ianzeng123
Descripción general
La estrategia de análisis estadístico del modelo de Fibonacci es un método de negociación cuantitativo avanzado que combina hábilmente las tres tecnologías centrales de los niveles de retroalimentación de Fibonacci, los algoritmos de identificación de patrones y el análisis estadístico. La estrategia utiliza principalmente los niveles de retroalimentación de Fibonacci del 19% y 82,56% como base de la señal de negociación, mientras que identifica la configuración de transacciones de alta probabilidad a través de un algoritmo de correspondencia de patrones y la confirmación mediante análisis estadístico. Este mecanismo de confirmación de señal multidimensional mejora considerablemente la fiabilidad y la precisión de la estrategia.
Principio de estrategia
El principio central de las estrategias de análisis estadístico del modelo Fibonacci se basa en el trabajo conjunto de tres componentes principales:
El nivel de retorno de FibonacciLa estrategia utiliza los máximos y mínimos de 93 períodos para calcular niveles especiales de Fibonacci retracción del 19% y 82,56%. Estos niveles de Fibonacci extraordinarios son únicos en la estrategia y pueden ser derivados de un análisis estadístico del comportamiento específico del mercado. Cuando los precios tocan o superan estos niveles, se genera una señal de negociación inicial.
Reconocimiento de patrones: La estrategia implementa un complejo algoritmo de coincidencia de patrones mediante el análisis de patrones de precios pasados y el cálculo de la similitud con el patrón actual. Utiliza un patrón de gráfico de longitud especificada (default 5) y busca la mejor coincidencia en los datos históricos (default 93). Si la similitud de patrones encontrada supera el umbral establecido (default 0.7), la estrategia predice el movimiento de los precios después del patrón actual en función de este patrón histórico.
Análisis estadístico: La estrategia introduce un mecanismo de confirmación estadística para determinar la distribución estadística de los precios mediante el cálculo de la mediana, el cuatrimetro y el intervalo de cuatrimetro (IQR). Se generan señales estadísticas cuando los precios cruzan la mediana, el cuatrimetro superior y inferior o superan el límite superior y inferior (definido como Q3 + 1.5 * IQR y Q1 - 1.5 * IQR). La intensidad de estas señales se recalcula según el nivel de ruptura y los derechos estadísticos establecidos por el usuario.
La generación de señales de negociación es el resultado de la combinación de estos tres componentes:
- Para realizar múltiples condiciones se requiere que se cumplan las señales de Fibonacci de toque o de ruptura (dependiendo de la configuración del usuario), mientras que la orientación del modelo es multilateral o neutral.
- La condición de vacío requiere que se cumplan las señales de contacto o de ruptura de Fibonacci, la dirección del patrón es vacío o neutral, y el poder de vacío estadístico es mayor que 0.
La estrategia también implementa mecanismos complejos de gestión de riesgos, que incluyen:
- Se puede optar por un stop loss basado en porcentaje o ATR
- Opciones de pérdida de seguimiento
- El mecanismo de ganancias por lotes de siete niveles, con posiciones de 14.28% en cada nivel de liquidación
Ventajas estratégicas
Confirmación de señales multidimensionalesLa estrategia combina las tres dimensiones del análisis técnico (Fibonacci), el reconocimiento de patrones y el análisis estadístico, formando un poderoso mecanismo de confirmación múltiple que reduce considerablemente la posibilidad de falsas señales.
Altamente adaptable: La estrategia ofrece una amplia variedad de configuraciones de parámetros, incluyendo la selección de períodos de tiempo, la longitud de la modalidad, el umbral de similitud, las ventanas de revisión histórica y los períodos estadísticos, entre otros, lo que permite adaptarse a diferentes entornos de mercado y variedades de transacciones.
Reconocimiento de patrones inteligentesEl algoritmo de coincidencia de patrones de la estrategia considera no solo la forma de los patrones, sino también el umbral de similitud, asegurando que solo se utilicen patrones altamente similares para las predicciones, lo que mejora la precisión de las predicciones.
