ChaoZhang
Descripción general
La estrategia utiliza la intersección de las medias móviles simples de dos períodos diferentes para determinar la dirección de la tendencia y realizar transacciones cuando la tendencia aparece. Al mismo tiempo, la estrategia también introduce un panel de valores esperados para calcular y mostrar los rendimientos esperados de la estrategia en diferentes escalas de tiempo, para que los usuarios puedan evaluar mejor el rendimiento de la estrategia.
Principio de estrategia
El núcleo de esta estrategia es el uso de una simple media móvil cruzada de dos períodos diferentes (en este caso, 14 y 28 días) para determinar la tendencia del mercado. Cuando la media a corto plazo cruza la media a largo plazo de abajo hacia arriba, se considera que el mercado está en una tendencia al alza, la estrategia abre más posiciones; por el contrario, cuando la media a corto plazo cruza la media a largo plazo de arriba hacia abajo, se considera que el mercado está en una tendencia a la baja, la estrategia abre posiciones y se vacía. De esta manera, la estrategia puede adaptarse a diferentes tendencias del mercado y construir posiciones a tiempo para obtener los beneficios de la tendencia.
Además de los criterios básicos de tendencia y la lógica de negociación, la estrategia también introduce un panel de valores esperados para calcular y mostrar los beneficios esperados de la estrategia en diferentes escalas de tiempo (mensuales y anuales). El cálculo de los valores esperados se basa en los indicadores estadísticos clave de la estrategia en el período histórico, que incluyen:
- Tasa de ganancia: porcentaje de ganancias de la estrategia en el período de tiempo en relación con el número total de operaciones
- Ganancias promedio: la cantidad promedio de ganancias de todas las operaciones ganadoras de la estrategia en ese período de tiempo
- Pérdidas promedio: la cantidad de pérdidas promedio de todas las operaciones perdedoras de la estrategia durante ese período de tiempo
Utilizando estos indicadores, se puede calcular el valor esperado de la estrategia en ese período de tiempo: Valor esperado = Tasa de ganancias × ganancias promedio - (1 - Tasa de ganancias) × pérdidas promedio
Al mostrar los valores esperados para diferentes períodos de tiempo en la tabla en forma de gráficos calientes, los usuarios pueden ver a primera vista el rendimiento esperado de la estrategia en diferentes entornos de mercado y, por lo tanto, comprender mejor la aplicabilidad y el riesgo de la estrategia.
Análisis de las ventajas
Adaptabilidad a la tendencia: La estrategia es capaz de ajustar sus posiciones en el momento oportuno para adaptarse a los cambios en el mercado, utilizando el cruce de las medias móviles para determinar la tendencia. Esto permite a la estrategia obtener mejores ganancias en mercados de tendencia.
Evaluación de rendimiento intuitiva: el panel de valores esperados incorporado muestra los rendimientos esperados de la estrategia en diferentes períodos de tiempo en forma de gráficos de calor, lo que permite al usuario evaluar a primera vista el rendimiento de la estrategia en diferentes entornos de mercado. Esta presentación de rendimiento visual proporciona al usuario más referencia para la toma de decisiones.
Se consideran los indicadores estadísticos clave: el cálculo del valor esperado no solo considera la probabilidad de éxito de la estrategia, sino también el impacto de la ganancia promedio y la pérdida promedio. Este método de cálculo puede reflejar de manera más completa y precisa el rendimiento real de la estrategia, proporcionando a los usuarios una referencia más confiable.
Configuración de parámetros flexible: el usuario puede configurar con flexibilidad si desea que el panel se muestre o no, y la transparencia del panel. Esto permite al usuario ajustar la visualización de la tabla según sus propias preferencias, mejorando la experiencia de uso.
Análisis de riesgos
Desempleo en mercados convulsos: debido a que la estrategia depende principalmente de la tendencia para obtener ganancias, en mercados convulsos o en un entorno de mercado con una tendencia poco clara, las operaciones frecuentes pueden causar grandes puntos de deslizamiento y costos de operación, lo que afecta el rendimiento general de la estrategia.
Limitaciones del cálculo de los valores esperados: Aunque el panel de valores esperados ofrece una forma intuitiva de evaluar el rendimiento de la estrategia, se calcula en base a datos históricos. Los datos históricos pueden no reflejar bien el rendimiento real de la estrategia en caso de cambios importantes en el mercado o situaciones extremas.
