10 > ema20 and ema10 > ema50 and ema10 > ema100 and ema10 > ema200 and close < open) and rsi_crossed_above_70_two_days_ago) and profit_condition and close < low[1] and close < low[2]
exit_condition_2 = in_date_range and ((close < ema10 and close[1] > ema10 and close < close[1] and ema10 > ema20 and ema10 > ema50 and ema10 > ema100 and ema10 > ema200 and close < open) and rsi_crossed_above_70_yesterday) and profit_condition and close < low[1] and close < low[2]
// Strategy logic
strategy.entry("Buy1", strategy.long, qty=qt1 * pyramiding, when=buy_condition_1)
strategy.entry("Buy2", strategy.long, qty=qt2 * pyramiding, when=buy_condition_2)
strategy.entry("Buy3", strategy.long, qty=qt3 * pyramiding, when=buy_condition_3)
strategy.entry("Buy4", strategy.long, qty=qt4 * pyramiding, when=buy_condition_4)
strategy.close("Buy1", when=exit_condition_1 or exit_condition_2)
strategy.close("Buy2", when=exit_condition_1 or exit_condition_2)
strategy.close("Buy3", when=exit_condition_1 or exit_condition_2)
strategy.close("Buy4", when=exit_condition_1 or exit_condition_2)