Verificación estadísticaA través de la introducción de métodos estadísticos de cuatro dígitos y IQR, la estrategia puede identificar dónde se encuentran los precios en la distribución estadística, proporcionando una base objetiva adicional para las decisiones de negociación.
Una buena gestión de riesgos: La estrategia ofrece varias opciones de stop loss (porcentaje fijo, multiplicador ATR, stop loss de seguimiento) y un mecanismo de ganancias por lotes de siete niveles, lo que permite una gestión de riesgos flexible y sistemática.
La visualización intuitivaLa estrategia ofrece una gran cantidad de elementos visuales, incluyendo colores de fondo, flechas, marcas y etiquetas, para ayudar a los comerciantes a entender intuitivamente la situación actual del mercado y la intensidad de la señal.
Panel de estado en tiempo real: La estrategia muestra un panel de estado actualizado en tiempo real en el gráfico, mostrando claramente el estado actual de los tres componentes de Fibonacci, Modelo y Estadística, y sus resultados combinados.
Riesgo estratégico
Sensibilidad de los parámetros: La estrategia utiliza varios parámetros, como la longitud de la modalidad, el umbral de similitud, el ciclo estadístico, etc. La configuración de estos parámetros puede afectar significativamente la performance de la estrategia. La configuración inadecuada de los parámetros puede causar exceso de ajuste o falta de señal. Se recomienda encontrar la combinación de parámetros adecuada para un mercado específico a través de la optimización de la retroalimentación.
Dependencia del entorno de mercado: En ciertas condiciones de mercado, los niveles de Fibonacci pueden fallar, especialmente en mercados con fuertes tendencias o extrema volatilidad. La eficacia de la estrategia puede variar según las condiciones del mercado. La solución es la introducción de un mecanismo de detección de entornos de mercado que utiliza diferentes configuraciones de parámetros en diferentes entornos de mercado.
La complejidad del cálculo: El algoritmo de coincidencia de patrones de la estrategia requiere recorrer los datos históricos y calcular la similitud en cada ciclo, lo que puede causar una carga de cálculo en un marco de tiempo más corto. Para mitigar este problema, se puede considerar optimizar el algoritmo o reducir la frecuencia de cálculo.
El riesgo de sobrecomercialización: El mecanismo de múltiples señales puede causar señales de negociación frecuentes, especialmente en un marco de tiempo más corto. Se recomienda agregar un límite de frecuencia de negociación o un filtro de intensidad de señal para ejecutar solo señales de la más alta calidad.
Desafío de la configuración de parada de pérdidas: Aunque la estrategia ofrece varias opciones de stop loss, la determinación del nivel óptimo de stop loss sigue siendo un desafío. Un stop loss demasiado ajustado puede conducir a un stop loss frecuente, mientras que un stop loss demasiado amplio puede conducir a un stop loss excesivo. Se recomienda ajustar el nivel de stop loss en función de la dinámica de la volatilidad del mercado.
Falta de consideración básica: La estrategia se basa completamente en la técnica y el análisis estadístico, sin tener en cuenta los factores fundamentales. Las estrategias puramente técnicas pueden ser desafiadas cuando ocurren noticias o eventos importantes. La solución es agregar filtros de noticias o suspender el comercio antes o después de los eventos importantes.
Dirección de optimización de la estrategia
Ajuste de parámetros dinámicosSe puede introducir un mecanismo de adaptación que ajuste dinámicamente los parámetros según la volatilidad del mercado o la intensidad de la tendencia, como la longitud de la modalidad, el umbral de similitud y el ciclo estadístico. Esto mejorará la adaptabilidad de la estrategia en diferentes entornos de mercado.
Algoritmo de ajuste de las formas de mejoraLa correspondencia de modelos actuales se basa principalmente en la relación entre el precio de cierre y el precio de apertura (aumento, descenso o descenso), y se puede considerar la introducción de características de modelos más complejas, como la relación de puntos altos y bajos, el modelo de volumen de transacción o el modelo de fluctuación, para mejorar la precisión de la identificación de modelos.