La elección de los parámetros tiene un gran impacto: el rendimiento de la estrategia depende en gran medida de la elección del ciclo de las medias móviles. Diferentes combinaciones de ciclos pueden generar resultados comerciales completamente diferentes. Si los parámetros seleccionados no se adaptan bien a las características del mercado, el rendimiento real de la estrategia puede desviarse mucho de los valores esperados.
Dirección de optimización
Introducir más indicadores técnicos: Sobre la base de las medias móviles existentes, se puede considerar la introducción de otros indicadores técnicos como el MACD, el RSI, etc., para juzgar mejor la fuerza y la sostenibilidad de las tendencias, lo que mejora el tiempo de entrada y salida de la estrategia.
Optimización de la gestión de la posición: la estrategia actual adopta la práctica de posiciones fijas cuando aparecen señales de negociación. Se puede considerar ajustar dinámicamente las posiciones de acuerdo con factores como la volatilidad del mercado, la fuerza de la tendencia, etc., para controlar mejor el riesgo y aumentar los beneficios.
Incorporar un mecanismo de stop-loss: Incorporar un mecanismo de stop-loss razonable en la estrategia puede ayudar a la estrategia a bloquear los beneficios obtenidos a tiempo, mientras se limitan las posibles pérdidas. Esto ayuda a mejorar la relación riesgo-beneficio de la estrategia, lo que permite que se mantenga un rendimiento relativamente sólido en diversos entornos de mercado.
Optimizar el cálculo de los valores esperados: se pueden optimizar aún más los métodos de cálculo de los valores esperados, por ejemplo, teniendo en cuenta los costos de transacción, la introducción de ventanas móviles, etc., para mejorar la eficacia y la utilidad de los indicadores de valores esperados. Además, se pueden explorar otros indicadores de evaluación de rendimiento de la estrategia para proporcionar a los usuarios una referencia más completa.
Resumir
La estrategia utiliza el cruce de las medias móviles para juzgar las tendencias del mercado y, cuando las tendencias se presentan, se construyen posiciones a tiempo para obtener los beneficios de las tendencias. Al mismo tiempo, la estrategia también introduce un panel intuitivo de valores esperados para mostrar los beneficios esperados de la estrategia en diferentes escalas de tiempo, lo que proporciona a los usuarios más referencia para la toma de decisiones.
/*backtest
start: 2023-06-11 00:00:00
end: 2024-06-16 00:00:00
period: 1d
basePeriod: 1h
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/
// This Pine Script™ code is subject to the terms of the Mozilla Public License 2.0 at https://mozilla.org/MPL/2.0/
// © ir0nantc2
//@version=5
strategy("Expected Value Panel", overlay=true)
// ロングエントリー条件 / Long entry condition
longCondition = ta.crossover(ta.sma(close, 14), ta.sma(close, 28))
if (longCondition)
strategy.entry("My Long Entry Id", strategy.long)
// ショートエントリー条件 / Short entry condition
shortCondition = ta.crossunder(ta.sma(close, 14), ta.sma(close, 28))
if (shortCondition)
strategy.entry("My Short Entry Id", strategy.short)
// ■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■
// Please copy the code below and paste it into the strategy where you want to display the expected value.
