Stratégie de stop loss suiveur basée sur la moyenne mobile et la super tendance
ChaoZhang
Aperçu
Cette stratégie combine les indicateurs des moyennes mobiles et les indicateurs des supertrends pour réaliser une stratégie de suivi des tendances avec une fonction de suivi des arrêts de perte. La stratégie exploite pleinement les capacités de jugement de la tendance des moyennes mobiles et la fonction d’arrêt des supertrends pour suivre efficacement les tendances tout en contrôlant les risques.
Principe de stratégie
La stratégie utilise deux lignes de moyenne FRAMA pour évaluer les signaux d’achat et de vente et les filtre en combinaison avec un indicateur de super-tendance.
Plus précisément, un signal d’achat est généré lorsque la ligne rapide traverse la ligne lente et un signal de vente lorsque la ligne rapide traverse la ligne lente. Afin d’éviter une fausse rupture, la stratégie ajoute une condition de filtrage de l’indicateur de super-tendance, qui ne peut être négociée que lorsque l’indicateur de super-tendance est orienté dans la même direction.
Dans la gestion des positions, la stratégie utilise la variation de l’indicateur de super-tendance comme signal de sortie de stop-loss. Lorsque l’indicateur de super-tendance se retourne, un stop-loss est effectué.
En outre, la stratégie dispose d’une fonctionnalité de suivi de stop-loss en option. Après avoir réalisé un certain profit, vous pouvez activer le suivi de stop-loss pour verrouiller les bénéfices.
Analyse des avantages
- L’utilisation de la moyenne mobile pour déterminer la direction de la tendance permet de filtrer efficacement le bruit du marché et de déterminer avec précision les tendances
- Le filtrage des indicateurs de tendance supersonique est utilisé pour éviter les faux-breech et les faux-transactions.
- Les variations de l’indicateur de super-tendance servent de point d’arrêt, permettant de stopper rapidement et de contrôler efficacement les risques
- Option de suivi et de stop-loss pour maximiser les profits
Analyse des risques
- La stratégie de suivi des tendances, qui est susceptible d’être piégée en cas de fluctuation des tendances, nécessite une attention particulière pour contrôler la taille de la position.
- La latence des moyennes mobiles peut entraîner une admission prématurée ou tardive
- Une mauvaise configuration des paramètres de l’indicateur de super-tendance peut entraîner un arrêt trop radical ou conservateur
- Activer le suivi des pertes nécessite une attention raisonnable au réglage de l’amplitude de suivi, afin d’éviter un arrêt trop radical.
Il est possible de réduire ces risques en ajustant les paramètres des moyennes mobiles, en optimisant les paramètres des indicateurs de super-tendance et en utilisant raisonnablement les arrêts de suivi.
Direction d’optimisation
Cette stratégie peut être optimisée dans les domaines suivants:
- Optimiser les paramètres des moyennes mobiles pour trouver la meilleure combinaison de paramètres
On peut tester différentes combinaisons de paramètres de cycle pour trouver le meilleur équilibre entre l’effet de lissage et la sensibilité.
- Paramètres personnalisés de l’indicateur de tendance
Il est possible de tester différents cycles ATR et paramètres de multiplication pour optimiser l’arrêt des pertes.
- Ajouter des filtres pour d’autres indicateurs
On peut tester l’augmentation de l’indicateur du canal des marchandises, l’indicateur de la volatilité, etc. pour filtrer davantage les signaux.
- Optimisation des paramètres de suivi et de stop loss
Il est possible de tester différents traceurs de stop-loss afin de trouver les paramètres optimaux pour maximiser les profits et contrôler les risques.
- Combiné à d’autres stratégies de stop loss
Il peut être testé en combinaison avec des stratégies telles que l’arrêt général, l’arrêt de vibration et l’arrêt de mouvement.