Clasificación del entorno del mercadoIntroducir mecanismos de clasificación de entornos de mercado, como clasificación de tendencias / intervalos / caos, y usar diferentes reglas de negociación o configuraciones de parámetros en diferentes entornos de mercado. Esto ayudará a que las estrategias se adapten mejor a las diferentes condiciones de mercado.
Optimización de la parte de análisis estadístico: Se puede considerar el uso de métodos estadísticos más complejos, como el Z-score o el ranking porcentual, o la introducción de un ciclo estadístico dinámico para mejorar la calidad de la señal estadística.
Integración del aprendizaje automáticoSe puede considerar el uso de algoritmos de aprendizaje automático para optimizar la identificación de patrones y la asignación de pesos estadísticos, o para predecir la distribución de probabilidades de movimiento de precios después de un patrón específico.
Mejorar la gestión de riesgosSe pueden implementar estrategias de gestión de posiciones dinámicas, ajustando el tamaño de las posiciones en función de la intensidad de la señal, la volatilidad del mercado y el riesgo de la cuenta. Además, se pueden optimizar los mecanismos de ganancias por lotes y ajustar los objetivos de ganancias en función de las condiciones dinámicas del mercado.
Añadir un filtroIntroducción de diversos filtros, como filtros de tendencia, filtros de fluctuación o filtros de volumen de transacción, para mejorar aún más la calidad de la señal y reducir las señales falsas.
Resumir
La estrategia de análisis estadístico del modelo de Fibonacci es una estrategia de negociación cuantitativa, estructurada y funcional, que combina de manera innovadora los niveles de retroalimentación de Fibonacci, la identificación de patrones y el análisis estadístico para construir un poderoso sistema de señales multidimensional. La estrategia tiene como ventaja central su mecanismo de confirmación multicapa, su diseño adaptable y sus funciones de gestión de riesgos perfectas, que le permiten encontrar oportunidades de negociación de alta probabilidad en diferentes entornos de mercado.
Sin embargo, la estrategia también enfrenta desafíos como la sensibilidad a los parámetros, la dependencia del entorno de mercado y la complejidad de los cálculos. Hay mucho espacio para mejorar la estrategia mediante la introducción de ajustes dinámicos de parámetros, la mejora de algoritmos de correspondencia de patrones, la clasificación del entorno de mercado y el aprendizaje automático.
Para los operadores que deseen utilizar esta estrategia, se recomienda comenzar por analizar el rendimiento de la estrategia en diferentes mercados y configuraciones de parámetros, y luego comenzar con posiciones pequeñas en operaciones reales, adaptando y optimizando los parámetros gradualmente para adaptarlos a un estilo de negociación y entorno de mercado específicos. Lo más importante es considerar esta estrategia como una herramienta en la caja de herramientas de negociación, no como un sistema aislado, que se puede utilizar en combinación con otros métodos de análisis y principios de gestión de riesgos para maximizar su potencial.
