Estrategia de negociación ergódica SMI adaptativa basada en líneas de promedio móvil exponencial adaptativa

El autor:¿ Qué pasa?, Fecha: 2023-12-18 10:34:55
Las etiquetas:

img

Resumen general

Este artículo llevará a cabo un análisis en profundidad de una estrategia de negociación cuantitativa basada en líneas de promedio móvil exponencial adaptativo (AEMA). La estrategia aprovecha la forma ergótica del indicador de índice de momento estocástico (SMI), junto con un promedio móvil exponencial que sirve como línea de señal, e incorpora umbrales de sobrecompra / sobreventa personalizables para mejorar la probabilidad de ejecución exitosa de la operación.

Principio de la estrategia

La estrategia utiliza dos SMI de diferentes longitudes, uno corto y otro largo, y la diferencia de span entre ellos genera señales comerciales. Además, la estrategia también utiliza un promedio móvil exponencial como línea de señal. Se hace largo cuando el SMI de período más corto cruza por encima del SMA de período más largo, y se hace corto cuando sucede lo contrario. Para filtrar las señales falsas, las señales de entrada larga solo aparecen cuando el SMI está por debajo de la línea de sobreventa y la línea de señal también está por debajo de la línea de sobreventa; las señales de entrada corta requieren que el SMI esté por encima de la línea de sobrecompra y la línea de señal también por encima de la línea de sobrecompra.

Ventajas

La mayor ventaja de esta estrategia radica en su adaptabilidad. La estrategia utiliza umbrales de sobrecompra / sobreventa personalizables para ajustar dinámicamente los criterios largos y cortos de acuerdo con diferentes entornos de mercado. Este mecanismo permite optimizar y adaptar los parámetros de la estrategia a una gama más amplia de condiciones de mercado. Además, la forma ergótica del SMI también mejora la sensibilidad y puntualidad de la estrategia. En comparación con el SMI tradicional, tiene una mayor reducción de ruido y un menor retraso. Esto permite a la estrategia responder rápidamente a eventos repentinos y capturar oportunidades comerciales a corto plazo.

Los riesgos

El mayor riesgo de esta estrategia es su dependencia de la configuración de parámetros. La configuración inadecuada de parámetros puede generar fácilmente un gran número de señales comerciales inválidas. Además, como indicador de tipo pulso, el SMI no funciona bien en mercados aleatorios agitados. La estrategia también puede quedar fácilmente atrapada en una reversión de tendencia violenta con fluctuaciones de precios extremas. Para controlar estos riesgos, se recomienda adoptar medidas estrictas de gestión de riesgos mientras se ajustan los parámetros para adaptarse a diferentes entornos de mercado.

Direcciones de optimización

Hay todavía varios aspectos optimizables de la estrategia. En primer lugar, se pueden probar diferentes combinaciones de longitudes de SMA para encontrar el par de parámetros óptimo. En segundo lugar, las pérdidas de parada se pueden considerar cerca de los puntos de entrada para controlar la pérdida por comercio. En tercer lugar, otros indicadores como el RSI y las bandas de Bollinger se pueden combinar para establecer líneas dinámicas de sobrecompra / sobreventa. En cuarto lugar, los parámetros se pueden optimizar automáticamente a través de algoritmos de aprendizaje automático. En quinto lugar, la estrategia se puede integrar en modelos de múltiples factores para mejorar la estabilidad.

Conclusión

Este artículo ha llevado a cabo un análisis en profundidad del principio, ventajas, riesgos y direcciones de optimización de una estrategia de negociación ergódica SMI adaptativa. A través del uso de umbrales adaptativos y filtrado de señales con promedios móviles exponenciales, la estrategia puede capturar eficazmente las oportunidades de mercado a corto plazo. A pesar de cierta dependencia de parámetros, con un estricto control de riesgos y optimizaciones multidimensionales, la estrategia todavía posee un valor práctico considerable. Se cree que esta estrategia puede desempeñar un papel importante en las prácticas comerciales cuantitativas, proporcionando un apoyo efectivo para las decisiones comerciales.


/*backtest
start: 2023-12-10 00:00:00
end: 2023-12-17 00:00:00
period: 3m
basePeriod: 1m
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/

// © DraftVenture

//@version=5
strategy(title="Adaptive SMI Ergodic Strategy", shorttitle="Adaptive SMI Strategy", overlay = false)
longlen = input.int(12, minval=1, title="Long Length")
shortlen = input.int(5, minval=1, title="Short Length")
siglen = input.int(5, minval=1, title="Signal Line Length")
overS = input.float(-0.4, title = "Oversold", step = 0.01)
overB = input.float(0.4, title = "Overbought", step = 0.01)
erg = ta.tsi(close, shortlen, longlen)
sig = ta.ema(erg, siglen)
plot(erg, color = color.yellow, title = "SMI")
plot(sig, color = color.purple, title="Signal")
hline(0, title = "Zero", color = color.gray, linestyle = hline.style_dotted)
h0 = hline(overB, color = color.gray, title = "Overbought Threshold")
h1 = hline(overS, color = color.gray, title = "Oversold Threshold")
fill(h0, h1, color=color.rgb(25, 117, 192, 90), title = "Background")

longEntry = ta.crossover(erg, sig) and erg > overS and sig < overS
shortEntry = ta.crossunder(erg, sig) and erg < overB and sig > overB

if longEntry
    strategy.entry("Long", strategy.long)

if shortEntry
    strategy.entry("Short", strategy.short)

// ______ _________ 
// ___  //_/__  __ \
// __  ,<  __  /_/ /
// _  /| | _  ____/ 
// /_/ |_| /_/   

Más.