Stratégie de trading d'inversion du RSI à double moyenne mobile de Connor
ChaoZhang
Aperçu
La stratégie de trading inversée du RSI bi-mesuré de Conner combine un indice relativement faible (RSI) et la ligne bi-mesurée pour rechercher des opportunités de revers à haute probabilité. La stratégie juge que la situation est sur le point de se retourner et établit une position lorsque les tendances à court et à long terme se retournent.
Principe de stratégie
La stratégie utilise simultanément le RSI et la courbe de la bi-équilibre pour déterminer la tendance du marché. Tout d’abord, le RSI de 2 cycles est calculé pour déterminer le renversement de la tendance à court terme. Ensuite, le calcul de la moyenne mobile à 200 cycles est utilisé pour déterminer la direction de la tendance à long terme.
Signaux d’entrée: RSI inférieur à la zone de survente (défaut 5) et le cours à court terme est supérieur au cours à long terme pour faire plus; RSI supérieur à la zone de survente (défaut 95) et le cours à court terme est inférieur au cours à long terme pour faire moins.
Signaux de sortie: sortie lorsque la moyenne courte de 5 cycles émet un signal opposé à celui de l’entrée; ou arrêt de perte (perte par défaut de 3%) [2].
Analyse des forces stratégiques
Cette stratégie, combinée à plusieurs indicateurs permettant de déterminer la structure du marché, permet d’améliorer la précision des transactions. Les avantages spécifiques sont les suivants:
- Utilisez le RSI pour déterminer le point de basculement à court terme et filtrez les moyennes mobiles pour déterminer la fiabilité du signal de basculement
- Les deux lignes sont fortement filtrées pour éviter la fusion.
- La moyenne à court terme confirme à nouveau le signal de revers, assurant une probabilité élevée de sortie
- Les risques sont maîtrisés et les mécanismes de stop-loss sont en place.
Analyse stratégique des risques
Cette stratégie comporte aussi des risques:
- Les indices RSI sont plus susceptibles d’émettre des signaux erronés lorsque les marchés sont très volatiles
- Les critères d’optimisation sont plus complexes
- Le retour en arrière n’est pas forcément un succès, il faut arrêter les pertes en temps opportun
Orientation de l’optimisation de la stratégie
Cette stratégie peut être optimisée dans les domaines suivants:
- Optimiser les paramètres du RSI pour trouver la meilleure combinaison de paramètres de retournement
- Tester différents types de paramètres de moyenne mobile
- Optimiser les stratégies de stop loss et trouver le meilleur point de stop loss
- Augmenter les indicateurs de tendance pour éviter les échecs
Résumer
La stratégie de trading inverse du RSI bi-mesuré de Conner, qui capte le renversement de la tendance dans une position à haute probabilité en filtrant le signal de renversement du RSI par rapport à la ligne bi-mesurée. Cette stratégie utilise plusieurs indicateurs de jugement, ce qui peut améliorer efficacement la stabilité de la stratégie de négociation. La prochaine étape, grâce à l’optimisation des paramètres et à l’amélioration du contrôle du risque, devrait élargir davantage l’avantage de la stratégie et obtenir une plus grande efficacité de négociation.
/*backtest
start: 2023-10-21 00:00:00
end: 2023-11-16 00:00:00
period: 1h
basePeriod: 15m
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/
//@version=5
strategy("Connors RSI-MA Strategy", overlay=true)
// Strategy parameters
rsiLength = input(2, title="RSI Length")
maLength = input(200, title="MA Length")
exitMaLength = input(5, title="Exit MA Length")
overboughtThreshold = input(95, title="Overbought Threshold")
oversoldThreshold = input(5, title="Oversold Threshold")
stopLossPercentage = input(3, title="Stop Loss Percentage")
// 2-period RSI
rsi2 = ta.rsi(close, rsiLength)
// 200-period MA
ma200 = ta.sma(close, maLength)
// 5-period MA for exit signals
ma5_exit = ta.sma(close, exitMaLength)
// Positive trend condition
positiveTrend = close > ma200
// Negative trend condition
negativeTrend = close < ma200
// Buy and sell conditions
buyCondition = rsi2 < oversoldThreshold and positiveTrend
sellCondition = rsi2 > overboughtThreshold and negativeTrend
// Exit conditions
exitLongCondition = close > ma5_exit
exitShortCondition = close < ma5_exit
// Stop Loss
stopLossLevelLong = strategy.position_avg_price * (1 - stopLossPercentage / 100)
stopLossLevelShort = strategy.position_avg_price * (1 + stopLossPercentage / 100)
// Strategy logic
if (buyCondition)
strategy.entry("Buy", strategy.long)
if (sellCondition)
strategy.entry("Sell", strategy.short)
if (exitLongCondition or close >= stopLossLevelLong)
strategy.close("Buy")
if (exitShortCondition or close <= stopLossLevelShort)
strategy.close("Sell")
// Plotting
plot(ma200, title="200 MA", color=color.blue)
plot(ma5_exit, title="Exit MA", color=color.red)
// Plot stop loss levels
plotshape(series=stopLossLevelLong, title="Long Stop Loss", color=color.green, style=shape.triangledown, size=size.small)
plotshape(series=stopLossLevelShort, title="Short Stop Loss", color=color.red, style=shape.triangleup, size=size.small)