Optimisation des stratégies basées sur l'oscillateur de momentum


Date de création: 2024-02-20 13:54:49 Dernière modification: 2024-02-20 13:54:49
Copier: 0 Nombre de clics: 612
1
Suivre
1617
Abonnés

Optimisation des stratégies basées sur l’oscillateur de momentum

Aperçu

La stratégie est basée sur l’optimisation de l’amélioration du taux de variation de l’indicateur de dynamique ((ROC)). Par rapport à la stratégie de ROC originale, la stratégie est optimisée comme suit:

  1. Introduisez la valeur du ROC historique maximal, puis comparez la dynamique du ROC actuel avec celle du ROC historique maximal, et obtenez la valeur relative de la dynamique.
  2. Le traitement de la valeur relative de la dynamique est lisse, générant un signal.
  3. La valeur du signal d’achat et de vente est ajoutée au seuil.

Grâce à ces optimisations, de nombreux signaux inefficaces peuvent être filtrés, ce qui rend la stratégie plus stable et plus fiable.

Principe de stratégie

Le principal indicateur de cette stratégie est le taux de variation (ROC). Le ROC mesure le taux de variation du prix d’une action sur une période donnée. La stratégie calcule d’abord un ROC de 9 cycles de longueur.

L’intensité relative est traitée en douceur par le SMA de longueur 10, qui filtre les fluctuations à court terme pour obtenir une courbe de douceur. Lorsque la courbe de douceur est en hausse pendant 3 jours consécutifs et que la valeur est inférieure à -80%, considérez que la baisse des cours de l’action a commencé à ralentir et produit des signes de fond, donc faites plus; lorsque la courbe de douceur est en baisse pendant 3 jours consécutifs et que la valeur est supérieure à 80%, considérez que la hausse des cours de l’action a commencé à ralentir et produit des signes de sommet, donc plafonnement.

Analyse des avantages

La stratégie présente principalement les avantages suivants par rapport à la stratégie ROC originale:

  1. L’introduction d’une comparaison des maxima historiques du ROC permet de mesurer la hauteur relative de l’indicateur de dynamique et de filtrer les signaux invalides dont la valeur absolue n’est pas élevée.
  2. Le filtrage du bruit est plus fluide, ce qui rend le signal plus stable et plus fiable.
  3. Il s’agit d’une méthode de négociation qui consiste à fixer des seuils d’achat et de vente afin de réduire les transactions non valides.

Dans l’ensemble, la stratégie a permis de procéder à un traitement secondaire efficace de l’indicateur ROC, ce qui le rend plus adapté à la négociation sur le marché réel.

Analyse des risques

La stratégie présente principalement les risques suivants:

  1. L’indicateur ROC ne permet pas de déterminer la tendance du marché, il y a une certaine induction. Si vous rencontrez une période de conversion haussière-baisse, la stratégie peut échouer.
  2. Les seuils d’achat et de vente ne sont pas parfaits, et les seuils trop élevés ou trop bas influencent la performance de la stratégie.
  3. La mauvaise configuration des paramètres SMA peut également affecter l’efficacité de la stratégie.

Pour réduire les risques mentionnés ci-dessus, il est possible de combiner les indicateurs de tendance pour déterminer la tendance majeure; ajuster les paramètres de seuil, tester les paramètres optimaux; optimiser les paramètres de cycle SMA.

Direction d’optimisation

Cette stratégie peut être optimisée dans les directions suivantes:

  1. Il s’agit d’un indicateur de tendance qui permet de juger de l’évolution globale du marché et d’éviter les défaillances lors d’une conversion haussière ou baissière.
  2. Testez différents paramètres de longueur de ROC et paramètres de seuil d’achat et de vente pour trouver la combinaison optimale de paramètres
  3. Optimiser les paramètres de lissage SMA pour trouver les meilleurs.
  4. L’augmentation du mécanisme de prévention des pertes.

Résumer

Cette stratégie est une stratégie d’optimisation du développement secondaire basée sur les indicateurs de ROC. Elle introduit des méthodes telles que la comparaison des valeurs maximales historiques, l’aplatissement SMA et la dépréciation des valeurs d’achat et de vente, qui peuvent filtrer les signaux inefficaces et rendre la stratégie plus stable. Le principal avantage est la qualité du signal, adaptée au marché réel.

Code source de la stratégie
/*backtest
start: 2024-02-12 00:00:00
end: 2024-02-19 00:00:00
period: 1m
basePeriod: 1m
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/

//@version=5
strategy(title="Rate Of Change Mod Strategy", shorttitle="ROC", format=format.price, precision=2)
//length = input.int(9, minval=1)
//source = input(close, "Source")
//roc = 100 * (source - source[length])/source[length]
//plot(roc, color=#2962FF, title="ROC")
//hline(0, color=#787B86, title="Zero Line")

length = input.int(9, minval=1, title="Length")
maxHistory = input(200, title="Max Historical Period for ROC")
lenghtSmooth = input.int(10, minval=1, title="Length Smoothed ROC")
lenghtBUY = input.int(-80, title="Buy Threshold")
lenghtSELL = input.int(80, title="Buy Threshold")

source = close
roc = 100 * (source - source[length]) / source[length]

// Calculate the maximum ROC value in the historical period
maxRoc = ta.highest(roc, maxHistory)

// Calculate current ROC as a percentage of the maximum historical ROC
rocPercentage = (roc / maxRoc) * 100


rocPercentageS = ta.sma(rocPercentage, lenghtSmooth)
if ta.rising(rocPercentageS, 3) and rocPercentageS < lenghtBUY
    strategy.entry("Buy", strategy.long)

if ta.falling(rocPercentageS, 3) and rocPercentageS > lenghtSELL
    strategy.close("Buy")


plot(rocPercentage, color=color.new(color.blue, 0), title="Percentage ROC")
plot(rocPercentageS, color=color.new(#21f32c, 0), title="Percentage ROC")
hline(0, color=color.new(color.gray, 0), title="Zero Line")