1. Carré
  2. KRK ADA 1H Stratégie stochastique lente avec plus d'entrées et d'IA

KRK ADA 1H Stratégie stochastique lente avec plus d'entrées et d'IA

Auteur:ChaoZhang est là., Date: 2024-04-12 16h26: 06
Les étiquettes:Le taux d'intérêtIndice de résistanceTPSL- Je vous en prie.Nom de l'établissement

img

Résumé

Cette stratégie est une stratégie de trading basée sur l'oscillateur lent stochastique, combinée à des techniques de moyenne mobile, d'indice de force relative (RSI) et d'intelligence artificielle (IA). La stratégie détermine les signaux d'achat et de vente en analysant les signaux croisés de l'oscillateur lent stochastique, en considérant la position du prix par rapport à la moyenne mobile de 200 jours et en incorporant les signaux générés par un modèle d'IA.

Principes de stratégie

  1. Calculer l'oscillateur lent stochastique avec une période de 30, où la période de lissage pour la valeur K est de 18 et la période de lissage pour la valeur D est de 7.
  2. Déterminer les seuils de surachat et de survente à 40 et 19 respectivement et fixer la valeur minimale de K à 12.
  3. Calculer la moyenne mobile simple de 200 jours comme un filtre de tendance.
  4. Utilisez un modèle de réseau neuronal récurrent (RNN) pour générer des signaux d'achat et de vente.
  5. Condition d'entrée longue: le prix dépasse la moyenne mobile sur 200 jours, la valeur K est inférieure au seuil de survente et supérieure à la valeur minimale de K et le signal AI est de 1.
  6. Condition d'entrée courte: le prix dépasse la moyenne mobile sur 200 jours, la valeur K est supérieure au seuil de surachat et supérieure à la valeur minimale de K et le signal AI est -1.
  7. Les signaux d'achat et de vente sont également générés lorsque l'oscillateur stochastique affiche un croisement et satisfait aux conditions de surachat ou de survente.
  8. Définir le niveau de prise de profit à 500 points au-dessus ou en dessous du prix courant et le niveau de stop-loss à 200 points au-dessus ou en dessous du prix courant.

Les avantages de la stratégie

  1. Combine plusieurs indicateurs techniques et techniques d'IA, améliorant la robustesse et l'adaptabilité de la stratégie.
  2. Utilise l'oscillateur lent stochastique comme signal d'achat et de vente principal, capturant efficacement les conditions de marché de surachat et de survente.
  3. Introduit la moyenne mobile à 200 jours comme filtre de tendance pour éviter de négocier contre la tendance.
  4. Utilise un modèle d'IA pour générer des signaux d'achat et de vente, améliorant l'intelligence de la stratégie.
  5. Définit des niveaux clairs de prise de profit et de stop-loss pour gérer efficacement le risque.

Risques stratégiques

  1. L'oscillateur stochastique peut générer de faux signaux dans certaines conditions de marché.
  2. L'efficacité du modèle d'IA dépend de la qualité des données de formation et de la conception du modèle, ce qui introduit une incertitude.
  3. Les niveaux fixes de prise de profit et de stop-loss peuvent ne pas s'adapter bien aux différentes conditions de volatilité du marché.
  4. La stratégie ne dispose pas d'un mécanisme de réponse aux événements soudains du marché et aux fluctuations anormales.

Directions d'optimisation de la stratégie

  1. Optimiser les paramètres de l'oscillateur stochastique, tels que l'ajustement des périodes de lissage pour les valeurs K et D, afin d'améliorer l'efficacité de l'indicateur.
  2. Améliorer la conception du modèle d'IA en intégrant davantage de caractéristiques et de données du marché afin d'améliorer sa précision prédictive.
  3. Mettre en œuvre un mécanisme dynamique de prise de profit et de stop-loss qui s'adapte à la volatilité du marché et aux niveaux de risque.
  4. Introduire une analyse du sentiment du marché et des facteurs liés aux événements afin d'améliorer la capacité de la stratégie à réagir à des événements soudains du marché.
  5. Il convient d'envisager d'ajouter des modules de dimensionnement des positions et de gestion de l'argent afin d'optimiser l'efficacité de l'utilisation du capital et le contrôle des risques de la stratégie.

Résumé

Cette stratégie combine l'oscillateur lent stochastique, la moyenne mobile, l'indice de force relative et les techniques d'IA pour construire une stratégie de trading multi-facteurs. La stratégie utilise l'oscillateur stochastique pour capturer les signaux de surachat et de survente tout en utilisant un filtre de tendance et une génération de signaux intelligents pour améliorer sa robustesse et son adaptabilité. Bien que la stratégie comporte certains risques, tels que l'échec de l'indicateur et l'incertitude du modèle, ceux-ci peuvent être atténués en optimisant les paramètres de l'indicateur, en améliorant le modèle d'IA, en mettant en œuvre des mesures de contrôle dynamique des risques et en incorporant des modules supplémentaires pour la taille des positions et la gestion de l'argent.

/*backtest
start: 2024-03-12 00:00:00
end: 2024-04-11 00:00:00
period: 1h
basePeriod: 15m
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/

//@version=5
strategy("Stochastic Slow Strategy with More Entries and AI", overlay=true)

length = input.int(30, minval=1)
OverBought = input(40)
OverSold = input(19)
smoothK = input.int(18, minval=1)
smoothD = input.int(7, minval=1)
minKValue = input(12, title="Minimum K Value")

// Stochastic calculations
k = ta.sma(ta.stoch(close, high, low, length), smoothK)
d = ta.sma(k, smoothD)
co = ta.crossover(k, d)
cu = ta.crossunder(k, d)

// Trend filter (200-period simple moving average)
ema200 = ta.sma(close, 200)

// Define la función para calcular la señal de la red neuronal recurrente
rnn_signal(price_series) =>
    // Aquí implementa tu modelo de red neuronal recurrente para generar la señal
    // Puedes usar bibliotecas externas o implementar tu propio modelo aquí

    // Ejemplo de señal aleatoria
    signal = ta.rsi(price_series, 14) > 50 ? 1 : -1
    
    // Devuelve la señal generada por la red neuronal recurrente
    signal

// Calcula la señal utilizando la función definida anteriormente
ai_signal = rnn_signal(close)

// Entry conditions
longCondition = ta.crossover(close, ema200) and k < OverSold and k > minKValue and ai_signal == 1
shortCondition = ta.crossunder(close, ema200) and k > OverBought and k > minKValue and ai_signal == -1

if (not na(k) and not na(d))
    if (co and k < OverSold and k > minKValue)
        strategy.entry("LONG", strategy.long, comment="LONG")
        strategy.exit("ExitLong", "LONG", profit = close * 500, loss = close * 200)
    if (cu and k > OverBought and k > minKValue)
        strategy.entry("SHORT", strategy.short, comment="SHORT")
        strategy.exit("ExitShort", "SHORT", profit = close * 500, loss = close * 200)
    
if (longCondition)
    strategy.entry("LongEntry", strategy.long, comment="LongEntry")
    strategy.exit("ExitLongEntry", "LongEntry", profit = close * 500, loss = close * 200)
if (shortCondition)
    strategy.entry("ShortEntry", strategy.short, comment="ShortEntry")
    strategy.exit("ExitShortEntry", "ShortEntry", profit = close * 500, loss = close * 200)

// Plotting
plot(ema200, color=color.blue, title="200 SMA")
Relationnée
Plus de

2019 FMZ - Tous les droits réservés