Inverser la stratégie de configuration extrême


Date de création: 2024-02-21 14:08:09 Dernière modification: 2024-02-21 14:08:09
Copier: 0 Nombre de clics: 716
1
Suivre
1617
Abonnés

Inverser la stratégie de configuration extrême

Aperçu

La stratégie de réglage de l’extrême inverse est une stratégie qui utilise l’extrême inversion de la ligne K. Elle est jugée en fonction de la taille de l’entité et de la moyenne de la dernière ligne K. Elle génère un signal de transaction lorsque la taille de l’entité est supérieure à la moyenne et que l’inversion se produit.

Principe de stratégie

Cette stratégie est principalement utilisée pour déterminer la taille de l’entité de la ligne K actuelle et la taille de la ligne K globale.

Il enregistre la taille de l’entité de la ligne K la plus récente (la différence entre le prix d’ouverture et le prix de clôture) et la taille de la ligne K dans son ensemble (la différence entre le prix le plus élevé et le prix le plus bas).

On utilise ensuite la méthode de la moyenne de la portée réelle (RMA) pour calculer la taille moyenne de l’entité et la taille de la ligne K des 20 lignes K les plus récentes.

Un signal de multiplication est généré lorsque la dernière ligne K est active et que la taille de l’entité est supérieure à la taille moyenne de l’entité, et que la taille globale de la ligne K est également supérieure au double de la taille moyenne de la ligne K.

À l’inverse, lorsque la dernière ligne K est descendue et que la taille de l’entité satisfait également aux conditions ci-dessus, un signal de couverture est généré.

En effet, lorsque la ligne K extrême est inversée, le jugement moyen est utilisé pour générer un signal de transaction.

Analyse des avantages

Les principaux avantages de cette stratégie sont:

  1. L’utilisation des caractéristiques de la ligne K extrême pour la formation d’une inversion
  2. Comparer la taille de l’entité et la taille globale de la ligne K pour trouver les points d’exception
  3. Calculer des moyennes dynamiques avec RMA pour s’adapter aux évolutions du marché
  4. Le signal est plus fiable en combinaison avec la forme inverse.

Analyse des risques

Cette stratégie comporte aussi des risques:

  1. Les lignes K extrêmes ne sont pas nécessairement inversées, mais peuvent continuer à fonctionner
  2. Une mauvaise configuration des paramètres peut entraîner une sursensibilité ou une lenteur
  3. La réforme du marché n’est pas adaptée à la reprise, car elle nécessite une forte volatilité.
  4. Les signaux de transaction peuvent être fréquents, augmentant les coûts de transaction et le risque de glissement.

Pour réduire le risque, il est possible d’ajuster les paramètres de manière appropriée ou d’ajouter un stop-loss pour contrôler les pertes.

Direction d’optimisation

Cette stratégie peut être optimisée dans les domaines suivants:

  1. Pour augmenter le filtrage des transactions et éviter les fausses percées
  2. Configuration dynamique des paramètres d’optimisation à l’aide de l’indicateur de volatilité
  3. Les indicateurs de tendance et le risque d’excédent d’offre inverse
  4. Augmentation de la probabilité d’inversion de la ligne K par un modèle d’apprentissage automatique
  5. Adhésion au mécanisme de coupe-faim

Résumer

La stratégie de réglage de l’extrême inverse permet d’obtenir de meilleures performances stratégiques grâce à l’optimisation des paramètres et au contrôle du vent.

Code source de la stratégie
/*backtest
start: 2024-02-13 00:00:00
end: 2024-02-20 00:00:00
period: 1m
basePeriod: 1m
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/

//@version=4
strategy("Extreme Reversal Setup", overlay=true)

bodySize = input(defval=0.75)
barsBack = input(title="Lookback Period", type=input.integer, defval=20, minval=0)
bodyMultiplier = input(title="Bar ATR Multiplier", type=input.float, defval=2.0, minval=0)

myBodySize = abs(close - open)
averageBody = rma(myBodySize, barsBack)
myCandleSize = abs(high - low)
averageCandle = rma(myCandleSize, barsBack)

signal_long = open[1]-close[1] >= bodySize*(high[1]-low[1]) and 
   high[1]-low[1] > averageCandle*bodyMultiplier and 
   open[1]-close[1] > averageBody and close > open
signal_short = close[1]-open[1] >= bodySize*(high[1]-low[1]) and 
   high[1]-low[1] > averageCandle*bodyMultiplier and 
   close[1]-open[1] > averageBody and open > close

plotshape(signal_long, "LONG", shape.triangleup, location.belowbar, size=size.normal)
plotshape(signal_short, "SHORT", shape.triangledown, location.belowbar, size=size.normal)

strategy.entry("LONG", strategy.long, when=signal_long)
strategy.entry("SHORT", strategy.short, when=signal_short)