Stratégie intelligente quantitative de renversement du point bas


Date de création: 2023-12-08 10:45:49 Dernière modification: 2023-12-08 10:45:49
Copier: 0 Nombre de clics: 682
1
Suivre
1621
Abonnés

Stratégie intelligente quantitative de renversement du point bas

Aperçu

Cette stratégie est une stratégie de trading inversée basse énergétique pour les crypto-monnaies. Elle utilise la technologie des multiframes et des indicateurs RSI auto-adaptés pour déterminer les basses possibles du marché à court terme, effectuer une entrée inversée près des basses et obtenir des gains supplémentaires.

Principe de stratégie

Tout d’abord, la stratégie utilise la variation et le volume de transactions pour calculer l’indicateur RSI qui s’adapte pour déterminer les faiblesses à court terme possibles du marché. Puis, en combinaison avec la technologie multi-cadres, elle détermine les signaux de faiblesses à un niveau plus large.

La méthode de calcul de l’indicateur RSI adaptatif est la suivante: on calcule d’abord la variation de chaque ligne K, puis on calcule le volume de transactions de la ligne K racine, puis on multiplie la variation par le volume de transactions pour obtenir la force quantifiée de la ligne K racine. On calcule le RSI sur la force quantifiée et on prend la moyenne des N cycles, ce qui donne l’indicateur RSI adaptatif.

Sur cette base, la stratégie a introduit la technique du multi-cadre temporel pour juger les signaux à un niveau plus élevé, afin d’éviter d’être perturbé par le bruit du marché à court terme. Le moment de l’achat de la stratégie est jugé lorsque la moyenne de niveau supérieur se retourne du bas.

Analyse des avantages

Le plus grand avantage de cette stratégie réside dans le fait que l’utilisation de l’indicateur RSI adapté permet de déterminer les bas de marché à court terme, ce qui fournit un signal efficace pour le renversement des bas. En outre, l’ajout de la technologie multi-cadres de temps améliore également la qualité du signal et évite d’être perturbé par le bruit du marché à court terme.

Par rapport au RSI traditionnel, l’indicateur RSI adaptatif ajoute un calcul de la force quantitative, ce qui le rend plus sensible aux changements rapides du marché de la crypto-monnaie et permet de déterminer plus tôt et avec plus de précision les bas du marché, ce qui offre un précurseur pour les opérations de retournement des bas.

En outre, cette stratégie a les avantages de suivre la tendance et de la négociation inverse. Dans les marchés où la tendance est floue, elle peut profiter de la négociation inverse. Dans les marchés clairement baissiers, elle peut suivre la tendance.

Analyse des risques

Le principal risque de cette stratégie réside dans le fait que l’exactitude du jugement des bas ne peut pas être garantie à 100%. Il y a souvent d’énormes fluctuations irrationnelles dans le marché à court terme. Si les bas continuent à se creuser, il y a un risque de stop loss plus élevé.

De plus, des déviations peuvent survenir entre plusieurs périodes. Si le signal de la période haute est retardé, cela peut entraîner des pertes de transactions.

Pour contrôler le risque, la stratégie utilise un mécanisme de stop-loss plus conservateur et met en place des stop-loss par lots pour optimiser progressivement les gains. En outre, il est possible d’ajuster les paramètres de manière appropriée pour s’adapter au RSI et optimiser l’exactitude du jugement des points faibles.

Direction d’optimisation

Cette stratégie peut être optimisée dans les domaines suivants:

  1. Optimiser les paramètres de l’indicateur RSI pour améliorer l’exactitude des jugements sur les points bas du marché. Vous pouvez essayer différents paramètres de cycle.

  2. Ajouter d’autres indicateurs pour la confirmation, afin d’éviter les signaux erronés.

  3. Optimiser les mécanismes de stop-loss, en assurant un ratio de profit et de perte, en assurant un assouplissement approprié du stop-loss, et en générant davantage de profits de tendance.

  4. Le choix d’une période de temps optimisée assure la fiabilité du signal à un niveau plus élevé. Des niveaux plus avancés de moyenne peuvent être testés quotidiennement, hebdomadairement, etc.

