Stratégie de trading quantitative - Ouverture du suivi des tendances quantitatives


Date de création: 2024-01-12 14:46:04 Dernière modification: 2024-01-12 14:46:04
Copier: 0 Nombre de clics: 659
1
Suivre
1617
Abonnés

Stratégie de trading quantitative - Ouverture du suivi des tendances quantitatives

Aperçu

La stratégie utilise un système de courbe uniforme pour déterminer la tendance des changements de prix, combinée à une variation synchrone du volume des transactions comme signal de confirmation d’ouverture de position.

Principe de stratégie

La logique centrale du suivi de la tendance quantifiée est basée sur la correspondance entre la tendance des changements de prix et la variation du volume de transactions. Plus précisément, la stratégie utilise le prix de clôture moins la différence entre le prix d’ouverture comme variation de prix, multiplié par le volume de transactions pour obtenir une courbe combinée de prix et de quantité.

Analyse des avantages

La stratégie, combinant les tendances des changements de prix et les changements de volume des transactions, permet de filtrer efficacement certaines fausses tendances qui ne correspondent pas au prix, de réduire le risque d’ouverture de position et d’améliorer la précision de l’ouverture de la position. Par rapport aux indicateurs techniques de prix purs, l’efficacité de suivi quantitatif est meilleure. La stratégie utilise également un système de ligne uniforme pour définir une référence dynamique, capable de s’adapter automatiquement aux changements de l’environnement du marché.

Analyse des risques

La stratégie repose principalement sur la rationalité de la tendance à la quantification de la relation prix/quantité. Si le prix et la quantité ne correspondent pas, le risque de jugement erroné augmente. De plus, un paramètre de ligne moyenne mal défini peut affecter l’efficacité de la stratégie. Des tests d’optimisation doivent être effectués pour différentes variétés et environnements de marché.

Direction d’optimisation

L’ajout d’autres stratégies d’optimisation des filtres peut être envisagé, par exemple, l’introduction d’indicateurs de volatilité pour déterminer la qualité de la tendance, l’introduction d’indicateurs d’émotion pour juger de la psychologie du marché, etc. En outre, il est possible de tester les variations de l’efficacité des stratégies dans différents systèmes homogènes pour rechercher la meilleure combinaison de paramètres. L’ajout de règles d’optimisation de la formation de modèles d’apprentissage automatique est également une orientation d’optimisation ultérieure.

Résumer

Cette stratégie de trading quantitatif est basée sur le suivi de la relation prix-volume de négociation et détermine l’ouverture automatique des positions. Elle permet de filtrer efficacement les signaux inefficaces et d’améliorer le taux de réussite de l’ouverture des positions en faisant correspondre quantitativement les tendances des prix et la chaleur des transactions.

Code source de la stratégie
/*backtest
start: 2023-12-12 00:00:00
end: 2024-01-11 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/
// © avsr90

//@version=5
strategy(title="Lp-Op vol",shorttitle="LPV", max_bars_back = 5000,overlay=false,format=format.volume )

//Resolutions

Resn=input.timeframe(defval="",title="resolution")
Resn1=input.timeframe(defval="D",title="resolution")

//Intraday Open and Last Price and Last price- Open Price calculations.

Last_Price=math.round_to_mintick(close)
Open_Price = request.security(syminfo.tickerid ,Resn1,close[1],barmerge.gaps_off, barmerge.lookahead_on) 
Op_Cl=math.round_to_mintick(Last_Price-Open_Price)


//length from Intra Day Open Price 
 
Nifnum= ta.change(Open_Price)
Length_Intraday=int(math.max(1, nz(ta.barssince(Nifnum)) + 1))

//Input for Length for Volume 

Length_Vol=input(defval=20, title="L for Vol")

// Last Price- Open price Volume, Average Intraday Last price-Open Price Volume 
//and  Volume Bars  calculations.

Op_Cl_Vol=(Op_Cl*volume)
Avg_Vol_Opcl=ta.sma(Op_Cl_Vol,Length_Intraday)
Vol_Bars=ta.sma(volume,Length_Vol)

//Plots 
plot(Op_Cl_Vol,color=Op_Cl_Vol>0 ? color.green:color.red,title="OPCLV")
plot(Avg_Vol_Opcl, title="Avg Vol", color=color.fuchsia)
plot(Vol_Bars, title="Vol Bars", color=color.yellow)

//Strategy parameters 

startst=timestamp(2015,10,1)

strategy.entry("lo",strategy.long,when= ta.crossover(Op_Cl_Vol,Avg_Vol_Opcl) and ta.crossover(volume,Vol_Bars))
strategy.entry("sh",strategy.short,when=ta.crossunder(Op_Cl_Vol,Avg_Vol_Opcl)and ta.crossunder(volume,Vol_Bars ))