// 以下のコードをコピーして期待値を表示させたいストラテジーに貼り付けて下さい。
// ■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■
// 表示選択 / Display selection
show_performance = input.bool(true, '期待値ON/OFF (Show Expected Value)', group='Expected Value / ©ir0nantc2')
transparency = input.int(50, '透過度 (Transparency)', minval=0, maxval=100, group='Expected Value / ©ir0nantc2')
prec = 2
// 背景色 / Background color
bg_color(value) =>
na(value) ? color.new(color.gray, transparency) : value > 0.0 ? color.new(color.green, transparency) :
value < 0.0 ? color.new(color.red, transparency) :color.new(color.gray, transparency)
// 利益と損失の追跡 / Track profits and losses
var float total_monthly_profit = 0.0
var float total_yearly_profit = 0.0
if show_performance
new_month = month(time) != month(time[1])
new_year = year(time) != year(time[1])
cur_month_pnl = 0.0, cur_year_pnl = 0.0
eq = strategy.equity
bar_pnl = eq / eq[1] - 1
// 月次・年次 期待値 / Monthly & Yearly Expected Value
cur_month_pnl := new_month ? 0.0 : (1 + cur_month_pnl[1]) * (1 + bar_pnl) - 1
cur_year_pnl := new_year ? 0.0 : (1 + cur_year_pnl[1]) * (1 + bar_pnl) - 1
// 年次および月次期待値を格納 / Store monthly and yearly expected values
var month_pnl = array.new_float(), var month_time = array.new_int()
var year_pnl = array.new_float(), var year_time = array.new_int()
// 期待値計算の変数 / Variables for expected value calculation
var month_wins = array.new_int(), var month_losses = array.new_int()
var month_avg_win = array.new_float(), var month_avg_loss = array.new_float()
var year_wins = array.new_int(), var year_losses = array.new_int()
var year_avg_win = array.new_float(), var year_avg_loss = array.new_float()
// 月次および年次期待値の配列更新 / Update arrays for monthly and yearly expected values
bool last_computed = false
if (not na(cur_month_pnl[1]) and (new_month or barstate.islastconfirmedhistory))
if (last_computed and array.size(month_pnl) > 0)
array.pop(month_pnl), array.pop(month_time)
array.pop(month_wins), array.pop(month_losses)
array.pop(month_avg_win), array.pop(month_avg_loss)
array.push(month_pnl, cur_month_pnl[1]), array.push(month_time, time[1])
array.push(month_wins, 0), array.push(month_losses, 0)
array.push(month_avg_win, 0.0), array.push(month_avg_loss, 0.0)
if (not na(cur_year_pnl[1]) and (new_year or barstate.islastconfirmedhistory))
if (last_computed and array.size(year_pnl) > 0)
array.pop(year_pnl), array.pop(year_time)
array.pop(year_wins), array.pop(year_losses)
array.pop(year_avg_win), array.pop(year_avg_loss)
array.push(year_pnl, cur_year_pnl[1]), array.push(year_time, time[1])
array.push(year_wins, 0), array.push(year_losses, 0)
array.push(year_avg_win, 0.0), array.push(year_avg_loss, 0.0)
last_computed := barstate.islastconfirmedhistory ? true : last_computed
// 勝ち取引と負け取引を追跡 / Track winning and losing trades
if (strategy.closedtrades > 0 and na(strategy.closedtrades[1]) == false)
closed_profit = strategy.netprofit - strategy.netprofit[1]
if closed_profit > 0
if array.size(month_wins) > 0
wins = array.get(month_wins, array.size(month_wins) - 1) + 1
avg_win = (array.get(month_avg_win, array.size(month_avg_win) - 1) * (wins - 1) + closed_profit) / wins
array.set(month_wins, array.size(month_wins) - 1, wins)
array.set(month_avg_win, array.size(month_avg_win) - 1, avg_win)
if array.size(year_wins) > 0
wins = array.get(year_wins, array.size(year_wins) - 1) + 1
avg_win = (array.get(year_avg_win, array.size(year_avg_win) - 1) * (wins - 1) + closed_profit) / wins
array.set(year_wins, array.size(year_wins) - 1, wins)
array.set(year_avg_win, array.size(year_avg_win) - 1, avg_win)
else
if array.size(month_losses) > 0
losses = array.get(month_losses, array.size(month_losses) - 1) + 1
avg_loss = (array.get(month_avg_loss, array.size(month_avg_loss) - 1) * (losses - 1) + closed_profit) / losses
array.set(month_losses, array.size(month_losses) - 1, losses)
array.set(month_avg_loss, array.size(month_avg_loss) - 1, avg_loss)
if array.size(year_losses) > 0
losses = array.get(year_losses, array.size(year_losses) - 1) + 1
