Stratégie de trading vectoriel avec normalisation d'échelle pour l'optimisation de la fonction d'activation
Aperçu
Cette stratégie est une amélioration de la stratégie de vecteur normalisé à l'échelle de drkhodakarami, principalement en ajoutant des fonctions d'activation pour améliorer les performances. La stratégie utilise la différence temporelle pour calculer le taux de variation du marché et détermine les signaux d'achat/vente par seuil. Parallèlement, la stratégie introduit les fonctions d'activation swish, ReLU et step, qui peuvent lisser la séquence différentielle et améliorer la précision du jugement des signaux.
Principe de la stratégie
- Calculer le pourcentage de variation différentiel x du prix de clôture sur l'axe temporel défini
- Transmettre x à la fonction d'activation pour obtenir la séquence traitée p
- Définir un seuil th positif et négatif : lorsque p dépasse th à la hausse, on passe en position longue ; lorsqu'il passe en dessous de -th à la baisse, on passe en position courte
- Désactiver le repeint pour éviter les faux signaux
Analyse des avantages
- L'introduction des fonctions d'activation permet de filtrer le bruit et d'améliorer la qualité du jugement des signaux
- L'ajout d'une logique d'ouverture et de fermeture de position permet le trading automatique
- L'augmentation de l'espace de personnalisation des paramètres permet de s'adapter à davantage de marchés
- La conception visuelle est excellente et reflète intuitivement les signaux de trading
Analyse des risques
- Un réglage inapproprié du seuil peut entraîner des occasions de trading manquées
- Un choix inapproprié de la fonction d'activation peut filtrer les informations du marché
- Il est nécessaire de tester les problèmes de distorsion des signaux causés par le repeint
Solutions :
- Ajuster les paramètres de seuil pour trouver la valeur optimale
- Essayer différentes fonctions d'activation pour trouver la plus adaptée
- Ajouter une logique de détection du repeint pour confirmer la validité du signal
Pistes d'optimisation
- Ajouter un réglage adaptatif du seuil
- Optimiser les paramètres des fonctions d'activation
- Intégrer une logique de stop-loss automatique
- Combiner davantage de facteurs pour filtrer les signaux
Résumé
Cette stratégie, basée sur celle de drkhodakarami, introduit des fonctions d'activation pour améliorer les performances. Grâce à l'extension de l'espace d'optimisation des paramètres, elle peut mieux s'adapter aux évolutions du marché. Par ailleurs, sa conception visuelle est remarquable et reflète intuitivement les opportunités de trading. Par la suite, on pourra continuer à optimiser les fonctions d'activation et le réglage des seuils, ajouter une logique de stop-loss et davantage de filtres de signaux, afin d'obtenir de meilleurs résultats de stratégie.
/*backtest
start: 2023-01-15 00:00:00
end: 2024-01-21 00:00:00
period: 1d
basePeriod: 1h
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/
//@version=4
// author: capissimo
strategy("Scaled Normalized Vector Strategy, ver.4", precision=2, overlay=false)
// This is a modification of my Scaled Normalized Vector Strategy - 1

