
La stratégie de quantification de Watkins Snake Kisses the Wind Cloud se compose principalement d’une combinaison de l’indicateur de l’indicateur de l’indicateur de l’indicateur de l’indicateur de l’indicateur de l’indicateur de l’indicateur de l’indicateur de l’indicateur de l’indicateur de l’indicateur de l’indicateur de l’indicateur de l’indicateur de l’indicateur de l’indicateur de l’indicateur.
La stratégie utilise des indicateurs tels que la ligne de conversion, la ligne de référence, les lignes de préférence 1 et de préférence 2 dans un diagramme en nuage pour les combiner avec les lignes de K et D dans le StochRSI. La partie du diagramme en nuage donne un signal plus fort si la ligne de conversion est supérieure à la ligne de référence et la ligne de préférence 1 est supérieure à la ligne de préférence 2, et un signal de prise de décision différente si la ligne de conversion est inférieure à la ligne de référence et la ligne de préférence 1 est inférieure à la ligne de préférence 2. En outre, la partie du StochRSI donne un signal plus faible si la ligne de conversion est supérieure ou inférieure à la ligne de référence.
Cette stratégie combinée à un graphique en nuage et à deux indicateurs StochRSI permet de déterminer à la fois la direction de la tendance et la situation de survente et de survente, ce qui rend le signal plus complet et plus fiable. Par rapport à l’utilisation d’un seul indicateur, il permet de réduire la production de signaux erronés.
Le plus grand risque de cette stratégie réside dans le fait qu’un graphique en nuage et l’indicateur StochRSI peuvent générer des signaux erronés, en particulier dans des conditions de choc, ce qui augmente le nombre de transactions inutiles. De plus, la définition des valeurs de poids et de paramètres peut également avoir un impact important sur l’efficacité de la stratégie. Si les poids sont mal définis, des signaux importants peuvent être manqués ou des signaux erronés peuvent être générés. Certains paramètres clés tels que la longueur RSI, la longueur Stoch, etc. doivent également être testés et optimisés pour différents types de produits et environnements de marché, sinon ils peuvent affecter l’efficacité de la stratégie.
La stratégie a également une grande marge d’optimisation. Premièrement, il est possible d’envisager d’ajouter plus d’indicateurs, tels que les lignes de Brin, les indicateurs KD, etc., pour rendre le jugement des signaux plus complet. Deuxièmement, il est possible d’utiliser des méthodes telles que l’apprentissage automatique ou les algorithmes génétiques pour optimiser automatiquement les paramètres, plutôt que d’utiliser des paramètres fixes, ce qui rend la stratégie plus intelligente et plus adaptable. Troisièmement, il est possible d’étudier comment améliorer les algorithmes d’indicateurs afin de réduire la production de signaux erronés.
La stratégie de quantification de Watkins Snake Kiss Wind Cloud combinant l’utilisation d’un graphique nuageux et de deux indicateurs StochRSI, forme un signal de trading grâce à une conception pondérée et paramétrique, capte automatiquement les changements de tendance du marché, est bien adaptée aux différentes variétés et cycles. C’est une stratégie de quantification qui mérite d’être étudiée et appliquée en profondeur.
/*backtest
start: 2024-01-01 00:00:00
end: 2024-01-31 23:59:59
period: 1h
basePeriod: 15m
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/
//@version=3
strategy("Baracuda Ichimoku/StochRSI Strategy", overlay=true)
DecisionWeight = input(50, minval = 0, title="BUY/SELL decision weight")
ichimokuStrong = input(35, minval = 0, title="Ichimoku strong weight")
ichimokuStandard = input(20, minval = 0, title="Ichimoku standard weight")
ichimokuWeak = input(20, minval = 0, title="Ichimoku weak weight")
stochRSIWweak = input(30, minval = 0, title="Stoch RSI weight")
conversionPeriods = input(9, minval=1, title="Conversion Line Periods")
basePeriods = input(26, minval=1, title="Base Line Periods")
laggingSpan2Periods = input(52, minval=1, title="Lagging Span 2 Periods")
displacement = input(5, minval=1, title="Displacement")
donchian(len) => avg(lowest(len), highest(len))
conversionLine = donchian(conversionPeriods)
baseLine = donchian(basePeriods)
leadLine1 = avg(conversionLine, baseLine)
leadLine2 = donchian(laggingSpan2Periods)
lengthRSI = input(8, minval=8) //14
lengthStoch = input(5, minval=5)//14
smoothK = input(3,minval=3)
smoothD = input(3,minval=3)
OverSold = input(20)
OverBought = input(80)
rsi1 = rsi(close, lengthRSI)
k = sma(stoch(rsi1, rsi1, rsi1, lengthStoch), smoothK)
d = sma(k, smoothD)
stronglong = conversionLine > baseLine and leadLine1 > leadLine2
strongshort = conversionLine < baseLine and leadLine1 < leadLine2
weaklong = conversionLine > baseLine
weakshort = conversionLine < baseLine
RSIlong = k > d and k < OverSold and d < OverSold
RSIshort = k < d and k > OverBought and d > OverBought
long=(((stronglong ? 1:0)*ichimokuStrong) + ((weaklong? 1:0)*ichimokuWeak) + ((RSIlong? 1:0)*stochRSIWweak)) > DecisionWeight
short=(((strongshort? 1:0)*ichimokuStrong) + ((weakshort? 1:0)*ichimokuWeak) + ((RSIshort? 1:0)*stochRSIWweak)) > DecisionWeight
strategy.entry("long", strategy.long, when=long)
strategy.entry("short", strategy.short, when=short)