Estrategia de trading de reversión de ETH basada en el cruce de la media móvil simple (SMA) de Londres
ChaoZhang
Descripción general
La estrategia se llama estrategia de inversión de comercio de ETH cruzado por SMA en el período de tiempo de Londres. La idea principal de la estrategia es aprovechar la alta liquidez de la hora de negociación de Londres, combinando la señal de la horquilla dorada de la línea media de la SMA, para invertir el par de comercio de divisas digitales ETH/USDT.
Principio de estrategia
La lógica central de la estrategia es determinar primero el tiempo de negociación en el período de tiempo de Londres, luego calcular la media SMA de un determinado período, y luego en el período de tiempo de Londres determinar si el precio se produce con el SMA de la bifurcación de oro o de muerte. Concretamente, la estrategia primero define el inicio y el final de la hora de Londres, y luego establece el parámetro de longitud de la media SMA de 50 períodos. Sobre esta base, la estrategia utiliza la función ta.sma ().
La ventaja clave de esta estrategia es que se aprovecha la alta volatilidad de la hora de Londres para operar y obtener mejores oportunidades de entrada. Al mismo tiempo, la señal de la horquilla dorada de la línea media SMA es una señal de indicador técnico clásica y efectiva. Por lo tanto, esta combinación puede filtrar hasta cierto punto las señales falsas y mejorar la estabilidad y la rentabilidad de la estrategia.
Ventajas estratégicas
- La alta movilidad en el horario de Londres ofrece mejores oportunidades de ingreso
- El SMA es un indicador técnico clásico y eficaz.
- El uso combinado puede mejorar la calidad de la señal, filtrar falsos señales
- El uso de un método de negociación inversa, adecuado para el comercio de corta línea
- La utilización de los fondos es alta y los beneficios se pueden aumentar con el uso de la palanca
Riesgos estratégicos y soluciones
La estrategia también tiene ciertos riesgos, incluyendo:
- Las señales de la horca dorada en el mercado de tendencias pueden ser golpeadas con frecuencia.
- La configuración incorrecta del ciclo SMA puede generar demasiadas señales falsas
- Las inversiones en inversiones son vulnerables a las fluctuaciones
Estos riesgos pueden ser controlados y resueltos mediante:
- Combinación de indicadores de tendencia para evitar su uso en momentos de fluctuaciones de tendencia
- Optimización de parámetros SMA para encontrar el mejor ciclo de negociación
- Establecer un límite de pérdidas para controlar las pérdidas individuales
Dirección de optimización de la estrategia
La estrategia también se puede optimizar en los siguientes puntos:
- Se pueden introducir otros indicadores para la combinación, como RSI, KD, etc., para formar reglas de filtro de múltiples indicadores y mejorar la calidad de la señal
- Parámetros de ciclo que permiten optimizar la línea media SMA para encontrar el ciclo de negociación óptimo
- Se puede basar en la media SMA, y luego introducir una media de un período de tiempo más largo, formando una combinación cruzada de múltiples medias
- Optimización de los períodos de negociación para probar cuáles son los mejores
- Se pueden introducir algoritmos de aprendizaje automático para entrenar y filtrar las señales
Resumir
En general, esta estrategia logra una estrategia de inversión de línea corta más simple y práctica a través de una combinación de indicadores técnicos clásicos de comercio en períodos de alta liquidez y cruce uniforme. La estrategia tiene ventajas como una alta utilización de capital, indicadores técnicos simples y fáciles de implementar. Pero también existe un cierto riesgo, que requiere pruebas y optimización de parámetros, paradas y períodos de negociación para obtener una mejor capacidad de ganancias estables.
/*backtest
start: 2023-01-11 00:00:00
end: 2024-01-17 00:00:00
period: 1d
basePeriod: 1h
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/
//@version=5
strategy("London SMA Strategy ", overlay=true)
// Define London session times
london_session_start_hour = 6
london_session_start_minute = 59
london_session_end_hour = 15
london_session_end_minute = 59
// Define SMA input parameters
sma_length = input.int(50, title="SMA Length")
sma_source = input.source(close, title="SMA Source")
// Calculate SMA
sma = ta.sma(sma_source, sma_length)
// Convert input values to timestamps
london_session_start_timestamp = timestamp(year, month, dayofmonth, london_session_start_hour, london_session_start_minute)
london_session_end_timestamp = timestamp(year, month, dayofmonth, london_session_end_hour, london_session_end_minute)
// Define backtesting time range
start_date = timestamp(2021, 1, 1, 0, 0)
end_date = timenow
// Filter for London session and backtesting time range
in_london_session = time >= london_session_start_timestamp and time <= london_session_end_timestamp
in_backtesting_range = time >= start_date and time <= end_date
// Long condition: Close price crosses above SMA during London session
long_condition = ta.crossover(close, sma)
// Short condition: Close price crosses below SMA during London session
short_condition = ta.crossunder(close, sma)
// Plot SMA for reference
plot(sma, title="SMA", color=color.blue)
// Strategy entries and exits
if (long_condition)
strategy.entry("Long", strategy.long)
if (short_condition)
strategy.entry("Short", strategy.short)