Estrategia de trading cuantitativo: apertura de un mercado de seguimiento cuantitativo de tendencias
ChaoZhang
Descripción general
La estrategia utiliza un sistema de línea uniforme para determinar la tendencia de los cambios en los precios, y luego combina los cambios simultáneos en el volumen de transacciones como señal de confirmación para abrir posiciones.
Principio de estrategia
La lógica central del seguimiento de la tendencia cuantitativa de apertura de posición se basa en la relación de correspondencia entre la tendencia de cambio de precio y el cambio de volumen de transacción. En concreto, la estrategia utiliza el precio de cierre y la diferencia entre el precio de apertura como cambio de precio, multiplicado por el volumen de transacción del día para obtener la curva de apertura de posición que acompaña el cambio de precio y el volumen de transacción.
Análisis de las ventajas
La estrategia combina tendencias de cambio de precios y cambios en el volumen de transacciones, lo que permite filtrar de manera efectiva algunas tendencias falsas que no coinciden con el precio de la cantidad, reducir el riesgo de apertura de posiciones y mejorar la precisión de apertura. La estrategia también utiliza un sistema de línea uniforme para establecer una referencia dinámica y adaptarse automáticamente a los cambios en el entorno del mercado.
Análisis de riesgos
La estrategia se basa principalmente en la racionalidad de la tendencia de la cuantificación de la relación precio-cantidad. Si el precio y la cantidad no coinciden, el riesgo de error aumenta. Además, la configuración incorrecta de los parámetros de la línea media también afecta la eficacia de la estrategia.
Dirección de optimización
Se puede considerar la inclusión de más estrategias de optimización de filtros, como el índice de volatilidad para determinar la calidad de la tendencia, la introducción de indicadores de emoción para juzgar la situación psicológica del mercado, etc. Además, se puede probar la variación de los efectos de la estrategia bajo diferentes sistemas de uniformidad para buscar la mejor combinación de parámetros. La inclusión de reglas de juicio de entrenamiento de modelos de aprendizaje automático también es una dirección de optimización posterior.
Resumir
La estrategia de comercio cuantitativo se basa en el seguimiento de la relación entre el precio y el volumen de transacciones para determinar la apertura automática de posiciones. Mediante la combinación cuantitativa de la tendencia de los precios y el calor de las transacciones, se puede filtrar eficazmente las señales ineficaces y mejorar la tasa de éxito de la apertura de posiciones.
/*backtest
start: 2023-12-12 00:00:00
end: 2024-01-11 00:00:00
period: 30m
basePeriod: 15m
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/
// This source code is subject to the terms of the Mozilla Public License 2.0 at https://mozilla.org/MPL/2.0/
// © avsr90
//@version=5
strategy(title="Lp-Op vol",shorttitle="LPV", max_bars_back = 5000,overlay=false,format=format.volume )
//Resolutions
Resn=input.timeframe(defval="",title="resolution")
Resn1=input.timeframe(defval="D",title="resolution")
//Intraday Open and Last Price and Last price- Open Price calculations.
Last_Price=math.round_to_mintick(close)
Open_Price = request.security(syminfo.tickerid ,Resn1,close[1],barmerge.gaps_off, barmerge.lookahead_on)
Op_Cl=math.round_to_mintick(Last_Price-Open_Price)
//length from Intra Day Open Price
Nifnum= ta.change(Open_Price)
Length_Intraday=int(math.max(1, nz(ta.barssince(Nifnum)) + 1))
//Input for Length for Volume
Length_Vol=input(defval=20, title="L for Vol")
// Last Price- Open price Volume, Average Intraday Last price-Open Price Volume
//and Volume Bars calculations.
Op_Cl_Vol=(Op_Cl*volume)
Avg_Vol_Opcl=ta.sma(Op_Cl_Vol,Length_Intraday)
Vol_Bars=ta.sma(volume,Length_Vol)
//Plots
plot(Op_Cl_Vol,color=Op_Cl_Vol>0 ? color.green:color.red,title="OPCLV")
plot(Avg_Vol_Opcl, title="Avg Vol", color=color.fuchsia)
plot(Vol_Bars, title="Vol Bars", color=color.yellow)
//Strategy parameters
startst=timestamp(2015,10,1)
strategy.entry("lo",strategy.long,when= ta.crossover(Op_Cl_Vol,Avg_Vol_Opcl) and ta.crossover(volume,Vol_Bars))
strategy.entry("sh",strategy.short,when=ta.crossunder(Op_Cl_Vol,Avg_Vol_Opcl)and ta.crossunder(volume,Vol_Bars ))