Résumer
La stratégie intègre la prise de décision sur les tendances des moyennes mobiles et la gestion des pertes des supertrends, formant ainsi une stratégie de suivi de tendance plus complète avec une fonction de suivi des pertes. La stabilité et la rentabilité de la stratégie peuvent être encore améliorées par l’optimisation des paramètres et la gestion des risques.
/*backtest
start: 2023-10-01 00:00:00
end: 2023-10-13 00:00:00
period: 30m
basePeriod: 15m
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/
// This source code is subject to the terms of the Mozilla Public License 2.0 at https://mozilla.org/MPL/2.0/
// © 03.freeman
//@version=4
// strategy("FRAMA strategy", overlay=true,precision=6, initial_capital=1000,calc_on_every_tick=true, pyramiding=0, default_qty_type=strategy.fixed, default_qty_value=10000, currency=currency.EUR)
ma_src = input(title="MA FRAMA Source", type=input.source, defval=close)
ma_frama_len = input(title="MA FRAMA Length", type=input.integer, defval=12)
res = input(title="Resolution", type=input.resolution, defval="1W")
frama_FC = input(defval=1,minval=1, title="* Fractal Adjusted (FRAMA) Only - FC")
frama_SC = input(defval=200,minval=1, title="* Fractal Adjusted (FRAMA) Only - SC")
High = security(syminfo.tickerid, res, high)
Low = security(syminfo.tickerid, res, low)
source = security(syminfo.tickerid, res, ma_src)
enterRule = input(false,title = "Use supertrend for enter")
exitRule = input(false,title = "Use supertrend for exit")
ma(src, len) =>
float result = 0
int len1 = len/2
e = 2.7182818284590452353602874713527
w = log(2/(frama_SC+1)) / log(e) // Natural logarithm (ln(2/(SC+1))) workaround
H1 = highest(High,len1)
L1 = lowest(Low,len1)
N1 = (H1-L1)/len1
H2_ = highest(High,len1)
H2 = H2_[len1]
L2_ = lowest(Low,len1)
L2 = L2_[len1]
N2 = (H2-L2)/len1
H3 = highest(High,len)
L3 = lowest(Low,len)
N3 = (H3-L3)/len
dimen1 = (log(N1+N2)-log(N3))/log(2)
dimen = iff(N1>0 and N2>0 and N3>0,dimen1,nz(dimen1[1]))
alpha1 = exp(w*(dimen-1))
oldalpha = alpha1>1?1:(alpha1<0.01?0.01:alpha1)
oldN = (2-oldalpha)/oldalpha
N = (((frama_SC-frama_FC)*(oldN-1))/(frama_SC-1))+frama_FC
alpha_ = 2/(N+1)
alpha = alpha_<2/(frama_SC+1)?2/(frama_SC+1):(alpha_>1?1:alpha_)
frama = 0.0
frama :=(1-alpha)*nz(frama[1]) + alpha*src
result := frama
result
frama = ma(sma(source,1),ma_frama_len)
signal = ma(frama,ma_frama_len)
plot(frama, color=color.red)
plot(signal, color=color.green)
longCondition = crossover(frama,signal)
shortCondition = crossunder(frama,signal)
Factor=input(3, minval=1,maxval = 100)
Pd=input(7, minval=1,maxval = 100)
Up=hl2-(Factor*atr(Pd))
Dn=hl2+(Factor*atr(Pd))
TrendUp = 0.0
TrendDown = 0.0
Trend = 0.0
Tsl = 0.0
TrendUp :=close[1]>TrendUp[1]? max(Up,TrendUp[1]) : Up
TrendDown :=close[1]<TrendDown[1]? min(Dn,TrendDown[1]) : Dn
Trend := close > TrendDown[1] ? 1: close< TrendUp[1]? -1: nz(Trend[1],1)
Tsl := Trend==1? TrendUp: TrendDown
linecolor = Trend == 1 ? color.green : color.red
//plot(Tsl, color = linecolor , style = plot.style_line , linewidth = 2,title = "SuperTrend")
plotshape(cross(close,Tsl) and close>Tsl , "Up Arrow", shape.triangleup,location.belowbar,color.green,0,0)
plotshape(cross(Tsl,close) and close<Tsl , "Down Arrow", shape.triangledown , location.abovebar, color.red,0,0)
plotarrow(Trend == 1 and Trend[1] == -1 ? Trend : na, title="Up Entry Arrow", colorup=color.lime, maxheight=60, minheight=50, transp=0)
plotarrow(Trend == -1 and Trend[1] == 1 ? Trend : na, title="Down Entry Arrow", colordown=color.red, maxheight=60, minheight=50, transp=0)
// Strategy: (Thanks to JayRogers)
// === STRATEGY RELATED INPUTS ===
//tradeInvert = input(defval = false, title = "Invert Trade Direction?")
