Estrategia de pronóstico de ondas gaussianas


Fecha de creación: 2024-01-22 12:37:07 Última modificación: 2024-01-22 12:37:40
Copiar: 0 Número de Visitas: 655
1
Seguir
1617
Seguidores

Estrategia de pronóstico de ondas gaussianas

Descripción general

Una estrategia de pronóstico de ondas de Gauss es una estrategia de negociación cuantitativa basada en las ondas de Gauss. Utiliza las propiedades suaves de las ondas de Gauss para filtrar varias veces la secuencia de precios, produciendo una serie de precios después de la suavización. Luego, combina una combinación de varios elementos de estas secuencias de precios para realizar una predicción de precios futuros.

Principio de estrategia

El núcleo de la estrategia es el algoritmo de Gauss. El filtro de Gauss es un filtro de suavizado lineal que usa la función de Gauss como peso. En la estrategia, se establece el parámetro p como el tamaño de la ventana de filtro.[i] es el resultado de i ondas de Gauss sobre la secuencia original de precios.

La estrategia utiliza la idea de la recurrencia: primero se usa la secuencia de precios alfa y original price, se calcula la primera onda de filtración ret. Luego, se hace una segunda onda basada en ret, se obtiene ret2 repetidamente. Finalmente, se combinan varias secuencias de precios para formar una curva que predice el precio futuro ret4. Si el precio previsto es superior al precio real actual, se hace más; si es inferior al precio actual, se hace cero.

Esto permite una tendencia más suave y combinada a través de múltiples filtraciones. Al mismo tiempo, combina una combinación múltiple para realizar predicciones de movimientos de precios en el corto plazo.

Análisis de las ventajas

La estrategia tiene las siguientes ventajas:

  1. El uso de las ondas de alta frecuencia para suavizar los precios. Se puede filtrar eficazmente el ruido de alta frecuencia, lo que hace que la estrategia sea más estable.

  2. La recurrencia de múltiples filtraciones permite una mejor adaptación a las tendencias de los precios y una mejor predicción.

  3. Precios basados en la predicción de la concordancia de múltiples fórmulas. Se pueden modelar movimientos de precios a corto plazo para generar señales de negociación.

  4. Combinación de los precios actuales con los precios previstos. Las señales de negociación se combinan directamente con las predicciones de tendencias para evitar perder oportunidades de negociación.

  5. Se puede utilizar como un módulo básico de estrategias de alta frecuencia para ampliar otros indicadores de análisis.

Análisis de riesgos

La estrategia también tiene los siguientes riesgos:

  1. Los filtros de Gauss sirven para suavizar los cambios bruscos en los precios y pueden perder oportunidades de negociación a corto plazo.

  2. El riesgo de sobreajuste de la adaptación multipolar existe. Si el patrón de cambio de precios es mutado, esto puede reducir la efectividad de la predicción.

  3. El tamaño de la ventana de filtro y el número de grados de los polinomios se deben ajustar con precisión. Si no es adecuado, puede fallar.

  4. La operación se realiza en el disco interno, sin depender de la señal de apertura.

Dirección de optimización

La estrategia puede ser optimizada en los siguientes aspectos:

  1. Aumentar el entrenamiento del modelo y el mecanismo de reentrenamiento de la ventana deslizante. Hacer que los parámetros de la política se ajusten dinámicamente, reduciendo el riesgo de sobreajuste.

  2. Combinado con más indicadores y características de precios. La entrada de estrategias enriquecidas hace que la predicción sea más estable.

  3. Aumentar el mecanismo de suspensión de pérdidas. Establecer la proporción máxima de pérdidas para evitar que las situaciones extremas causen grandes pérdidas.

  4. Optimización de la gestión de posiciones. Ajuste dinámico de las posiciones en función de la precisión de las predicciones y la volatilidad.

  5. Intentar predicciones basadas en modelos de aprendizaje automático convencionales. Modelos de aprendizaje profundo como LSTM. Mejorar aún más la capacidad de predicción de estrategias.

Resumir

En general, esta estrategia es una estrategia de cuantificación de alta frecuencia que utiliza las ondas de Gauss y la asimilación múltiple para hacer predicciones de precios. Tiene ciertas ventajas, pero también hay espacio para mejorar.

Código Fuente 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=2
strategy("Gaussbot v1.0", overlay=true)

p = input(20, minval=1, title="Length")
price = input(open, title="Source")

pi=3.1415926535


w=2*pi/p
beta = (1 - cos(w))/(pow(1.414,2.0/3) - 1)
alfa = -beta + sqrt(beta*beta + 2*beta)
ret=  pow(alfa,4)*price+4*(1-alfa)*nz(ret[1])-6*pow(1-alfa,2)*nz(ret[2])+4*pow(1-alfa,3)*nz(ret[3])-pow(1-alfa,4)*nz(ret[4])
ret2 = pow(alfa,4)*ret+4*(1-alfa)*nz(ret2[1])-6*pow(1-alfa,2)*nz(ret2[2])+4*pow(1-alfa,3)*nz(ret2[3])-pow(1-alfa,4)*nz(ret2[4])
ret3 = pow(alfa,4)*ret2+4*(1-alfa)*nz(ret3[1])-6*pow(1-alfa,2)*nz(ret3[2])+4*pow(1-alfa,3)*nz(ret3[3])-pow(1-alfa,4)*nz(ret3[4])
ret4 = 3*ret-3*ret2+ret3


diff2 = nz(ret[1]) - nz(ret[2]) - (nz(ret[2]) - nz(ret[3]) )  
diff22 = nz(ret2[1]) - nz(ret2[2]) - (nz(ret2[2]) - nz(ret2[3]) ) 
diff23 = nz(ret3[1]) - nz(ret3[2]) - (nz(ret3[2]) - nz(ret3[3]) )  
diff24 = nz(ret4[1]) - nz(ret4[2]) - (nz(ret4[2]) - nz(ret4[3]) )  


longCondition =    price[0] - ret4[1]  > 0
shortCondition =  price[0] - ret4[1] < 0

if(longCondition and shortCondition)
    longCondition = longCondition[1]
    shortCondition = shortCondition[1]
if(longCondition==false and shortCondition==false)
    longCondition = longCondition[1]
    shortCondition = shortCondition[1]



if (longCondition==true and shortCondition == false) 
    strategy.entry("Gaussbot Long", strategy.long )
if (longCondition==false and shortCondition == true)
    strategy.entry("Gaussbot Short", strategy.short)