1. Carré
  2. Stratégie d'investissement dans un FNB à effet de levier à équilibrage dynamique

Stratégie d'investissement dans un FNB à effet de levier à équilibrage dynamique

Auteur:ChaoZhang est là., Date: 2024-02-19 11h09:29 Je suis désolé
Les étiquettes:

img

Résumé

Cette stratégie prend le Hong Kong Hang Seng Index ETF (00631L) comme cible d'investissement et ajuste dynamiquement la position de trésorerie et le ratio de position pour équilibrer le rendement et le risque du portefeuille d'investissement en temps réel.

Principaux

  1. Investir 50% des fonds totaux pour acheter 00631L;

  2. Surveiller le rapport entre les bénéfices non réalisés et les liquidités restantes;

    Vendre 5% de la position lorsque les bénéfices non réalisés dépassent de 10% les liquidités restantes;

    Ajouter 5% à la position lorsque les liquidités restantes dépassent de 10% les bénéfices non réalisés;

  3. Ajustez dynamiquement la position et le taux de trésorerie pour contrôler le rendement et le risque du portefeuille.

Analyse des avantages

  1. Simple et facile à utiliser sans avoir à juger des conditions du marché;

  2. L'ajustement dynamique des positions permet de gérer efficacement le risque d'investissement;

  3. Suivi bidirectionnel pour un stop-loss ou un profit en temps opportun;

  4. Convient aux investisseurs qui ne peuvent pas vérifier fréquemment le marché.

Risques et atténuations

  1. Les ETF à effet de levier présentent une volatilité plus élevée;

    Adopter des investissements graduels de renforcement de la position et à intervalles réguliers.

  2. Incapacité à arrêter les pertes en temps opportun;

    Réglez la ligne stop-loss pour contrôler la perte maximale.

  3. Des coûts de négociation plus élevés;

    Détailler la plage d'équilibrage pour réduire les réglages de position.

Idées d'optimisation

  1. Optimiser la position et le ratio de trésorerie;

  2. l'efficacité des résultats des essais sur différents produits du FTE;

  3. Incorporer des indicateurs de tendance pour améliorer l'efficacité de l'utilisation du capital.

Conclusion

En construisant un portefeuille d'équilibrage dynamique, cette stratégie contrôle les risques d'investissement sans avoir à juger des tendances du marché.

/*backtest
start: 2024-01-01 00:00:00
end: 2024-01-24 23:59:59
period: 1h
basePeriod: 15m
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/

//@version=4
strategy("00631L Trading Simulation", shorttitle="Sim", overlay=true, initial_capital = 1000000)

// 设置本金
capital = 1000000

// 设置购买和出售日期范围
start_date = timestamp(2022, 10, 6) 
next_date = timestamp(2022, 10, 7)  // 較好的開始日
//start_date = timestamp(2022, 3, 8) 
//next_date = timestamp(2022, 3, 9)  // 較差的的開始日 
sell_date = timestamp(2024, 1, 19) 
end_date = timestamp(2024, 1, 21)  // 结束日期为2024年01月21日

// 判断是否在交易期间
in_trade_period = time >= start_date and time <= end_date
// 实现的盈亏
realized_profit_loss = strategy.netprofit
plot(realized_profit_loss, title="realized_profit_loss", color=color.blue)
// 未实现的盈亏
open_profit_loss = strategy.position_size * open
plot(open_profit_loss, title="open_profit_loss", color=color.red)
// 剩余资金
remaining_funds = capital  + realized_profit_loss - (strategy.position_size * strategy.position_avg_price)
plot(remaining_funds, title="remaining_funds", color=color.yellow)
// 總權益
total_price = remaining_funds + open_profit_loss
plot(total_price, title="remaining_funds", color=color.white)
// 购买逻辑：在交易期间的每个交易日买入 daily_investment 金额的产品
first_buy = time >= start_date and time <= next_date
buy_condition = in_trade_period and dayofmonth != dayofmonth[1]
// 出售邏輯 : 在交易期间的截止日出售所有商品。
sell_all = time >= sell_date

// 在交易期間的第一日買入50%本金
if first_buy
    strategy.order("First", strategy.long, qty = capital/2/open)
// 在每个K线的开盘时进行买入

// 加碼邏輯 : 剩余资金 > 未实现的盈亏 * 1.05
add_logic = remaining_funds > open_profit_loss * 1.05
if buy_condition
    strategy.order("Buy", strategy.long, when = add_logic, qty = remaining_funds * 0.025 / open)
//

// 減碼邏輯 : 剩余资金 > 未实现的盈亏 * 1.05
sub_logic = open_profit_loss > remaining_funds * 1.05
if buy_condition
    strategy.order("Sell", strategy.short, when = sub_logic, qty = open_profit_loss * 0.025/open)
//

strategy.order("Sell_all",  strategy.short, when = sell_all, qty = strategy.position_size)

// 绘制交易期间的矩形区域
bgcolor(in_trade_period ? color.green : na, transp=90)
Plus de

2019 FMZ - Tous les droits réservés