Strategie zur Absicherung des Netthandelsrisikos

Schriftsteller:ChaoZhang, Datum: 2024-03-27 18:15:12
Tags:

img

Strategieübersicht

Grid Trading Risk Hedging Strategy ist eine quantitative Handelsstrategie, die auf dem Konzept des Grid-Tradings basiert und mit der Idee der Risikobesicherung kombiniert wird. Die Strategie setzt mehrere Kauf- und Verkaufsbestellungen innerhalb eines vordefinierten Preisbereichs, um von Preisschwankungen zu profitieren. Gleichzeitig führt die Strategie einen Risikobesicherungsmechanismus ein, der die Grid-Grenzen dynamisch anpasst, um sich an Veränderungen im Marktumfeld anzupassen und die Strategierisiken zu reduzieren.

Strategieprinzip

Das Kernprinzip dieser Strategie ist der Netzhandel. Zunächst werden auf der Grundlage der vom Benutzer festgelegten Parameter die oberen und unteren Grenzen des Gritts und die Anzahl der Netzlinien bestimmt. Anschließend werden Kauf- und Verkaufsaufträge auf den Netzlinien platziert: Wenn der Preis eine Netzlinie berührt, wird eine Position geöffnet, wenn es zuvor keine Bestellung auf dieser Netzlinie gab; wenn es zuvor eine Bestellung gab, wird die Position geschlossen. Auf diese Weise kann die Strategie kontinuierlich Positionen in Preisschwankungen öffnen und schließen, um Gewinne zu erzielen.

Gleichzeitig führt die Strategie, um Risiken zu reduzieren, einen dynamischen Netzgrenz-Anpassungsmechanismus ein. Gemäß der Wahl des Benutzers können die oberen und unteren Grenzen des Netzes automatisch auf zwei Arten angepasst werden: 1) basierend auf den höchsten und niedrigsten Preisen in der letzten Periode, unter Berücksichtigung der vom Benutzer gesetzten Abweichung; 2) basierend auf der gleitenden Durchschnittslinie, unter Berücksichtigung der vom Benutzer gesetzten Abweichung. Durch die dynamische Anpassung der Netzgrenzen kann das Netz immer um den aktuellen Preis herum zentriert werden, wodurch das Risiko eines Preisbruchs durch die Netzgrenzen verringert wird.

Darüber hinaus teilt die Strategie bei der Eröffnung einer Position die Gesamtmittel in N gleiche Teile und verwendet jedes Mal, wenn sie eine Position eröffnet, einen gleichen Betrag, was das Risiko einer einzigen Transaktion reduzieren kann.

Analyse der Vorteile

  1. Starke Anpassungsfähigkeit: Durch die dynamische Anpassung der Netzgrenzen kann sich die Strategie an verschiedene Marktumgebungen anpassen. Ob in einem Trend oder einem volatilen Markt, sie kann sich automatisch anpassen, um bessere Renditen zu erzielen.

  2. Kontrollierbares Risiko: Bei der Eröffnung von Positionen werden gleiche Mittelmengen verwendet, so dass das Risiko einer einzelnen Transaktion gering ist; gleichzeitig kann der dynamische Mechanismus zur Anpassung der Netzgrenzen das Risiko verringern, dass der Preis die Netzgrenzen überschreitet.

  3. Hohe Handelsfrequenz: Da das Netz in der Regel viele Aufträge hat, ist die Handelsfrequenz hoch, was es einfacher macht, in volatilen Märkten zu profitieren.

  4. Flexible Parameter: Die Benutzer können die Anzahl der Gitter, die oberen und unteren Grenzen, die dynamischen Anpassungsparameter usw. entsprechend ihren Vorlieben festlegen und sich so an verschiedene Handelsstile anpassen.

Risikoanalyse

  1. Schlechte Leistung auf Trendmärkten: Wenn der Preis weiterhin einseitig steigt oder fällt und die Netzgrenzen durchbricht und die dynamische Anpassung nicht mit der Geschwindigkeit der Preisänderungen Schritt halten kann, kann die Strategie mit größeren Risiken konfrontiert sein.

