Estrategia de supertendencia LSMA a largo plazo

Descripción general

La estrategia multihead LSMA de tendencia súper es una estrategia multihead que combina el indicador de tendencia súper y el promedio móvil LSMA. Se aplica a mercados de tendencia a largo plazo como acciones, criptomonedas y otros, que funcionan mejor en un marco de tiempo más grande.

Principio de estrategia

Las reglas de negociación de la estrategia son las siguientes:

Señales de entrada múltiple: se hace una entrada múltiple cuando el indicador de tendencia súper emite una señal de entrada múltiple y el precio de cierre está por encima de la media móvil LSMA.

Señales de salida múltiples: cuando el indicador de tendencia súper emite una señal de salida, la posición se despeja.

En otras palabras, se puede usar la super tendencia para determinar la dirección de la tendencia general, y luego se puede usar la LSMA para determinar el punto de entrada específico.

Análisis de las ventajas

Esta estrategia combina el seguimiento de tendencias y las medias móviles para capturar las grandes tendencias y para evitar ser engañados por el filtro de la línea media. En comparación con el uso de un indicador de tendencias o un indicador de la línea media, se puede controlar mejor el riesgo.

Además, la supertrend en sí misma tiene un cierto retraso, y combinada con las características suaves de la LSMA, puede filtrar eficazmente el ruido del mercado y evitar ser engañados por los falsos avances.

Análisis de riesgos

El mayor riesgo de esta estrategia reside en la imposibilidad de determinar con precisión el punto de reversión de la tendencia. Cuando la tendencia se convierte, debido a la supertrend y el atraso de la LSMA, puede causar una expansión de las pérdidas. En este caso, se necesita un alto en las pérdidas a tiempo para controlar el riesgo.

Además, la configuración de los parámetros también puede afectar el rendimiento de la estrategia. Si los parámetros ATR o los parámetros de los factores se ajustan incorrectamente, el efecto de juicio de tendencia súper se reducirá; Si el ciclo LSMA se ajusta demasiado corto, el efecto de filtro es malo y es susceptible a la influencia del ruido. Por lo tanto, la optimización de los parámetros es crucial.

Dirección de optimización

La estrategia puede ser optimizada en los siguientes aspectos:

1. Utiliza algoritmos de aprendizaje automático para optimizar los parámetros para adaptarlos a diferentes entornos de mercado.

2. Aumentar el mecanismo de detención de pérdidas. Cuando las pérdidas alcancen el límite de detención preestablecido, se impone el cierre de posición.

3. Aumentar el módulo de gestión de posiciones. Aumentar las posiciones cuando se forma una gran tendencia; reducir las posiciones cuando se concluye una tendencia.

4. Añadir más indicadores de filtración, como indicadores de fluctuación, indicadores de energía cuantitativa, etc., para evitar el riesgo de una reversión de la tendencia.

5. El uso de modelos de aprendizaje profundo para determinar tendencias, en lugar de una simple determinación de tendencias súper, hace que la determinación de tendencias sea más inteligente.

Resumir

Las estrategias de múltiples LSMA de tendencias súper combinan las ventajas de los indicadores de seguimiento de tendencias con los indicadores de línea media, ya que pueden capturar la dirección general en un período de tiempo más largo y también pueden utilizar el ruido de filtración en línea media. A través de la optimización de los parámetros, el mecanismo de detención de pérdidas y el fortalecimiento del módulo de control de riesgo, se puede mejorar aún más la rentabilidad de la estrategia y la capacidad de controlar el riesgo, lo que la convierte en una estrategia cuantitativa muy práctica.