avg_loss = (array.get(year_avg_loss, array.size(year_avg_loss) - 1) * (losses - 1) + closed_profit) / losses
array.set(year_losses, array.size(year_losses) - 1, losses)
array.set(year_avg_loss, array.size(year_avg_loss) - 1, avg_loss)
// 月次テーブル / Monthly table
var monthly_table = table(na)
if (barstate.islastconfirmedhistory)
monthly_table := table.new(position.bottom_right, columns = 14, rows = array.size(year_time) + 1, border_width = 1)
table.cell(monthly_table, 0, 0, "", bgcolor = #bbbbbb00)
table.cell(monthly_table, 1, 0, "Jan", bgcolor = #bbbbbb)
table.cell(monthly_table, 2, 0, "Feb", bgcolor = #bbbbbb)
table.cell(monthly_table, 3, 0, "Mar", bgcolor = #bbbbbb)
table.cell(monthly_table, 4, 0, "Apr", bgcolor = #bbbbbb)
table.cell(monthly_table, 5, 0, "May", bgcolor = #bbbbbb)
table.cell(monthly_table, 6, 0, "Jun", bgcolor = #bbbbbb)
table.cell(monthly_table, 7, 0, "Jul", bgcolor = #bbbbbb)
table.cell(monthly_table, 8, 0, "Aug", bgcolor = #bbbbbb)
table.cell(monthly_table, 9, 0, "Sep", bgcolor = #bbbbbb)
table.cell(monthly_table, 10, 0, "Oct", bgcolor = #bbbbbb)
table.cell(monthly_table, 11, 0, "Nov", bgcolor = #bbbbbb)
table.cell(monthly_table, 12, 0, "Dec", bgcolor = #bbbbbb)
table.cell(monthly_table, 13, 0, "Year", bgcolor = #bbbbbb)
// 年次データの集計 / Collecting yearly data
var year_total_pnl = array.new_float()
var year_exp_val = array.new_float()
for yt = 0 to array.size(year_time) - 1
total_year_wins = 0, total_year_losses = 0
total_year_avg_win = 0.0, total_year_avg_loss = 0.0
total_year_pnl = 0.0
for mt = 1 to 12
idx = -1
for j = 0 to array.size(month_time) - 1
if year(array.get(month_time, j)) == year(array.get(year_time, yt)) and month(array.get(month_time, j)) == mt
idx := j
break
if idx != -1
total_year_pnl := total_year_pnl + array.get(month_pnl, idx)
total_year_wins := total_year_wins + array.get(month_wins, idx)
total_year_losses := total_year_losses + array.get(month_losses, idx)
total_year_avg_win := total_year_avg_win + (array.get(month_avg_win, idx) * array.get(month_wins, idx))
total_year_avg_loss := total_year_avg_loss + (array.get(month_avg_loss, idx) * array.get(month_losses, idx))
total_year_avg_win := total_year_wins > 0 ? total_year_avg_win / total_year_wins : 0.0
total_year_avg_loss := total_year_losses > 0 ? total_year_avg_loss / total_year_losses : 0.0
win_rate = total_year_wins + total_year_losses > 0 ? total_year_wins / (total_year_wins + total_year_losses) : na
exp_val = win_rate ? (win_rate * total_year_avg_win) - ((1 - win_rate) * math.abs(total_year_avg_loss)) : na
array.push(year_total_pnl, total_year_pnl)
array.push(year_exp_val, exp_val)
for yt = 0 to array.size(year_time) - 1
table.cell(monthly_table, 0, yt + 1, str.tostring(year(array.get(year_time, yt))), bgcolor = #bbbbbb)
y_color = bg_color(array.get(year_exp_val, yt))
value_to_display = na(array.get(year_exp_val, yt)) ? "" : str.tostring(math.round(array.get(year_exp_val, yt) * 100, prec))
table.cell(monthly_table, 13, yt + 1, value_to_display, bgcolor = y_color, text_color=color.new(color.white, 0))
for mt = 0 to array.size(month_time) - 1
m_row = year(array.get(month_time, mt)) - year(array.get(year_time, 0)) + 1
m_col = month(array.get(month_time, mt))
if array.size(month_wins) > mt and array.size(month_losses) > mt and array.size(month_avg_win) > mt and array.size(month_avg_loss) > mt
win_rate = array.get(month_wins, mt) / (array.get(month_wins, mt) + array.get(month_losses, mt))
exp_val = (win_rate * array.get(month_avg_win, mt)) - ((1 - win_rate) * math.abs(array.get(month_avg_loss, mt)))
m_color = bg_color(exp_val)
value_to_display = na(exp_val) ? "" : str.tostring(math.round(exp_val * 100, prec))
table.cell(monthly_table, m_col, m_row, value_to_display, bgcolor = m_color, text_color=color.new(color.white, 0))
else
table.cell(monthly_table, m_col, m_row, "", bgcolor = color.new(color.gray, transparency), text_color=color.new(color.white, 0))
// [EOF]