/*backtest
start: 2024-03-03 00:00:00
end: 2024-05-01 00:00:00
period: 1h
basePeriod: 1h
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/
//@version=6
strategy("Fibonacci-Only Strategi V2", overlay=true)
timeframe = input.timeframe("15", "Select Timeframe", options=["1", "5", "15", "30", "60", "240", "D"])
use_break_strategy = input(true, "Use Break Strategy")
stop_loss_percent = input.float(1.0, "Stop Loss %", minval=0.1, maxval=2.0, step=0.1)
use_atr_for_sl = input(true, "Use ATR for Stop Loss")
atr_multiplier = input.float(2.0, "ATR Multiplier for SL", minval=0.5, maxval=5.0, step=0.1)
use_trailing_stop = input(true, "Use Trailing Stop")
trailing_stop_percent = input.float(1.5, "Trailing Stop %", minval=0.1, maxval=5.0, step=0.1)
pattern_length = input.int(5, "Candle Pattern Length", minval=3, maxval=10)
similarity_threshold = input.float(0.7, "Pattern Similarity Threshold", minval=0.6, maxval=0.95)
lookback_window = input.int(93, "Historical Lookback Window", minval=10, maxval=93)
stat_period = input.int(50, "Statistical Period", minval=20, maxval=200)
stat_weight = input.float(0.5, "Statistical Confirmation Weight", minval=0.1, maxval=1.0, step=0.1)
fib_high = ta.highest(high, 93)
fib_low = ta.lowest(low, 93)
fib_diff = fib_high - fib_low
fib_19 = fib_high - fib_diff * 0.19
fib_8256 = fib_high - fib_diff * 0.8256
fib_19_reverse = fib_low + fib_diff * 0.19
plot(fib_8256, color=color.purple, style=plot.style_line, title="82.56% Fib")
plot(fib_19_reverse, color=color.orange, style=plot.style_line, title="19% Fib (Low to High)")
fib_19_touch = low[1] > fib_19 and low <= fib_19
fib_8256_touch = high[1] < fib_8256 and high >= fib_8256
fib_19_break = close < fib_19 and open > fib_19
fib_8256_break = close > fib_8256 and open < fib_8256
fib_19_reverse_touch = high[1] < fib_19_reverse and high >= fib_19_reverse
fib_19_reverse_break = close > fib_19_reverse and open < fib_19_reverse
bull_confirmation = close > open
bear_confirmation = close < open
getMedianAndQuartiles(src, len) =>
values = array.new_float(0)
for i = 0 to len - 1
array.push(values, src[i])
array.sort(values)
size = array.size(values)
median = size % 2 == 1 ? array.get(values, math.floor(size / 2)) : (array.get(values, size / 2 - 1) + array.get(values, size / 2)) / 2
q1_idx = math.floor(size / 4)
q3_idx = math.floor(3 * size / 4)
q1 = array.get(values, q1_idx)
q3 = array.get(values, q3_idx)
[median, q1, q3]
[price_median, price_q1, price_q3] = getMedianAndQuartiles(close, stat_period)
iqr = price_q3 - price_q1
upper_bound = price_q3 + 1.5 * iqr
lower_bound = price_q1 - 1.5 * iqr
stat_bull_signal = close > price_median and close[1] <= price_median
stat_bear_signal = close < price_median and close[1] >= price_median
stat_strong_bull = close > price_q3 and close[1] <= price_q3
stat_strong_bear = close < price_q1 and close[1] >= price_q1
stat_extreme_bull = close > upper_bound
stat_extreme_bear = close < lower_bound
long_condition_fib_touch = (fib_19_touch or fib_19_reverse_touch) and bull_confirmation
long_condition_fib_break = use_break_strategy and (fib_19_break or fib_19_reverse_break) and bull_confirmation
short_condition_fib_touch = fib_19_touch and bear_confirmation
short_condition_fib_break = use_break_strategy and fib_19_break and bear_confirmation
getPatternSignature(start_idx, len) =>
pattern = array.new_float(len)
for i = 0 to len - 1
if close[start_idx + i] > open[start_idx + i]
array.set(pattern, i, 1.0)
else if close[start_idx + i] < open[start_idx + i]
array.set(pattern, i, -1.0)
else
array.set(pattern, i, 0.0)
pattern
calcSimilarity(current_pattern, hist_pattern) =>
matches = 0.0
for i = 0 to array.size(current_pattern) - 1
if array.get(current_pattern, i) == array.get(hist_pattern, i)
matches := matches + 1.0
matches / array.size(current_pattern)
findBestMatch() =>
