Stratégie de trading d'inversion ETH basée sur le croisement de la moyenne mobile SMA de Londres


Date de création: 2024-01-18 16:08:26 Dernière modification: 2024-01-18 16:08:26
Copier: 0 Nombre de clics: 642
1
Suivre
1617
Abonnés

Stratégie de trading d’inversion ETH basée sur le croisement de la moyenne mobile SMA de Londres

Aperçu

Cette stratégie est appelée stratégie de renversement de la paire de devises ETH/USDT en utilisant la liquidité élevée de la période de négociation à Londres, combinée à un signal de forcage doré et de forcage mort de la courbe SMA, pour effectuer un renversement de la paire de devises ETH/USDT.

Principe de stratégie

La logique centrale de la stratégie est de déterminer d’abord le moment de la transaction à l’heure de Londres, puis de calculer la moyenne SMA d’un certain cycle, puis de déterminer si le prix a été divisé par une fourchette ou une fourchette morte à l’heure de Londres. Plus précisément, la stratégie définit d’abord le début et la fin de la période de Londres, puis définit le paramètre de longueur de la moyenne SMA à 50 cycles. Sur cette base, la stratégie calcule la moyenne SMA de 50 cycles à l’aide de la fonction ta.sma.

L’avantage clé de cette stratégie est qu’elle exploite la forte liquidité de la période de Londres pour effectuer des transactions et obtenir de meilleures opportunités d’entrée. De plus, le signal de forcage doré de la ligne moyenne SMA est un signal d’indicateur technique classique et efficace.

Avantages stratégiques

  1. La grande mobilité de la période londonienne permet d’obtenir de meilleures heures d’entrée
  2. Le SMA est un indicateur technique classique et efficace
  3. La combinaison peut améliorer la qualité du signal et filtrer les faux signaux.
  4. Le système de négociation inverse est adapté aux transactions à court terme.
  5. Le taux de capitalisation est élevé et les bénéfices peuvent être augmentés par le biais du levier.

Risques stratégiques et solutions

Cette stratégie comporte également des risques, principalement:

  1. Les signaux de forfait mort sur les marchés tendanciels pourraient être fréquemment frappés
  2. Le cycle SMA est mal réglé et peut générer trop de faux signaux
  3. Les échanges inversés sont vulnérables aux chocs

Ces risques peuvent être maîtrisés et résolus par les moyens suivants:

  1. Combiné avec un indicateur de tendance, évitez de l’utiliser pendant les chocs de tendance
  2. Optimiser les paramètres SMA pour trouver le meilleur cycle de négociation
  3. Il est possible de régler les pertes individuelles en établissant un stop loss.

Orientation de l’optimisation de la stratégie

La stratégie peut également être améliorée dans les domaines suivants:

  1. Il est possible d’introduire d’autres indicateurs en combinaison, tels que le RSI, le KD, etc., pour former une règle de filtrage multi-indicateurs et améliorer la qualité du signal.
  2. Paramètres cycliques permettant d’optimiser la moyenne SMA pour trouver le meilleur cycle de négociation
  3. On peut construire une moyenne sur la base d’une moyenne SMA, puis introduire une moyenne de plus longue durée, formant une combinaison croisée de multiples moyennes
  4. Optimiser les périodes de trading pour tester les meilleures périodes de trading
  5. Des algorithmes d’apprentissage automatique peuvent être introduits pour former et filtrer les signaux.

Résumer

Dans l’ensemble, cette stratégie permet d’obtenir une stratégie de trading inverse de courte ligne plus simple et pratique grâce à une combinaison d’indicateurs techniques classiques de négociation à des périodes de haute liquidité et de croisement uniforme. Cette stratégie présente des avantages tels qu’un taux d’utilisation élevé des fonds, des indicateurs techniques simples et faciles à mettre en œuvre.

Code source de la stratégie
/*backtest
start: 2023-01-11 00:00:00
end: 2024-01-17 00:00:00
period: 1d
basePeriod: 1h
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/

//@version=5
strategy("London SMA Strategy ", overlay=true)

// Define London session times
london_session_start_hour = 6
london_session_start_minute = 59
london_session_end_hour = 15
london_session_end_minute = 59

// Define SMA input parameters
sma_length = input.int(50, title="SMA Length")
sma_source = input.source(close, title="SMA Source")

// Calculate SMA
sma = ta.sma(sma_source, sma_length)

// Convert input values to timestamps
london_session_start_timestamp = timestamp(year, month, dayofmonth, london_session_start_hour, london_session_start_minute)
london_session_end_timestamp = timestamp(year, month, dayofmonth, london_session_end_hour, london_session_end_minute)

// Define backtesting time range
start_date = timestamp(2021, 1, 1, 0, 0)
end_date = timenow

// Filter for London session and backtesting time range
in_london_session = time >= london_session_start_timestamp and time <= london_session_end_timestamp
in_backtesting_range = time >= start_date and time <= end_date

// Long condition: Close price crosses above SMA during London session
long_condition = ta.crossover(close, sma)

// Short condition: Close price crosses below SMA during London session
short_condition = ta.crossunder(close, sma)

// Plot SMA for reference
plot(sma, title="SMA", color=color.blue)

// Strategy entries and exits
if (long_condition)
    strategy.entry("Long", strategy.long)
if (short_condition)
    strategy.entry("Short", strategy.short)