  5. Tester l’efficacité de cette stratégie sur différentes variétés de crypto-monnaie et choisir la meilleure.

Résumer

La stratégie de retour en arrière de basse énergie intelligente juge les faiblesses à court terme possibles du marché en s’adaptant à l’indicateur RSI et à la technologie de plusieurs périodes. Ses caractéristiques de trading inversées lui permettent de tirer des gains supplémentaires dans des situations d’incertitude. En même temps, elle peut également suivre des tendances clairement définies.

Code source de la stratégie
/*backtest
start: 2023-11-07 00:00:00
end: 2023-12-07 00:00:00
period: 4h
basePeriod: 15m
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/

// © theCrypster 2020

//@version=4
strategy(title = "Low Scanner strategy crypto", overlay = false, pyramiding=1,initial_capital = 1000, default_qty_type= strategy.percent_of_equity, default_qty_value = 100, calc_on_order_fills=false, slippage=0,commission_type=strategy.commission.percent,commission_value=0.075)
strat_dir_input = input(title="Strategy Direction", defval="long", options=["long", "short", "all"])
strat_dir_value = strat_dir_input == "long" ? strategy.direction.long : strat_dir_input == "short" ? strategy.direction.short : strategy.direction.all
strategy.risk.allow_entry_in(strat_dir_value)
leng=1
p1=close[1]
min=input(10)
len55 = timeframe.isintraday and timeframe.multiplier >= 1 ? 
   min / timeframe.multiplier * 7 : 
   timeframe.isintraday and timeframe.multiplier < 60 ? 
   60 / timeframe.multiplier * 24 * 7 : 7
//taken from https://www.tradingview.com/script/Ql1FjjfX-security-free-MTF-example-JD/
tf3 = input("60", type=input.resolution)
ti = change( time(tf3) ) != 0
T_c = fixnan( ti ? close : na )

vrsi = rsi(cum(change(T_c) * volume), leng)
pp=wma(vrsi,len55)

d=(vrsi[1]-pp[1])
min1 =input(1)
len100 = timeframe.isintraday and timeframe.multiplier >= 1 ? 
   min1 / timeframe.multiplier * 7 : 
   timeframe.isintraday and timeframe.multiplier < 60 ? 
   60 / timeframe.multiplier * 24 * 7 : 7
x=ema(d,len100)
//
zx=x/-1
col=zx > 0? color.lime : color.orange
plot(zx,color=col,linewidth=1)
//

tf10 = input("60", title = "Timeframe", type = input.resolution, options = ["1", "5", "15", "30", "60","120", "240","360","720", "D", "W"])

length = input(24, title = "Period", type = input.integer)
shift = input(1, title = "Shift", type = input.integer)

hma(_src, _length)=>
    wma((2 * wma(_src, _length / 2)) - wma(_src, _length), round(sqrt(_length)))
    
hma3(_src, _length)=>
    p = length/2
    wma(wma(close,p/3)*3 - wma(close,p/2) - wma(close,p),p)


a = security(syminfo.tickerid, tf10, hma(close, length))
b =security(syminfo.tickerid, tf10, hma3(close[1], length)[shift])
//plot(a,color=color.gray)
//plot(b,color=color.yellow)
close_price = close[0]
len = input(25)

linear_reg = linreg(close_price, len, 0)


//plot(linear_reg, color=color.blue, title="LR", linewidth=3)

buy=crossover(linear_reg, b) 
sell=crossunder(linear_reg, b) 
//
l = crossover(zx,0) or buy
        
if l 
    strategy.entry("buy", strategy.long)

per(pcnt) =>
    strategy.position_size != 0 ? round(pcnt / 100 * strategy.position_avg_price / syminfo.mintick) : float(na)
stoploss=input(title=" stop loss", defval=10, minval=0.01)
los = per(stoploss)
q1=input(title=" qty_percent1", defval=25, minval=1)
q2=input(title=" qty_percent2", defval=25, minval=1)
q3=input(title=" qty_percent3", defval=25, minval=1)
tp1=input(title=" Take profit1", defval=1, minval=0.01)
tp2=input(title=" Take profit2", defval=2, minval=0.01)
tp3=input(title=" Take profit3", defval=3, minval=0.01)
tp4=input(title=" Take profit4", defval=5, minval=0.01)
strategy.exit("x1", qty_percent = q1, profit = per(tp1), loss = los)
strategy.exit("x2", qty_percent = q2, profit = per(tp2), loss = los)
strategy.exit("x3", qty_percent = q3, profit = per(tp3), loss = los)
strategy.exit("x4", profit = per(tp4), loss = los)