Resumen

La estrategia de compra en caída de precio con múltiples marcos temporales es una estrategia de trading automatizado relativamente simple que puede obtener rendimientos considerables durante las fases de tendencia alcista. Sin embargo, no todas las caídas de precio son adecuadas para comprar; es necesario optimizar cada operación según diferentes marcos temporales.

Esta estrategia utiliza el marco temporal de 1 hora para capturar caídas repentinas de precio, mientras que el precio ha subido significativamente en las últimas 12 horas. En una tendencia alcista pronunciada, las liquidaciones rápidas debido a la toma de ganancias ofrecen un momento muy favorable para entrar al mercado.

La configuración de este script se ha optimizado para el marco temporal de 30 minutos. Puede ajustar los parámetros para adaptarse a diferentes marcos temporales.

Cuando se cumplen las siguientes condiciones, el sistema genera una señal de compra:

• El precio cae un 1% en comparación con las dos velas anteriores (marco temporal de 1 hora = dos velas de 30 minutos)
• El precio sube un 3% en las últimas 12 horas (24 velas de 30 minutos = marco temporal predefinido)

Esta configuración ha sido optimizada mediante más de 150 backtests en más de 20 pares de criptomonedas diferentes.

La estrategia asigna el 30% de los fondos disponibles a cada orden. Se considera una comisión de trading del 0,1%. Dicha comisión se corresponde con la comisión básica de Binance (el exchange de criptomonedas más grande del mundo).

Principio de la estrategia

La idea central de la estrategia de compra en caída de precio con múltiples marcos temporales es combinar simultáneamente dos marcos temporales (largo y corto) para determinar el momento de entrada.

Primero, en el marco temporal de 1 hora se determina si el precio ha sufrido una caída repentina. Esto se confirma evaluando si la vela actual ha caído más de un 1% en comparación con las dos velas anteriores.

En segundo lugar, en el marco temporal de 12 horas se determina si el precio ha experimentado un aumento significativo a largo plazo. Esto se confirma calculando si la subida de precio en las últimas 12 horas ha alcanzado el 3%.

Solo cuando se produce una caída en el marco temporal corto y al mismo tiempo el marco temporal largo se encuentra en tendencia alcista, se genera una señal de compra.

Esta combinación evita comprar ciegamente durante tendencias bajistas a largo plazo, al tiempo que captura las oportunidades de compra que ofrecen las correcciones a corto plazo. Al combinar diferentes marcos temporales, la estrategia de trading se vuelve más estable y fiable.

Técnicamente, la estrategia implementa la evaluación de los dos marcos temporales mediante la función perc_change() con dos parámetros diferentes. Una evalúa el aumento en las últimas 12 horas, la otra evalúa la caída en la última hora. Cuando ambas condiciones se cumplen simultáneamente, se genera una señal de compra.

Análisis de ventajas

La mayor ventaja de la estrategia de compra en caída de precio con múltiples marcos temporales es su capacidad para identificar tendencias de manera efectiva y aprovechar los momentos de compra durante correcciones a corto plazo. Concretamente, presenta las siguientes ventajas:

1. Al combinar marcos temporales largo y corto, se evita comprar durante caídas a largo plazo, reduciendo así pérdidas innecesarias.
2. El marco temporal corto permite capturar correcciones repentinas, que ofrecen precios de compra más bajos.
3. Los backtests han optimizado los parámetros, haciendo que la estrategia se adapte mejor a la alta volatilidad de las criptomonedas.
4. Se considera el impacto de las comisiones de trading, acercando la simulación a un entorno de trading real.
5. La lógica de trading y los parámetros son simples, fáciles de entender y ajustar.
6. Es ampliamente aplicable a diferentes pares de trading, con alta flexibilidad.

