Estrategia de trading vectorial con normalización de escala optimizada por funciones de activación
Visión general
Esta estrategia es una mejora de la estrategia de vector normalizado por escala de drkhodakarami, que agrega principalmente funciones de activación para mejorar el rendimiento de la estrategia. La estrategia utiliza la diferenciación del eje temporal para calcular la tasa de cambio del mercado y determina las señales de largo y corto mediante umbrales. Al mismo tiempo, se incorporan funciones de activación como swish, ReLU y step para suavizar la secuencia diferenciada y mejorar la precisión del juicio de señales.
Principio de la estrategia
- Calcular el cambio porcentual x de la diferencia del precio de cierre en el eje temporal establecido.
- Pasar x a la función de activación para obtener la secuencia procesada p.
- Establecer un umbral positivo y negativo th. Cuando p cruza por encima de th, ir largo; cuando cruza por debajo de -th, ir corto.
- Desactivar el repintado para evitar señales falsas.
Análisis de ventajas
- La introducción de funciones de activación permite filtrar ruido y mejorar la calidad del juicio de señales.
- Nueva lógica de apertura y cierre de posiciones, permitiendo negociación automática.
- Mayor espacio de personalización de parámetros para adaptarse a más mercados.
- Excelente diseño visual que refleja las señales de trading de forma intuitiva.
Análisis de riesgos
- Un ajuste inadecuado del umbral puede provocar la pérdida de oportunidades de trading.
- Una elección incorrecta de la función de activación puede filtrar información del mercado.
- Es necesario probar la distorsión de señales causada por el repintado.
Soluciones:
- Ajustar los parámetros del umbral para encontrar los valores óptimos.
- Probar diferentes funciones de activación para encontrar la más adecuada.
- Agregar lógica de detección de repintado para confirmar la validez de las señales.
Direcciones de optimización
- Agregar umbral adaptativo.
- Optimizar los parámetros de la función de activación.
- Incorporar lógica de stop loss automático.
- Combinar más factores para filtrar señales.
Resumen
Basándose en el trabajo de drkhodakarami, esta estrategia introduce funciones de activación para mejorar el rendimiento. Al ampliar el espacio de optimización de parámetros, puede adaptarse mejor a los cambios del mercado. Además, el diseño visual es excelente, mostrando de forma intuitiva las oportunidades de trading. En el futuro, se puede continuar optimizando las funciones de activación y el ajuste de umbrales, así como añadir stop loss y más filtros de señales, con lo que se espera obtener mejores resultados de la estrategia.
/*backtest
start: 2023-01-15 00:00:00
end: 2024-01-21 00:00:00
period: 1d
basePeriod: 1h
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/
//@version=4
// author: capissimo
strategy("Scaled Normalized Vector Strategy, ver.4", precision=2, overlay=false)
// This is a modification of my Scaled Normalized Vector Strategy - 1

