ChaoZhang
Aperçu
La stratégie est un système de trading complet qui combine l’algorithme d’apprentissage automatique K-nearest neighbor (KNN), la reconnaissance des modèles de chandeliers et l’analyse du volume. La stratégie forme un cadre d’analyse tridimensionnel pour le marché grâce à des méthodes d’analyse multidimensionnelles, notamment des canaux de moyenne mobile, une vérification du seuil de volume et des statistiques de probabilité, capturant ainsi des opportunités de trading potentielles.
Principe de stratégie
La logique fondamentale de la stratégie repose sur les éléments clés suivants :
- Utilisez la moyenne mobile (SMA) et l’écart type pour construire des canaux de prix afin d’identifier les zones de surachat et de survente
- Identifiez neuf modèles de chandeliers classiques grâce à des conditions définies par programmation, notamment le marteau, l’étoile filante, l’engloutissement, etc.
- Présentez l’algorithme KNN pour apprendre les tendances historiques des prix et prédire les tendances futures possibles des prix
- L’utilisation du volume des transactions comme indicateur de confirmation du signal nécessite que le volume des transactions soit supérieur au seuil défini lorsque le signal est déclenché.
- Calculez la distribution de probabilité de montée et de descente et utilisez-la comme l’une des conditions de filtrage du signal
Avantages stratégiques
- Le mécanisme de confirmation du signal à plusieurs niveaux améliore considérablement la fiabilité des transactions
- L’introduction de l’algorithme KNN offre une perspective d’apprentissage automatique pour l’analyse technique traditionnelle
- Le mécanisme de vérification du volume évite efficacement les fausses percées
- Le dessin dynamique des lignes de support et de résistance permet d’identifier les niveaux de prix importants
- Un système d’alerte complet garantit que vous ne manquerez aucune opportunité de trading importante
- Les paramètres de stratégie sont hautement ajustables et peuvent s’adapter à différents environnements de marché
Risque stratégique
- L’algorithme KNN peut être à la traîne dans les marchés volatils
- Trop de conditions de filtrage du signal peuvent conduire à manquer certaines opportunités de trading
- Les seuils de volume fixes peuvent devoir être ajustés de manière dynamique à différentes périodes
- Trop de faux signaux peuvent être générés lors des phases latérales Recommandé:
- Ajuster dynamiquement les paramètres de l’algorithme
- Introduction d’un mécanisme d’identification de l’environnement de marché
- Fixer une limite de perte maximale
- Mettre en place un système de gestion d’entrepôt
Orientation de l’optimisation de la stratégie
- Introduction d’un mécanisme d’ajustement adaptatif des paramètres pour permettre à la stratégie d’ajuster automatiquement les paramètres en fonction des conditions du marché
- Intégrer des algorithmes d’apprentissage profond pour améliorer la précision des prédictions
- Ajout de plus d’indicateurs de microstructure de marché
- Optimisation de la méthode de calcul dynamique du seuil de volume de transactions
- Mettre en place un système de contrôle des risques plus complet
Résumer
La stratégie construit un système de trading robuste en combinant l’analyse technique traditionnelle avec des méthodes modernes d’apprentissage automatique. Le cadre d’analyse multidimensionnel de la stratégie et le mécanisme strict de confirmation du signal fournissent une base fiable pour les décisions de trading. Grâce à une optimisation continue et à un contrôle des risques, la stratégie devrait maintenir une performance stable dans divers environnements de marché.