// the risk management inputs
inpTakeProfit = input(defval = 0, title = "Take Profit Points", minval = 0)
inpStopLoss = input(defval = 0, title = "Stop Loss Points", minval = 0)
inpTrailStop = input(defval = 0, title = "Trailing Stop Loss Points", minval = 0)
inpTrailOffset = input(defval = 0, title = "Trailing Stop Loss Offset Points", minval = 0)
// === RISK MANAGEMENT VALUE PREP ===
// if an input is less than 1, assuming not wanted so we assign 'na' value to disable it.
useTakeProfit = inpTakeProfit >= 1 ? inpTakeProfit : na
useStopLoss = inpStopLoss >= 1 ? inpStopLoss : na
useTrailStop = inpTrailStop >= 1 ? inpTrailStop : na
useTrailOffset = inpTrailOffset >= 1 ? inpTrailOffset : na
// === STRATEGY - LONG POSITION EXECUTION ===
enterLong() => enterRule? (longCondition and Trend ==1):longCondition // functions can be used to wrap up and work out complex conditions
exitLong() => exitRule and Trend == -1
strategy.entry(id = "Buy", long = true, when = enterLong() ) // use function or simple condition to decide when to get in
strategy.close(id = "Buy", when = exitLong() ) // ...and when to get out
// === STRATEGY - SHORT POSITION EXECUTION ===
enterShort() => enterRule? (shortCondition and Trend ==-1):shortCondition
exitShort() => exitRule and Trend == 1
strategy.entry(id = "Sell", long = false, when = enterShort())
strategy.close(id = "Sell", when = exitShort() )
// === STRATEGY RISK MANAGEMENT EXECUTION ===
// finally, make use of all the earlier values we got prepped
strategy.exit("Exit Buy", from_entry = "Buy", profit = useTakeProfit, loss = useStopLoss, trail_points = useTrailStop, trail_offset = useTrailOffset)
strategy.exit("Exit Sell", from_entry = "Sell", profit = useTakeProfit, loss = useStopLoss, trail_points = useTrailStop, trail_offset = useTrailOffset)
// === Backtesting Dates === thanks to Trost
testPeriodSwitch = input(false, "Custom Backtesting Dates")
testStartYear = input(2020, "Backtest Start Year")
testStartMonth = input(1, "Backtest Start Month")
testStartDay = input(1, "Backtest Start Day")
testStartHour = input(0, "Backtest Start Hour")
testPeriodStart = timestamp(testStartYear,testStartMonth,testStartDay,testStartHour,0)
testStopYear = input(2020, "Backtest Stop Year")
testStopMonth = input(12, "Backtest Stop Month")
testStopDay = input(31, "Backtest Stop Day")
testStopHour = input(23, "Backtest Stop Hour")
testPeriodStop = timestamp(testStopYear,testStopMonth,testStopDay,testStopHour,0)
testPeriod() =>
time >= testPeriodStart and time <= testPeriodStop ? true : false
isPeriod = true
// === /END
if not isPeriod
strategy.cancel_all()
strategy.close_all()