
Cette stratégie permet de déterminer les tendances de plusieurs périodes de temps en calculant des moyennes mobiles pour différentes périodes de temps. Lorsque le prix franchit les moyennes mobiles de différentes périodes, effectuez des opérations de blanchiment correspondantes.
Cette stratégie est basée sur les points suivants:
Calculer une moyenne mobile simple pour les quatre périodes de temps: 21 jours, 50 jours, 100 jours et 200 jours.
Lorsque le prix passe au-dessus de n’importe laquelle de ces moyennes, faites plus; lorsque le prix passe au-dessous de n’importe laquelle de ces moyennes, faites moins.
Après avoir entré dans une situation de multiplication, le point d’arrêt est placé près du prix le plus bas de la ligne K précédente; après être entré dans une situation de prise de poids, le point d’arrêt est placé près du prix le plus élevé de la ligne K précédente.
Faire un point d’arrêt de multiples à une certaine plage en dessous du prix le plus bas; faire un point d’arrêt de blanchiment à une certaine plage au-dessus du prix le plus élevé.
Lorsque le prix atteint le point de rupture ou le point de rupture, la position est levée.
Ce type de jugement multi-cadres permet d’améliorer la fiabilité des signaux de trading et de les suivre lorsque la tendance est plus claire. En même temps, les paramètres de stop-loss et de stop-loss permettent de contrôler le risque et de quitter le marché lorsque les pertes augmentent ou les bénéfices atteignent un certain niveau.
Les principaux avantages de cette stratégie sont les suivants:
Le jugement de plusieurs périodes améliore la fiabilité du signal. La combinaison croisée de différentes périodes de moyenne peut filtrer certains faux signaux et choisir des moments de négociation où la tendance est plus claire.
La méthode d’arrêt de perte dynamique facilite le contrôle du risque. En combinant le calcul de l’arrêt de perte avec les données de la ligne K, il est possible de définir une plage raisonnable en fonction de l’amplitude de fluctuation réelle du marché, ce qui permet de contrôler efficacement la valeur maximale de la perte individuelle.
La structure du code est claire et simple. Basée sur la syntaxe stratégique de l’éditeur Pine, la structure du code est claire et facile à lire, facilitant l’ajustement et l’optimisation des paramètres.
L’application de la moyenne mobile au marché réel. La moyenne mobile croisée est une stratégie de négociation plus classique, facile à appliquer au marché réel après ajustement des paramètres, avec des résultats plus stables.
Cette stratégie comporte également des risques, principalement dans les domaines suivants:
Le risque d’erreur de jugement de la tendance. Les moyennes mobiles sont utilisées comme indicateur de jugement de la tendance, mais il peut y avoir des erreurs et des retards, ce qui peut entraîner des signaux de négociation déviants.
Risque de perte en cas de forte volatilité du marché. Le point de rupture peut être facilement déclenché et entraîner une perte importante en cas de forte volatilité ou d’un revirement majeur.
Une mauvaise configuration des paramètres peut augmenter les pertes. Si le point de rupture est trop large ou le point d’arrêt trop serré, cela augmente également la taille des pertes individuelles.
Le risque de détention à long terme. Cette stratégie se concentre sur le suivi de la tendance, mais ne prend pas en compte les problèmes de taux de rétractation des gains à long terme, car une position complète à long terme peut consommer beaucoup de fonds.
Les différences de plateforme entraînent des risques de placement réel. Dans une plateforme de trading entièrement fonctionnelle, des problèmes tels que les coûts de transaction et les points de glissement peuvent affecter les rendements.
La réponse:
En combinaison avec d’autres signaux de vérification des indicateurs.
Ajustez le stop en fonction des conditions du marché. Un espace suffisant empêche le stop d’être facilement déclenché.
Optimiser les paramètres pour évaluer le retrait des gains à long terme. Obtenir la meilleure combinaison de paramètres par des tests répétés.
Les stratégies sont testées en simulation, avec des stop-loss manuels.
Il y a encore de la place pour optimiser cette stratégie, et les principaux axes sont les suivants:
Augmentation des conditions d’entrée et de sortie quantitatives. Par exemple, il est possible de définir un filtrage de prix innovants et innovants, afin de sélectionner des transactions opportunes et clairement orientées vers la tendance.
La combinaison de la gestion des fonds et le contrôle des positions. Le ratio de position de chaque transaction est ajusté en fonction de la dynamique du compte et de la situation du marché.
Augmentation de la logique de jugement des indicateurs de tendance. La combinaison des indicateurs PRZ, ATR, DMI et autres définit les règles de sélection et de filtrage des transactions tendance.
La mise en place d’un mécanisme de sortie alternant long et court. La mise en place d’un stop loss mobile de la marge de rétractation du prix après la réalisation des bénéfices, permettant la protection des bénéfices.
Construire des pools d’indicateurs conformes aux critères de sélection intelligente des actions. Évaluer et ajuster les pools d’indicateurs pour effectuer le score des actions.
Augmentation des moyens de contrôle de l’apprentissage automatique. Utilisation de modèles d’apprentissage en profondeur tels que LSTM, RNN et autres pour aider le jugement et réduire le risque d’erreur de manipulation manuelle.
Cette stratégie est facile à utiliser pour juger des tendances en croisant plusieurs périodes de temps avec des moyennes mobiles simples. Elle est également dotée d’un arrêt dynamique et d’un arrêt de freinage, ce qui permet de contrôler efficacement les risques. Cependant, il existe un certain risque de signal erroné et des problèmes de perte de fonds dans des situations de choc.
/*backtest
start: 2024-01-04 00:00:00
end: 2024-02-03 00:00:00
period: 4h
basePeriod: 15m
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/
//@version=5
strategy("DolarBasar by AlperDursun", shorttitle="DOLARBASAR", overlay=true)
// Input for Moving Averages
ma21 = ta.sma(close, 21)
ma50 = ta.sma(close, 50)
ma100 = ta.sma(close, 100)
ma200 = ta.sma(close, 200)
// Calculate the lowest point of the previous candle for stop loss
lowestLow = ta.lowest(low, 2)
// Calculate the highest point of the previous candle for stop loss
highestHigh = ta.highest(high, 2)
// Calculate take profit levels
takeProfitLong = lowestLow - 3 * (lowestLow - highestHigh)
takeProfitShort = highestHigh + 3 * (lowestLow - highestHigh)
// Entry Conditions
longCondition = ta.crossover(close, ma21) or ta.crossover(close, ma50) or ta.crossover(close, ma100) or ta.crossover(close, ma200)
shortCondition = ta.crossunder(close, ma21) or ta.crossunder(close, ma50) or ta.crossunder(close, ma100) or ta.crossunder(close, ma200)
// Stop Loss Levels
stopLossLong = lowestLow * 0.995
stopLossShort = highestHigh * 1.005
// Exit Conditions
longExitCondition = low < stopLossLong or high > takeProfitLong
shortExitCondition = high > stopLossShort or low < takeProfitShort
if (longCondition)
strategy.entry("Long", strategy.long)
if (shortCondition)
strategy.entry("Short", strategy.short)
if (longExitCondition)
strategy.exit("Long Exit", from_entry="Long", stop=stopLossLong, limit=takeProfitLong)
if (shortExitCondition)
strategy.exit("Short Exit", from_entry="Short", stop=stopLossShort, limit=takeProfitShort)