ChaoZhang
Descripción general
La estrategia utiliza un método mixto de análisis cuantitativo, combinando dos modelos de distribución y análisis de regresión, para identificar diferentes estados de mercado. La estrategia calcula primero las medias móviles simples (SMA) y las bandas de Brin (BB), y luego calcula una puntuación Z basada en el promedio y la diferencia estándar de los rendimientos históricos. La estrategia abre una posición cuando la puntuación Z está por debajo de la baja y el precio está por debajo de la baja.
Principio de estrategia
El principio central de la estrategia es el uso de la puntuación Z para medir la posición de los rendimientos actuales con respecto a la distribución de los rendimientos históricos. La fórmula de cálculo de la puntuación Z es: ((Rendimientos actuales - promedio de rendimientos históricos) / diferencia estándar de rendimientos históricos. La puntuación Z más alta, significa que los rendimientos actuales son más extremos y la probabilidad de sobreventa es mayor; la puntuación Z más baja, significa que los rendimientos actuales son más extremos y la probabilidad de sobreventa es mayor.
Ventajas estratégicas
- Análisis cuantitativo: La estrategia se basa exclusivamente en indicadores cuantitativos, las reglas son claras, fáciles de implementar y de medir.
- Confirmación doble: la estrategia utiliza simultáneamente la puntuación Z y los dos indicadores de la banda de Bryn, formando un mecanismo de doble filtración que mejora la precisión de la señal.
- Bases estadísticas: La puntuación Z proviene de la teoría de la distribución normal en estadística, con una sólida base teórica que permite medir objetivamente el grado extremo de los retornos actuales.
- Parámetros flexibles: los usuarios pueden ajustar los parámetros de los ciclos SMA, el múltiplo de la banda de Brin y el umbral de la calificación Z según sea necesario, adaptándose de manera flexible a diferentes mercados.
Riesgo estratégico
- Sensible a los parámetros: los diferentes ajustes de los parámetros pueden generar grandes diferencias en el rendimiento de la estrategia, lo que requiere una optimización adecuada de los parámetros y pruebas de estabilidad.
- Riesgo de tendencia: la calificación Z puede permanecer en zonas extremas durante largos períodos de tiempo cuando hay una fuerte tendencia en el mercado, lo que hace que las señales de estrategia sean escasas o no existan.
- Riesgo de sobreajuste: si se optimiza demasiado los parámetros de la estrategia, puede causar sobreajuste y un mal desempeño en la muestra externa.
- Riesgo de los cisnes negros: en casos extremos, las leyes estadísticas históricas pueden fallar y la estrategia corre un mayor riesgo de retroceso.
Dirección de optimización de la estrategia
- Parámetros dinámicos: Considere indicadores como la volatilidad del mercado, la fuerza de la tendencia, ajuste dinámico de los mínimos de la calificación Z y el múltiplo de la banda de Brin para mejorar la adaptabilidad.
- Añadir filtros de tendencia: superponer indicadores de tendencia, como MA cruzado, DMI, etc., sobre los mecanismos existentes para evitar que haya demasiadas señales no válidas en una tendencia fuerte.
- Optimización de combinación: combinación de la estrategia con otras estrategias cuantitativas (como la dinámica, la regresión a la media, etc.) para aprovechar sus ventajas y mejorar la estabilidad.
- Bloqueo de pérdidas: Introducción de un mecanismo de bloqueo de pérdidas razonable para controlar el umbral de riesgo de una sola transacción y aumentar los beneficios ajustados al riesgo.
Resumir
La estrategia de cuantificación de la puntuación Z binaria mixta es una estrategia de comercio cuantitativa basada en principios estadísticos, que identifica oportunidades potenciales de sobreventa y sobreventa mediante la comparación de la distribución de los retornos actuales con los retornos históricos. Al mismo tiempo, la estrategia utiliza el indicador de las bandas de Bryn para una segunda confirmación, lo que mejora la fiabilidad de la señal. Las reglas de la estrategia son claras, fáciles de implementar y optimizar, pero también se enfrentan a desafíos como la sensibilidad a los parámetros, el riesgo de tendencia, el riesgo de sobreajuste.
/*backtest
start: 2023-05-22 00:00:00
end: 2024-05-27 00:00:00
period: 1d
basePeriod: 1h
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/
//@version=5
strategy("Estratégia Híbrida Quantitativa", overlay=true)
// Definição de parâmetros
sma_length = input.int(20, title="Período da SMA")
threshold_high = input.float(1.5, title="Threshold Alto")
threshold_low = input.float(-1.5, title="Threshold Baixo")
lookback_period = input.int(252, title="Período de Retorno Histórico (dias)")
// Funções auxiliares
f_sma(source, length) =>
ta.sma(source, length)
f_bollinger_band(source, length, mult) =>
basis = ta.sma(source, length)
dev = mult * ta.stdev(source, length)
[basis + dev, basis - dev]
// Cálculo dos indicadores
sma = f_sma(close, sma_length)
[upper_band, lower_band] = f_bollinger_band(close, sma_length, 2)
// Regime de Mercado: Binomial
retornos = ta.change(close, 1)
media_retornos = ta.sma(retornos, lookback_period)
desvio_padrao_retornos = ta.stdev(retornos, lookback_period)
// Indicador de Regime: Z-Score
z_score = (retornos - media_retornos) / desvio_padrao_retornos
// Sinal de Compra e Venda
sinal_compra = z_score < threshold_low and close < lower_band
sinal_venda = z_score > threshold_high and close > upper_band
// Execução de Ordem
if (sinal_compra)
strategy.entry("Long", strategy.long)
if (sinal_venda)
strategy.close("Long")
// Plotagem dos Indicadores
plot(sma, title="SMA", color=color.blue)
plot(upper_band, title="Upper Bollinger Band", color=color.red)
plot(lower_band, title="Lower Bollinger Band", color=color.green)
hline(threshold_high, "Threshold Alto", color=color.red, linestyle=hline.style_dashed)
hline(threshold_low, "Threshold Baixo", color=color.green, linestyle=hline.style_dashed)
plot(z_score, title="Z-Score", color=color.purple)