  2. Transaktionsgebühren: Da die Strategie eine hohe Handelsfrequenz aufweist, können Transaktionsgebühren einen gewissen Einfluss auf die Rendite haben.

  3. Unzulässige Parameter-Einstellungen: Wenn die Parameter nicht richtig eingestellt sind, z. B. zu viele Netzlinien oder unzumutbare Netzgrenzeinstellungen, kann dies zu schlechter Strategieleistung führen.

Lösungen: 1) In Trendmärkten sollten die Anpassungsbereiche der Netzgrenzen erhöht oder mit Trendstrategien kombiniert werden; 2) Wählen Sie Börsen und Währungen mit niedrigeren Transaktionsgebühren; 3) Vor dem tatsächlichen Betrieb müssen die Parameter vollständig überprüft und optimiert werden.

Optimierungsrichtlinien

  1. Kombination mit anderen Strategien: Grid-Trading-Strategien sollten mit anderen Arten von Strategien wie Trendstrategien, Mittelumkehrstrategien usw. kombiniert werden, um die Anpassungsfähigkeit und Stabilität der Strategie zu verbessern.

  2. Verbesserung des dynamischen Anpassungsmechanismus: Der derzeitige dynamische Anpassungsmechanismus in der Strategie ist relativ einfach und kann weiter optimiert werden, indem mehr Faktoren (wie Handelsvolumen, Volatilität usw.) berücksichtigt und fortschrittlichere Algorithmen (wie adaptive Algorithmen, Algorithmen für maschinelles Lernen usw.) eingeführt werden.

  3. Optimierung des Fondsmanagements: Derzeit wird in der Strategie ein gleichwertiges Fondsmanagement verfolgt. Wir können die Einführung fortschrittlicherer Fondsmanagementmethoden wie das Kelly-Kriterium, Optimierungsmethoden usw. in Betracht ziehen, um die Effizienz und Rendite der Fondsverwendung weiter zu verbessern.

  4. Einführung von Gewinn und Stop-Loss: Auf der Grundlage des Netzhandels können einige Gewinn- und Stop-Loss-Logiken eingeführt werden, z. B. Bewegung von Gewinn und Stop-Loss, Volatilität, Gewinn und Stop-Loss usw., um die Strategierisiken weiter zu reduzieren.

Zusammenfassung

Grid Trading Risk Hedging Strategy ist eine hoch automatisierte, anpassungsfähige und risikokontrollierbare quantitative Handelsstrategie. Durch Grid Trading und dynamische Grid-Anpassung kann die Strategie unter verschiedenen Marktbedingungen profitieren und gleichzeitig Risiken kontrollieren. Die Strategie kann jedoch in Trendmärkten schlecht abschneiden und die Transaktionsgebühren können sich auf die Rendite auswirken. Daher sind weitere Optimierungen und Verbesserungen in praktischen Anwendungen erforderlich. Im Allgemeinen bietet die Strategie eine relativ reife quantitative Handelsidee, die weitere Forschung und Anwendung wert ist.


/*backtest
start: 2024-03-19 00:00:00
end: 2024-03-23 00:00:00
period: 5m
basePeriod: 1m
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/

//@version=4
strategy("(IK) Grid Script", overlay=true, pyramiding=14, close_entries_rule="ANY", default_qty_type=strategy.cash, initial_capital=100.0, currency="USD", commission_type=strategy.commission.percent, commission_value=0.1)
i_autoBounds    = input(group="Grid Bounds", title="Use Auto Bounds?", defval=true, type=input.bool)                             // calculate upper and lower bound of the grid automatically? This will theorhetically be less profitable, but will certainly require less attention
i_boundSrc      = input(group="Grid Bounds", title="(Auto) Bound Source", defval="Hi & Low", options=["Hi & Low", "Average"])     // should bounds of the auto grid be calculated from recent High & Low, or from a Simple Moving Average
i_boundLookback = input(group="Grid Bounds", title="(Auto) Bound Lookback", defval=250, type=input.integer, maxval=500, minval=0) // when calculating auto grid bounds, how far back should we look for a High & Low, or what should the length be of our sma
i_boundDev      = input(group="Grid Bounds", title="(Auto) Bound Deviation", defval=0.10, type=input.float, maxval=1, minval=-1)  // if sourcing auto bounds from High & Low, this percentage will (positive) widen or (negative) narrow the bound limits. If sourcing from Average, this is the deviation (up and down) from the sma, and CANNOT be negative.
i_upperBound    = input(group="Grid Bounds", title="(Manual) Upper Boundry", defval=0.285, type=input.float)                      // for manual grid bounds only. The upperbound price of your grid
i_lowerBound    = input(group="Grid Bounds", title="(Manual) Lower Boundry", defval=0.225, type=input.float)                      // for manual grid bounds only. The lowerbound price of your grid.
i_gridQty       = input(group="Grid Lines",  title="Grid Line Quantity", defval=8, maxval=15, minval=3, type=input.integer)       // how many grid lines are in your grid