Code source de la stratégie
/*backtest
start: 2024-01-17 00:00:00
end: 2025-01-16 00:00:00
period: 2d
basePeriod: 2d
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT","balance":49999}]
*/
//@version=6
strategy("Candle Pattern Analyzer with Volume", overlay=true)
// Input parameters
length = input.int(20, "Channel Length", minval=1)
mult = input.float(2.0, "Volatility Multiplier", minval=0.1)
candleLength = input.int(5, "Candle Length", minval=1)
k = input.int(5, "KNN Neighbors", minval=1)
volumeThreshold = input.int(100000, "Volume Threshold", minval=1)
// Calculate channel
basis = ta.sma(close, length)
dev = mult * ta.stdev(close, length)
upper = basis + dev
lower = basis - dev
// Plot channel
plot(basis, color=color.blue)
plot(upper, color=color.green)
plot(lower, color=color.red)
// Identify candle patterns
isBullish = close > open
isBearish = close < open
// Pre-calculate SMAs
smaLow = ta.sma(low, candleLength)
smaHigh = ta.sma(high, candleLength)
smaClose = ta.sma(close, candleLength)
// Hammer pattern
isHammer = isBullish and
low < smaLow and
close > smaClose and
(close - low) / (high - low) > 0.6 and
low < low[1]
// Shooting Star pattern
isShootingStar = isBearish and
high > smaHigh and
close < smaClose and
(high - close) / (high - low) > 0.6 and
high > high[1]
// Inverse Hammer pattern
isInverseHammer = isBullish and
high > smaHigh and
close < smaClose and
(high - close) / (high - low) > 0.6 and
high > high[1]
// Bullish Engulfing pattern
isBullishEngulfing = isBullish and
close > high[1] and
open < low[1]
// Bearish Engulfing pattern
isBearishEngulfing = isBearish and
close < low[1] and
open > high[1]
// Morning Star pattern
isMorningStar = isBullish and close[2] < open[2] and close[1] < open[1] and close > open[1]
// Evening Star pattern
isEveningStar = isBearish and close[2] > open[2] and close[1] > open[1] and close < open[1]
// Three Black Crows pattern
isThreeBlackCrows = isBearish and
close < close[1] and
close[1] < close[2] and
close[2] < close[3]
// Three White Soldiers pattern
isThreeWhiteSoldiers = isBullish and close > close[1] and close[1] > close[2] and close[2] > close[3]
// Compare previous candles
prevCandleUp = close[1] > open[1]
prevCandleDown = close[1] < open[1]
// Calculate probability
probUp = ta.sma(close > open ? 1 : 0, candleLength) / candleLength
probDown = ta.sma(close < open ? 1 : 0, candleLength) / candleLength
// Generate signals
buySignal = isHammer and prevCandleDown and probUp > probDown and volume > volumeThreshold
sellSignal = isShootingStar and prevCandleUp and probDown > probUp and volume > volumeThreshold
// Highlight patterns
color candleColor = na
if (isHammer)
candleColor := color.green
label.new(bar_index, high, "Hammer", color=color.green, style=label.style_label_up)
else if (isShootingStar)
candleColor := color.red
label.new(bar_index, low, "Shooting Star", color=color.red, style=label.style_label_down)
else if (isInverseHammer)
candleColor := color.blue
label.new(bar_index, high, "Inverse Hammer", color=color.blue, style=label.style_label_up)
else if (isBullishEngulfing)
candleColor := color.yellow
label.new(bar_index, high, "Bullish Engulfing", color=color.yellow, style=label.style_label_up)
else if (isBearishEngulfing)
candleColor := color.purple
label.new(bar_index, low, "Bearish Engulfing", color=color.purple, style=label.style_label_down)
else if (isMorningStar)
candleColor := color.orange
label.new(bar_index, high, "Morning Star", color=color.orange, style=label.style_label_up)
else if (isEveningStar)
candleColor := color.new(color.red, 80)
label.new(bar_index, low, "Evening Star", color=color.new(color.red, 80), style=label.style_label_down)
else if (isThreeBlackCrows)
candleColor := color.black
label.new(bar_index, low, "Three Black Crows", color=color.black, style=label.style_label_down)
else if (isThreeWhiteSoldiers)
candleColor := color.white
label.new(bar_index, high, "Three White Soldiers", color=color.white, style=label.style_label_up)
// Plot candles
barcolor(candleColor)
// KNN algorithm
var float[] knnData = array.new_float(k, na)
var float[] knnLabels = array.new_float(k, na) // Create an array to store KNN labels
array.set(knnLabels, 0, 1.0) // Label for "up" movement
// Shift KNN dataset to make room for new data point
for i = 1 to k-1
array.set(knnData, i, array.get(knnData, i-1))
array.set(knnLabels, i, array.get(knnLabels, i-1))
// Predict next movement using KNN algorithm
float prediction = 0.0
for i = 0 to k-1
float distance = math.abs(close - array.get(knnData, i))
prediction += array.get(knnLabels, i) / distance
prediction /= k
// Plot prediction
// line.new(bar_index, close, bar_index + 1, prediction, color=color.purple)
// Plot resistance and support lines
float resistance = ta.sma(high, length)
float support = ta.sma(low, length)
// line.new(bar_index, resistance, bar_index + 1, resistance, color=color.green, style=line.style_dashed)
// line.new(bar_index, support, bar_index + 1, support, color=color.red, style=line.style_dashed)
// Plot buy and sell signals with prices
if (buySignal)
// label.new(bar_index, low, "Buy at " + str.tostring(low), color=color.green, style=label.style_label_up)
strategy.entry("Buy", strategy.long, comment="Buy at " + str.tostring(low))
if (sellSignal)
// label.new(bar_index, high, "Sell at " + str.tostring(high), color=color.red, style=label.style_label_down)
strategy.entry("Sell", strategy.short, comment="Sell at " + str.tostring(high))
// Create alerts
alertcondition(buySignal, title="Buy Signal", message="Buy signal generated!")
alertcondition(sellSignal, title="Sell Signal", message="Sell signal generated!")