Stratégie de croisement à double moyenne mobile


Date de création: 2023-09-13 14:56:37 Dernière modification: 2023-09-13 14:56:37
Copier: 0 Nombre de clics: 668
1
Suivre
1617
Abonnés

Cette stratégie est connue sous le nom de stratégie de croisement bihomorphonique. Son principe central est d’utiliser une ligne de régression linéaire de deux paramètres différents pour générer des signaux d’achat et de vente en fonction de leur croisement.

La stratégie commence par calculer une ligne de régression linéaire à court terme et une ligne de régression linéaire à long terme. La ligne de régression linéaire à court terme a un paramètre de 100 jours et la ligne de régression linéaire à long terme a un paramètre de 150 jours. Un signal d’achat est généré lorsque la ligne de régression linéaire à court terme franchit la ligne de régression linéaire à long terme par le bas; un signal de vente est généré lorsque la ligne de régression linéaire à court terme franchit la ligne de régression linéaire à long terme par le haut.

Les lignes de régression linéaire peuvent refléter la direction de la tendance à long terme des prix. Les lignes de régression linéaire à court terme sont plus petites et plus sensibles aux changements de prix, captant les moments de revers à court terme. Les lignes de régression linéaire à long terme sont plus grandes et représentent la tendance à l’équilibre à long terme des prix.

L’avantage de cette stratégie est qu’elle utilise les stratégies d’analyse technique classiques de la croix linéaire uniforme, en ajoutant une analyse de régression linéaire, permettant d’identifier simultanément des virages de prix sur deux dimensions temporelles à court et à long terme. Cependant, la ligne de régression linéaire est vulnérable aux données anormales et présente un certain retard.

Afin de filtrer certains faux signaux, la stratégie a ajouté une restriction de conditions de temps, qui n’exécute les signaux de négociation de la stratégie que dans la plage de dates spécifiée. Cela peut réduire dans une certaine mesure le nombre de transactions invalides. Cependant, les paramètres de la fenêtre de temps sont également subjectifs et doivent être optimisés après remise en question.

Dans l’ensemble, les stratégies de croisement bi-homogène combinant plusieurs méthodes d’analyse permettent de capturer des opportunités de trading complexes, mais nécessitent une gestion active des risques et une prévention des sur-transactions. L’optimisation continue de la stratégie combinée à d’autres indicateurs techniques peut améliorer encore la stabilité.

Code source de la stratégie
/*backtest
start: 2022-09-12 00:00:00
end: 2023-09-12 00:00:00
period: 2d
basePeriod: 1d
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/

//@version=3
strategy(title="Linear Regression Curve CrossOver Strategy", shorttitle="LRC Crossover", overlay=true)
src = close
len1 = input(defval=100, minval=1, title="Length")
offset = 0
outfast = linreg(src, len1, offset)
plot(outfast,color=blue)

len2 = input(defval=150, minval=1, title="Length")

outslow = linreg(src, len2, offset)
plot(outslow,color=red)



yearfrom = input(2018)
yearuntil =input(2019)
monthfrom =input(1)
monthuntil =input(12)
dayfrom=input(1)
dayuntil=input(31)



if (  crossover(outfast,outslow)) 
    strategy.entry("BUY", strategy.long, stop=close, oca_name="TREND",  comment="BUY")
    
else
    strategy.cancel(id="BUY")


if ( crossover(outslow,outfast)  ) 

    strategy.entry("SELL", strategy.short,stop=close, oca_name="TREND", comment="SELL")
else
    strategy.cancel(id="SELL")