f_getGridBounds(_bs, _bl, _bd, _up) =>
    if _bs == "Hi & Low"
        _up ? highest(close, _bl) * (1 + _bd) : lowest(close, _bl)  * (1 - _bd)
    else
        avg = sma(close, _bl)
        _up ? avg * (1 + _bd) : avg * (1 - _bd)

f_buildGrid(_lb, _gw, _gq) =>
    gridArr = array.new_float(0)
    for i=0 to _gq-1
        array.push(gridArr, _lb+(_gw*i))
    gridArr

f_getNearGridLines(_gridArr, _price) =>
    arr = array.new_int(3)
    for i = 0 to array.size(_gridArr)-1
        if array.get(_gridArr, i) > _price
            array.set(arr, 0, i == array.size(_gridArr)-1 ? i : i+1)
            array.set(arr, 1, i == 0 ? i : i-1)
            break
    arr

var upperBound      = i_autoBounds ? f_getGridBounds(i_boundSrc, i_boundLookback, i_boundDev, true) : i_upperBound  // upperbound of our grid
var lowerBound      = i_autoBounds ? f_getGridBounds(i_boundSrc, i_boundLookback, i_boundDev, false) : i_lowerBound // lowerbound of our grid
var gridWidth       = (upperBound - lowerBound)/(i_gridQty-1)                                                       // space between lines in our grid
var gridLineArr     = f_buildGrid(lowerBound, gridWidth, i_gridQty)                                                 // an array of prices that correspond to our grid lines
var orderArr        = array.new_bool(i_gridQty, false)                                                              // a boolean array that indicates if there is an open order corresponding to each grid line

var closeLineArr    = f_getNearGridLines(gridLineArr, close)                                                        // for plotting purposes - an array of 2 indices that correspond to grid lines near price
var nearTopGridLine = array.get(closeLineArr, 0)                                                                    // for plotting purposes - the index (in our grid line array) of the closest grid line above current price
var nearBotGridLine = array.get(closeLineArr, 1)                                                                    // for plotting purposes - the index (in our grid line array) of the closest grid line below current price
strategy.initial_capital = 50000
for i = 0 to (array.size(gridLineArr) - 1)
    if close < array.get(gridLineArr, i) and not array.get(orderArr, i) and i < (array.size(gridLineArr) - 1)
        buyId = i
        array.set(orderArr, buyId, true)
        strategy.entry(id=tostring(buyId), long=true, qty=(strategy.initial_capital/(i_gridQty-1))/close, comment="#"+tostring(buyId))
    if close > array.get(gridLineArr, i) and i != 0
        if array.get(orderArr, i-1)
            sellId = i-1
            array.set(orderArr, sellId, false)
            strategy.close(id=tostring(sellId), comment="#"+tostring(sellId))

if i_autoBounds
    upperBound  := f_getGridBounds(i_boundSrc, i_boundLookback, i_boundDev, true)
    lowerBound  := f_getGridBounds(i_boundSrc, i_boundLookback, i_boundDev, false)
    gridWidth   := (upperBound - lowerBound)/(i_gridQty-1)
    gridLineArr := f_buildGrid(lowerBound, gridWidth, i_gridQty)

closeLineArr    := f_getNearGridLines(gridLineArr, close)
nearTopGridLine := array.get(closeLineArr, 0)
nearBotGridLine := array.get(closeLineArr, 1)

Mehr