ChaoZhang
Überblick
Die Strategie nutzt die Stochastic Slow als primäres Handelssignal und kombiniert den 200-Perioden-Simple Moving Average (SMA) als Trendfilter. Darüber hinaus führt die Strategie einen virtuellen AI-Indikator ein, um zusätzliche Einstiegssignale zu liefern. Die Strategie basiert hauptsächlich darauf, in überverkauften Bereichen zu kaufen und in überkauften Bereichen zu verkaufen, während sichergestellt wird, dass der Preis oberhalb der 200 SMA gekauft und unterhalb der 200 SMA verkauft wird.
Strategieprinzip
Berechnen Sie die K-Werte und die D-Werte der zufälligen Langsamkeitsindikatoren, wobei die K-Werte 26 Perioden haben und die D-Werte 3 Perioden SMA für die K-Werte haben.
Setzen Sie die Überkaufzone auf 81 und die Überverkaufzone auf 20 und den minimalen K-Wert auf 11.
Ein Kaufsignal wird erzeugt, wenn die K-Linie die D-Linie durchschreitet und der K-Wert kleiner als die Überverkaufszone und größer als der Mindest-K-Wert ist.
Ein Verkaufssignal wird erzeugt, wenn K unterhalb der D-Linie durchläuft und K größer ist als die Überkaufzone und größer als der Mindestkennwert.
Der 200 SMA wird als Trendfilter verwendet, der den Kauf erlaubt, wenn der Preis oberhalb des 200 SMA liegt, und den Verkauf erlaubt, wenn der Preis unterhalb des 200 SMA liegt.
Einführung eines virtuellen AI-Indikators ((mit RSI>50 für bullish, RSI<50 für bearish)), bei dem der AI-Indikator bei bullish gekauft und bei bearish verkauft wird。
Die Kombination von Zufallsindikatoren, Trendfiltern und AI-Indikatoren erzeugt ein endgültiges Handelssignal.
10% Stop Loss beim Kauf und 10% Stop Loss beim Verkauf.
Strategische Vorteile
Die Zufallsschwellenanzeige identifiziert effektiv überkaufte und überverkaufte Bereiche des Marktes und bietet einen guten Einstiegspunkt für den Handel.
Die Einführung des 200 SMA als Trendfilter sorgt dafür, dass der Handel mit dem aktuellen Trend übereinstimmt, was die Erfolgsrate erhöht.
Die Einbeziehung von AI-Indikatoren bietet mehr Zugang zu Strategien und kann die Erträge der Strategie erhöhen.
Setzen Sie Stop-Loss-Orders, um Ihr Risiko zu kontrollieren.
Strategisches Risiko
Zufällige Indikatoren können in einem schwankenden Markt mehr falsche Signale erzeugen.
Derzeit ist der AI-Wert nur ein virtueller Wert, und die tatsächliche Wirkung muss noch überprüft werden.
Die Stop-Loss-Einstellungen können dazu führen, dass ein Teil der Gewinne vorzeitig eingestellt wird.
Richtung der Strategieoptimierung
Optimierung der Parameter des Zufallsindikators, um die optimale Periodizität und die überkaufende und überverkaufende Schwellenwerte zu finden.
Einführung von komplexeren und effizienteren KI-Modellen, um die Genauigkeit der KI-Signale zu verbessern.
Optimierung der Stop-Loss- und Stop-Stop-Einstellungen, um Risiken besser zu kontrollieren und Gewinne zu sichern.
Erwägen Sie die Einführung von anderen effektiven technischen Indikatoren oder Fundamentaldaten, um die Robustheit der Strategie zu verbessern.
Zusammenfassen
Die Strategie bildet eine Multifaktor-Handelsstrategie, die durch die Kombination von Zufallsschwinger, Trendfilter und AI-Signalen gebildet wird. Die Zufallsschwinger bieten ein wirksames Überkauf-Überverkauf-Signal, die Trendfilter sorgen dafür, dass die Handelsrichtung mit den großen Trends übereinstimmt, während die AI-Signal der Strategie mehr Einstiegsmöglichkeiten bietet. Obwohl die Strategie noch einige potenzielle Risiken und Optimierungsmöglichkeiten hat, ist ihre Gesamtkonzeption klar, logisch und lohnt es, weiter untersucht und verbessert zu werden.
/*backtest
start: 2024-03-01 00:00:00
end: 2024-03-31 23:59:59
period: 1h
basePeriod: 15m
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/
//@version=5
strategy("Stochastic Slow Strategy with More Entries and AI", overlay=true)
length = input.int(26, minval=1)
OverBought = input(81)
OverSold = input(20)
smoothK = input.int(3, minval=1)
smoothD = input.int(3, minval=1)
minKValue = input(11, title="Minimum K Value")
// Stochastic calculations
k = ta.sma(ta.stoch(close, high, low, length), smoothK)
d = ta.sma(k, smoothD)
co = ta.crossover(k, d)
cu = ta.crossunder(k, d)
// Trend filter (200-period simple moving average)
ema200 = ta.sma(close, 200)
// Artificial Intelligence indicator (dummy example)
// Aquí puedes colocar la lógica de tu red neuronal artificial
// Por ahora, simplemente usaremos una señal aleatoria
ai_signal = ta.rsi(close, 14) > 50 ? 1 : -1
// Entry conditions
longCondition = ta.crossover(close, ema200) and k < OverSold and k > minKValue and ai_signal == 1
shortCondition = ta.crossunder(close, ema200) and k > OverBought and k > minKValue and ai_signal == -1
if (not na(k) and not na(d))
if (co and k < OverSold and k > minKValue)
strategy.entry("StochLE", strategy.long, comment="StochLE")
if (cu and k > OverBought and k > minKValue)
strategy.entry("StochSE", strategy.short, comment="StochSE")
if (longCondition)
strategy.entry("LongEntry", strategy.long, comment="LongEntry")
strategy.exit("StopLoss", "LongEntry", loss = close * 0.9) // Stop loss del 10%
if (shortCondition)
strategy.entry("ShortEntry", strategy.short, comment="ShortEntry")
strategy.exit("StopLoss", "ShortEntry", loss = close * 1.1) // Stop loss del 10%
// Plotting
plot(ema200, color=color.blue, title="200 SMA")