curr_pattern = getPatternSignature(1, pattern_length)
best_idx = -1
best_sim = 0.0
direction = 0
for i = pattern_length + 2 to lookback_window + 1
if i < pattern_length * 2
continue
hist_pattern = getPatternSignature(i, pattern_length)
sim = calcSimilarity(curr_pattern, hist_pattern)
if sim > best_sim and sim >= similarity_threshold
best_sim := sim
best_idx := i
next_close = close[i - pattern_length - 1]
curr_close = close[i - pattern_length]
if next_close > curr_close
direction := 1
else if next_close < curr_close
direction := -1
[best_idx, best_sim, direction]
var latest_pattern_sim = 0.0
var pattern_direction = 0
if barstate.isconfirmed
[idx, sim, dir] = findBestMatch()
if sim >= similarity_threshold
latest_pattern_sim := sim
pattern_direction := dir
calculateStatWeight(stat_signal, stat_strong, stat_extreme) =>
weight = 0.0
if stat_signal
weight := stat_weight * 0.5
if stat_strong
weight := weight + stat_weight * 0.3
if stat_extreme
weight := weight + stat_weight * 0.2
weight
stat_bull_weight = calculateStatWeight(stat_bull_signal, stat_strong_bull, stat_extreme_bull)
stat_bear_weight = calculateStatWeight(stat_bear_signal, stat_strong_bear, stat_extreme_bear)
long_condition = (long_condition_fib_touch or long_condition_fib_break) and
(pattern_direction == 1 or pattern_direction == 0)
short_condition = (short_condition_fib_touch or short_condition_fib_break) and
(pattern_direction == -1 or pattern_direction == 0) and
stat_bear_weight > 0
atr = ta.atr(14)
if long_condition
strategy.entry("Long", strategy.long)
if short_condition
strategy.entry("Short", strategy.short)
var float long_stop_loss = na
var float short_stop_loss = na
if strategy.position_size > 0
long_stop_loss := use_atr_for_sl ? strategy.position_avg_price - atr * atr_multiplier : strategy.position_avg_price * (1 - stop_loss_percent / 100)
if strategy.position_size < 0
short_stop_loss := use_atr_for_sl ? strategy.position_avg_price + atr * atr_multiplier : strategy.position_avg_price * (1 + stop_loss_percent / 100)
take_profit_levels = array.new_float(7)
for i = 0 to 6
tp_percent = 1 + (i + 1) * 0.5 / 100
array.set(take_profit_levels, i, tp_percent * strategy.position_avg_price)
if strategy.position_size > 0
if use_trailing_stop
trail_price = high - (high - strategy.position_avg_price) * trailing_stop_percent / 100
strategy.exit("Long TS", "Long", stop=math.max(trail_price, long_stop_loss))
else
strategy.exit("Long SL", "Long", stop=long_stop_loss)
for i = 0 to 6
long_tp_price = array.get(take_profit_levels, i)
strategy.exit("Long TP" + str.tostring(i+1), "Long", limit=long_tp_price, qty_percent=14.28)
if strategy.position_size < 0
if use_trailing_stop
trail_price = low + (strategy.position_avg_price - low) * trailing_stop_percent / 100
strategy.exit("Short TS", "Short", stop=math.min(trail_price, short_stop_loss))
else
strategy.exit("Short SL", "Short", stop=short_stop_loss)
for i = 0 to 6
short_tp_price = array.get(take_profit_levels, i)
strategy.exit("Short TP" + str.tostring(i+1), "Short", limit=short_tp_price, qty_percent=14.28)
bgcolor(long_condition ? color.new(color.green, 80) : short_condition ? color.new(color.red, 80) : na)
plotarrow(long_condition ? 1 : short_condition ? -1 : 0, title="Signal Direction", colorup=color.green, colordown=color.red, minheight=10, maxheight=20)
long_touch_marker = long_condition and long_condition_fib_touch ? low - atr : na
long_break_marker = long_condition and long_condition_fib_break ? low - atr * 1.5 : na
short_touch_marker = short_condition and short_condition_fib_touch ? high + atr : na
short_break_marker = short_condition and short_condition_fib_break ? high + atr * 1.5 : na
plotshape(long_touch_marker, style=shape.circle, color=color.green, size=size.normal, title="Long Touch Marker", location=location.absolute)
