
La stratégie de suivi des taux de volatilité bi-lineaires combine les deux stratégies de suivi des taux de volatilité bi-lineaires. La détermination des taux de volatilité bi-lineaires est réalisée par le calcul de simples croisements de taux de volatilité en mouvement de différentes périodes, tout en combinant les bandes d’oscillation de Bollinger et l’indicateur VIDYA pour déterminer les tendances et les taux de volatilité du marché, ce qui permet de juger clairement les tendances et de capturer efficacement les points critiques.
Les indicateurs centraux de la stratégie comprennent les moyennes mobiles simples, les bandes de Bollinger et les moyennes de l’indice de volatilité de Vidya. La stratégie est basée sur des cycles différents de SMA et de LMA rapides et lents.
Plus précisément, la logique du signal à faire plus est de traverser la ligne lente sur la courbe rapide et le prix est supérieur à la courbe VIDYA, ce qui indique une tendance à la hausse et à l’amplification de la fluctuation. Le signal de placement à faire plus est de traverser la courbe lente sous la courbe rapide ou le prix est inférieur à la courbe VIDYA, ce qui indique un renversement de tendance ou une tendance à la contraction.
Le plus grand avantage d’une stratégie de suivi des fluctuations bilatérales réside dans la combinaison de deux indicateurs permettant de juger de l’état du marché et d’améliorer l’exactitude de la prise de décision. Plus précisément, les avantages se traduisent par:
Dans l’ensemble, la stratégie intègre des informations sur plusieurs dimensions, telles que la tendance, la régression et la volatilité, permettant une réponse plus rapide aux changements du marché et donc une plus grande probabilité d’obtenir des gains supplémentaires.
Bien que cette stratégie présente de nombreux avantages, elle comporte des risques auxquels il faut faire attention:
Afin de réduire les risques mentionnés ci-dessus, il est recommandé d’optimiser le paramétrage, de définir clairement la priorité des signaux de l’indicateur, d’augmenter le contrôle des points de glissement et de vérifier la robustesse de la stratégie plusieurs fois dans différents environnements de marché.
Les principaux axes d’optimisation de cette stratégie se concentrent sur la définition de paramètres et les conditions de filtrage, à partir des dimensions suivantes:
La combinaison de l’optimisation des paramètres et de l’optimisation des règles peut améliorer encore la stabilité et la rentabilité de la stratégie.
La stratégie de suivi des fluctuations bi-linéaires utilise de multiples indicateurs pour évaluer l’état du marché, en attirant l’attention sur les fluctuations des prix tout en capturant les retournements de tendance. C’est une stratégie efficace qui prend en compte les risques et les gains. La stratégie a beaucoup de possibilités d’optimisation et mérite d’être explorée et vérifiée davantage.
/*backtest
start: 2024-01-29 00:00:00
end: 2024-02-28 00:00:00
period: 1h
basePeriod: 15m
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/
//@version=5
strategy("Combined Golden Cross and Progressive Trend Tracker", shorttitle="GCC-PTT", overlay=true)
// Inputs
fastMA_period = input(50, title="Fast MA Period")
slowMA_period = input(200, title="Slow MA Period")
src = input(close, title="Source")
lengthBB = input(20, title="Bollinger Bands Length")
mult = input(2.0, title="Bollinger Bands Multiplier")
mavType = input.string(title="Moving Average Type", defval="VAR", options=['SMA', 'EMA', 'WMA', 'TMA', 'VAR', 'WWMA', 'ZLEMA', 'TSF'])
// Calculate Moving Averages for Golden Cross
fastMA = ta.sma(src, fastMA_period)
slowMA = ta.sma(src, slowMA_period)
bullish_cross = ta.crossover(fastMA, slowMA)
bearish_cross = ta.crossunder(fastMA, slowMA)
// Progressive Trend Tracker Components (Adjusted for NA assignment issue)
Var_Func(src, length) =>
valpha = 2 / (length + 1)
vud1 = src > src[1] ? src - src[1] : 0
vdd1 = src < src[1] ? src[1] - src : 0
vUD = math.sum(vud1, length)
vDD = math.sum(vdd1, length)
vCMO = (vUD - vDD) / (vUD + vDD)
VAR = 0.0 // Adjusted here, assign an initial value
VAR := ta.ema(src * math.abs(vCMO), length)
VAR
VAR = Var_Func(src, 14) // Example VAR calculation, adjust as needed
// Bollinger Bands for dynamic support and resistance
BBandTop = fastMA + mult * ta.stdev(src, lengthBB)
BBandBot = fastMA - mult * ta.stdev(src, lengthBB)
// Plotting
plot(fastMA, color=color.blue, title="Fast MA")
plot(slowMA, color=color.red, title="Slow MA")
plot(BBandTop, color=color.green, title="Bollinger Band Top")
plot(BBandBot, color=color.red, title="Bollinger Band Bottom")
plot(VAR, color=color.purple, title="VAR", linewidth=2)
// Strategy Logic (Adjusted for strategy use)
// Long Entry when bullish cross and close above VAR
// Exit when bearish cross or close below VAR
if (bullish_cross and close > VAR)
strategy.entry("CGC_PTT_Long", strategy.long)
if (bearish_cross or close < VAR)
strategy.close("CGC_PTT_Long")