
Cette stratégie est basée sur le cycle de phases lunaires comme signal de négociation, combinant plusieurs indicateurs tels que le RSI, le MACD et l’OBV pour identifier les opportunités de négociation de monnaies numériques telles que le Bitcoin. Le principal avantage de cette stratégie est d’utiliser le phase lunaire comme un facteur externe comme signal de déclenchement de la négociation, ce qui, contrairement à la plupart des stratégies qui ne dépendent que des indicateurs techniques, permet d’éviter dans une certaine mesure la manipulation du marché.
La logique centrale de cette stratégie est de déterminer si les conditions de sur- ou de sous-traitance sont remplies en fonction des différentes phases du cycle des phases lunaires. La formule de calcul des phases lunaires est:
La longueur du cycle lunaire est de 29,5305882 jours. Le nombre de jours entre le début de la pleine lune et l’heure actuelle d’une pleine lune connue L’âge de la lune = le nombre de jours de la pleine lune connue en pourcentage de la longueur du cycle de la lune La phase lunaire est égale à 1 + cos (âge de la phase lunaire / longueur de la phase lunaire)*2*π))/2
La taille de la phase lunaire permet de déterminer quelle est la phase lunaire actuelle. La phase lunaire varie entre 0 et 1, la plus grande valeur indique la plus proche de la pleine lune, la plus petite valeur indique la plus proche de la nouvelle lune.
La stratégie est basée sur le fait que la valeur de la phase lunaire est plus ou moins élevée. Si la phase lunaire est supérieure à la valeur de la phase lunaire (défaut 0.51), il y a une chance de faire plus; si la phase lunaire est inférieure à la valeur de la phase lunaire (défaut 0.49), il y a une chance de faire moins.
En outre, la stratégie est combinée avec des indicateurs tels que le volume de transactions, le RSI et le MACD pour éviter d’émettre des signaux de négociation dans des situations non idéales. Les positions ne sont ouvertes que lorsque le volume de transactions augmente et que le RSI et le MACD sont conformes.
La stratégie présente les principaux avantages suivants:
Dans l’ensemble, la stratégie exploite pleinement les avantages uniques de la phase lunaire et s’accompagne d’un certain nombre d’indicateurs techniques pour identifier les opportunités de transactions à forte probabilité et contrôler efficacement les risques de transaction par des moyens de contrôle des risques.
La stratégie présente principalement les risques suivants:
Pour maîtriser ces risques, les mesures suivantes peuvent être prises:
L’optimisation des paramètres et l’utilisation d’indicateurs complexes permettent d’éviter dans une large mesure les risques de transaction.
Il y a encore de la place pour optimiser cette stratégie:
Cette stratégie permet de négocier des bitcoins efficacement grâce à des signaux de négociation uniques à chaque phase de la lune, en collaboration avec des indicateurs technologiques traditionnels. Par rapport à la stratégie d’indicateur unique, cette stratégie offre une meilleure protection contre les risques de manipulation du marché et présente des avantages uniques.
/*backtest
start: 2023-01-08 00:00:00
end: 2024-01-14 00:00:00
period: 1d
basePeriod: 1h
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/
//@version=5
strategy("Lunar Phase Strategy by Symphoenix", overlay=true)
// Input parameters
start_year = input(2023, title="Start year")
end_year = input(2023, title="End year")
longPhaseThreshold = input(0.51, title="Long Phase Threshold")
shortPhaseThreshold = input(0.49, title="Short Phase Threshold")
riskPerTrade = input(0.05, title="Risk Per Trade (as a % of Equity)")
stopLossPerc = input(0.01, title="Stop Loss Percentage")
atrLength = input(21, title="ATR Length for Volatility")
trailPerc = input(0.1, title="Trailing Stop Percentage")
maxDrawdownPerc = input(0.1, title="Maximum Drawdown Percentage")
volumeLength = input(7, title="Volume MA Length")
// Constants for lunar phase calculation and ATR
atr = ta.atr(atrLength)
volMA = ta.sma(volume, volumeLength) // Volume moving average
// Improved Lunar Phase Calculation
calculateLunarPhase() =>
moonCycleLength = 29.5305882
daysSinceKnownFullMoon = (time - timestamp("2019-12-12T05:12:00")) / (24 * 60 * 60 * 1000)
lunarAge = daysSinceKnownFullMoon % moonCycleLength
phase = ((1 + math.cos(lunarAge / moonCycleLength * 2 * math.pi)) / 2)
phase
lunarPhase = calculateLunarPhase()
// Advanced Volume Analysis
priceChange = ta.change(close)
obv = ta.cum(priceChange > 0 ? volume : priceChange < 0 ? -volume : 0)
// Additional Technical Indicators
rsi = ta.rsi(close, 14)
[macdLine, signalLine, _] = ta.macd(close, 12, 26, 9)
// Calculate Position Size based on Volatility and Account Equity
calculatePositionSize() =>
equity = strategy.equity
riskAmount = equity * riskPerTrade
positionSize = riskAmount / atr
if positionSize > 1000000000000
positionSize := 1000000000000
positionSize
positionSize = calculatePositionSize()
// Maximum Drawdown Tracking
var float maxPortfolioValue = na
maxPortfolioValue := math.max(maxPortfolioValue, strategy.equity)
drawdown = (maxPortfolioValue - strategy.equity) / maxPortfolioValue
// Check for maximum drawdown
if drawdown > maxDrawdownPerc
strategy.close_all()
strategy.cancel_all()
// Volume Analysis
isVolumeConfirmed = volume > volMA
// Date Check for Backtesting Period
isWithinBacktestPeriod = year >= start_year and year <= end_year
// Entry and Exit Conditions
// Adjusted Entry and Exit Conditions
longCondition = lunarPhase > longPhaseThreshold and lunarPhase < 0.999 and isVolumeConfirmed and obv > obv[1] and rsi < 70 and macdLine > signalLine and isWithinBacktestPeriod
shortCondition = lunarPhase < shortPhaseThreshold and lunarPhase > 0.001 and isVolumeConfirmed and obv < obv[1] and rsi > 30 and macdLine < signalLine and isWithinBacktestPeriod
if longCondition
if strategy.position_size < 0
strategy.close_all()
if strategy.position_size < positionSize
strategy.entry("Long", strategy.long, qty=positionSize)
strategy.exit("Exit Long", "Long", trail_offset=atr * trailPerc, trail_points=atr)
if shortCondition
if strategy.position_size > 0
strategy.close_all()
if strategy.position_size > -positionSize
strategy.entry("Short", strategy.short, qty=positionSize)
strategy.exit("Exit Short", "Short", trail_offset=atr * trailPerc, trail_points=atr)
// Implementing Stop-Loss Logic
longStopLoss = strategy.position_avg_price * (1 - stopLossPerc)
shortStopLoss = strategy.position_avg_price * (1 + stopLossPerc)
if strategy.position_size > 0 and close < longStopLoss
strategy.close("Long")
if strategy.position_size < 0 and close > shortStopLoss
strategy.close("Short")