plotshape(long_break_marker, style=shape.xcross, color=color.green, size=size.normal, title="Long Break Marker", location=location.absolute)
plotshape(short_touch_marker, style=shape.circle, color=color.red, size=size.normal, title="Short Touch Marker", location=location.absolute)
plotshape(short_break_marker, style=shape.xcross, color=color.red, size=size.normal, title="Short Break Marker", location=location.absolute)
plotshape(stat_bear_signal, style=shape.triangledown, color=color.red, size=size.tiny, title="Statistical Bear Signal", location=location.abovebar)
if barstate.islast
var table info = table.new(position.top_right, 4, 5, color.black, color.white, 2, color.gray, 2)
table.clear(info, 0, 0, 3, 4)
table.cell(info, 0, 0, "Fibonacci-Pattern with Stats", bgcolor=color.blue, text_color=color.white)
table.cell(info, 0, 1, "Fib Status", bgcolor=color.blue, text_color=color.white)
fib_status = "NEUTRAL"
fib_color = color.gray
if long_condition_fib_touch or long_condition_fib_break
fib_status := "LONG"
fib_color := color.green
else if short_condition_fib_touch or short_condition_fib_break
fib_status := "SHORT"
fib_color := color.red
table.cell(info, 1, 1, fib_status, bgcolor=fib_color, text_color=color.white)
table.cell(info, 0, 2, "Pattern", bgcolor=color.blue, text_color=color.white)
pattern_status = "NEUTRAL"
pattern_color = color.gray
if pattern_direction == 1
pattern_status := "LONG"
pattern_color := color.green
else if pattern_direction == -1
pattern_status := "SHORT"
pattern_color := color.red
table.cell(info, 1, 2, pattern_status, bgcolor=pattern_color, text_color=color.white)
table.cell(info, 2, 2, pattern_direction != 0 ? str.tostring(math.round(latest_pattern_sim * 100)) + "%" : "N/A", bgcolor=color.gray, text_color=color.white)
table.cell(info, 0, 3, "Statistics", bgcolor=color.blue, text_color=color.white)
stat_status = "NEUTRAL"
stat_color = color.gray
if stat_bull_weight > 0
stat_status := "BULL"
stat_color := color.green
else if stat_bear_weight > 0
stat_status := "BEAR"
stat_color := color.red
table.cell(info, 1, 3, stat_status, bgcolor=stat_color, text_color=color.white)
table.cell(info, 2, 3, stat_bull_weight > 0 ? str.tostring(math.round(stat_bull_weight * 100)) + "%" :
stat_bear_weight > 0 ? str.tostring(math.round(stat_bear_weight * 100)) + "%" : "0%",
bgcolor=color.gray, text_color=color.white)
table.cell(info, 0, 4, "Combined", bgcolor=color.blue, text_color=color.white)
combined_status = "NEUTRAL"
combined_color = color.gray
if long_condition
combined_status := "LONG"
combined_color := color.green
else if short_condition
combined_status := "SHORT"
combined_color := color.red
table.cell(info, 1, 4, combined_status, bgcolor=combined_color, text_color=color.white)
var label_id = label.new(na, na, "", color=color.gray, style=label.style_label_down, textcolor=color.white)
if long_condition and barstate.isconfirmed
label.set_xy(label_id, bar_index, high)
label.set_text(label_id, "LONG\n" +
(long_condition_fib_touch ? "Touch" : "Break") +
(pattern_direction == 1 ? " + Pattern " + str.tostring(math.round(latest_pattern_sim * 100)) + "%" : "") +
"\nStat: " + str.tostring(math.round(stat_bull_weight * 100)) + "%")
label.set_color(label_id, color.green)
label.set_style(label_id, label.style_label_down)
if short_condition and barstate.isconfirmed
label.set_xy(label_id, bar_index, low)
label.set_text(label_id, "SHORT\n" +
(short_condition_fib_touch ? "Touch" : "Break") +
(pattern_direction == -1 ? " + Pattern " + str.tostring(math.round(latest_pattern_sim * 100)) + "%" : "") +
"\nStat: " + str.tostring(math.round(stat_bear_weight * 100)) + "%")
label.set_color(label_id, color.red)
label.set_style(label_id, label.style_label_up)
alertcondition(long_condition, title="Long Entry", message="Long entry signal detected")
alertcondition(short_condition, title="Short Entry", message="Short entry signal detected")