Análisis de riesgos

La estrategia de compra en caída de precio con múltiples marcos temporales también presenta ciertos riesgos, que se centran principalmente en los siguientes puntos:

1. No se puede evitar por completo el riesgo de falsas rupturas; una corrección a corto plazo también puede ser una reversión de la tendencia a largo plazo.
2. Los parámetros fijos pueden no adaptarse completamente a los cambios del mercado; es necesario ajustarlos.
3. Los backtests siempre funcionan bien en simulaciones, pero existen diferencias en el trading real.
4. Existe cierto desfase temporal, que puede hacer que se pierda el mejor punto de compra durante fluctuaciones de precio a corto plazo.
5. Una estrategia única es susceptible a riesgos sistémicos.
6. El trading de alta frecuencia incrementa la carga de las comisiones.

Para mitigar estos riesgos, se pueden considerar las siguientes medidas de optimización:

1. Agregar más indicadores para evaluar tendencias largas y cortas, mejorando la precisión.
2. Optimizar la configuración de parámetros para que sea más dinámica y se adapte a los cambios del mercado.
3. Probar la estrategia en entornos reales para medir las diferencias entre backtest y trading real.
4. Ajustar adecuadamente los marcos temporales para reducir el problema del desfase.
5. Utilizar simultáneamente múltiples estrategias no correlacionadas para diversificar el riesgo sistémico.
6. Establecer stop-loss y take-profit razonables para controlar el riesgo de cada operación.

Direcciones de optimización

La estrategia de compra en caída de precio con múltiples marcos temporales aún tiene un gran margen de optimización, principalmente en los siguientes aspectos:

1. Agregar más indicadores de juicio, como Bandas de Bollinger, RSI, etc., para mejorar la estabilidad de la estrategia.
2. Incorporar modelos de aprendizaje automático para lograr una optimización dinámica de parámetros que se adapte a los cambios del mercado.
3. Optimizar las estrategias de stop-loss y take-profit para reducir el riesgo de cada operación.
4. Realizar backtests en más pares de trading y períodos de tiempo para encontrar la mejor combinación de parámetros.
5. Combinar indicadores como el volumen de operaciones para evitar ser engañado por operaciones de arbitraje.
6. Agregar módulos de gestión de riesgos, como asignación de activos y control de posición, para gestionar el riesgo general.
7. Probar otros tipos de estrategias de trading algorítmico, como seguimiento de tendencia, arbitraje, etc., para diversificar.
8. Explorar combinaciones de múltiples marcos temporales más complejas para encontrar la combinación óptima de parámetros.
9. Incorporar elementos de news trading, utilizando eventos noticiosos como impulsores de trading.

Mediante las medidas de optimización anteriores, esta estrategia puede volverse más estable, inteligente y completa, adaptándose a la complejidad del mercado de criptomonedas. Sin embargo, cualquier optimización debe ser probada con cautela para evitar el problema del sobreajuste.

Conclusión

En general, la estrategia de compra en caída de precio con múltiples marcos temporales es una estrategia de trading a corto plazo muy práctica. Presta atención tanto al corto como al largo plazo, manteniendo una eficiencia relativamente alta y mejorando la precisión de los juicios. Mediante una configuración y optimización adecuadas de los parámetros, puede adaptarse a la mayoría de los mercados de trading, destacando especialmente en productos con tendencia.

Sin embargo, como cualquier estrategia mecánica, también tiene sus limitaciones. Los traders deben mantener la racionalidad y optimizarla y ajustarla constantemente para adaptarse a los cambios del mercado. Una estrategia exitosa siempre está en evolución, no es estática.

En resumen, la estrategia de compra en caída de precio con múltiples marcos temporales proporciona un excelente ejemplo para el trading algorítmico. Resume los puntos básicos del trading algorítmico: selección de diferentes marcos temporales, configuración de parámetros, backtesting y optimización, control de riesgos, etc. Aplicar adecuadamente esta estrategia y mejorarla continuamente en la práctica puede ayudar a los traders a identificar pistas clave en medio de un mar de información y obtener un alfa sostenible en el mercado.