Auf der Grundlage der Strategie zur Umkehrung des gleitenden Durchschnitts

Schriftsteller:ChaoZhang, Datum: 2024-02-27 17: 51:43
Tags:

Übersicht

Die Jaws-Reversion-Strategie ist eine sehr einfache Trend-Handelsstrategie. Ihre Kernidee ist es, lang zu gehen, wenn der kurzfristige gleitende Durchschnitt um einen bestimmten Prozentsatz unter den langfristigen gleitenden Durchschnitt fällt, und die Position zu schließen, wenn der kurzfristige gleitende Durchschnitt über den langfristigen gleitenden Durchschnitt geht. Die Strategie berechnet zuerst einen kurzfristigen und einen langfristigen gleitenden Durchschnitt und erzeugt dann Handelssignale basierend auf der Beziehung zwischen den beiden gleitenden Durchschnitten.

Strategie Logik

Die Strategie stützt sich hauptsächlich auf zwei gleitende Durchschnitte, einen kurzfristigen und einen langfristigen. Der kurzfristige gleitende Durchschnittsparameter ist smallMAPeriod, und der langfristige gleitende Durchschnittsparameter ist bigMAPeriod. Die Strategie berechnet zunächst diese beiden gleitenden Durchschnitte und vergleicht dann die Größenbeziehung zwischen ihnen.

Wenn der kurzfristige gleitende Durchschnitt von oben fällt und einen bestimmten Prozentsatz (vorgegeben durch den Parameter percentBelowToBuy) des langfristigen gleitenden Durchschnitts durchbricht, wird ein Kaufsignal generiert, um lang zu gehen. Wenn der kurzfristige gleitende Durchschnitt anschließend steigt und über den langfristigen gleitenden Durchschnitt geht, wird ein Verkaufssignal generiert, um die Position zu schließen.

Wenn der kurzfristige gleitende Durchschnitt in gewissem Maße unter dem langfristigen gleitenden Durchschnitt liegt, bedeutet dies, dass der Vermögenswert unterbewertet sein kann und eine Chance haben sollte, zum Durchschnitt zurückzukehren, so dass ein Long ein Rebound-Gewinn erzielen kann.

Analyse der Vorteile

Die Mittelumkehrstrategie der Kiefer hat folgende Vorteile:

Die Logik ist einfach und leicht zu verstehen und umzusetzen
Erfasst die Wendepunkte von kurz- und langfristigen Trends für eine genaue Beurteilung der Marktentwicklung
Flexible Parameter-Einstellungen, die durch Anpassung der gleitenden Durchschnittszeiten und des Konzessionsanteils mehr Handelssignale erhalten können
Einfaches Backtestverfahren für quantitative Handelssimulationen und -optimierungen

Die Strategie kann durch einfache Parameteroptimierung gute Ergebnisse erzielen. Durch die Anpassung der gleitenden Durchschnitts- und Konzessionsprozentsatzparameter kann auf verschiedenen Marktvermögenswerten wie Aktien, Devisen und Kryptowährungen ein Backtesting durchgeführt werden, um die optimalen Parameterkombinationen auszuwählen.

Risikoanalyse

Die Jaws-Rückkehrstrategie beinhaltet auch einige Risiken:

Weniger Signale, die nicht häufig handeln können
Anfällig für fehlende Preisumkehrungen
Falsche Parameter können zu einem übermäßig häufigen Handel, höheren Handelskosten und Schlupfverlusten führen

Zur Risikominderung können folgende Methoden angewendet werden:

Anpassungsparameter für eine ausreichende Anzahl von Handelssignalen
Einführung der Breakout-Pullback-Eintrittsmethode, um falsche Breakouts zu vermeiden
Optimierung der Parameterkombinationen durch Auswahl von gleitenden Durchschnittszeiten und Konzessionsprozentsätzen

Optimierungsrichtlinien

Die Mittelumkehrstrategie von Jaws kann aus folgenden Gesichtspunkten optimiert werden:

Testen Sie verschiedene Preisdaten wie nahe, hohe, niedrige, typische Preis als Strategie Signalquelle
Versuchen Sie verschiedene Arten von gleitenden Durchschnitten wie exponentielle, gewichtete, Hull gleitende Durchschnitte usw.
Hinzufügen von Filterbedingungen zur Vermeidung unnötigen Handels auf nicht-trendigen Märkten
Einbeziehung von Volumenindikatoren, um falsche Ausbrüche mit steigendem Preis, aber unzureichender Dynamik zu vermeiden
Einsatz von maschinellem Lernen oder genetischen Algorithmen für die automatisierte Parameteroptimierung

Schlussfolgerung

Die Jaws-Mittelumkehrstrategie erfasst die Mittelumkehrchancen, nachdem sich die Kurzzeitpreise von den langfristigen Trends abgewandelt haben, indem sie kurz- und langfristige gleitende Durchschnitte vergleicht. Die Strategie hat eine einfache Logik, die leicht zu verstehen und umzusetzen ist. Durch Parameteroptimierung kann sie gute Ergebnisse erzielen. Aber Risiken wie weniger Signale und fehlende Umkehrungen bestehen immer noch, was das Testen und Optimieren von Parametern und Filtern erfordert, um die Strategierenditen zu maximieren.

/*backtest
start: 2023-02-20 00:00:00
end: 2024-02-26 00:00:00
period: 1d
basePeriod: 1h
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/

// @version=4
//
// This source code is subject to the terms of the Mozilla Public License 2.0 at https://mozilla.org/MPL/2.0/
//
// @author Sunil Halai
//
// This very simple strategy is an implementation of PJ Sutherlands' Jaws Mean reversion algorithm. It simply buys when a small moving average period (e.g. 2) is below
// a longer moving average period (e.g. 5) by a certain percentage, and closes when the small period average crosses over the longer moving average. 
// 
// If you are going to use this, you may wish to apply this to a range of investment assets, as the amount signals is low. Alternatively you may wish to tweak the settings to provide more
// signals.


strategy("Jaws Mean Reversion [Strategy]", overlay = true)

//Strategy inputs
source = input(title = "Source", defval = close)
smallMAPeriod = input(title = "Small Moving Average", defval = 2)
bigMAPeriod = input(title = "Big Moving Average", defval = 5)
percentBelowToBuy = input(title = "Percent below to buy %", defval = 3)


//Strategy calculation
smallMA = sma(source, smallMAPeriod)
bigMA =  sma(source, bigMAPeriod) 
buyMA = ((100 - percentBelowToBuy) / 100) * sma(source, bigMAPeriod)[0]

if(crossunder(smallMA, buyMA))
    strategy.entry("BUY", strategy.long)

if(crossover(smallMA, bigMA))
    strategy.close("BUY")

Mehr