ChaoZhang
Aperçu
La stratégie est un système de trading quantitatif qui combine le prix moyen pondéré au PAM (GWAP) et l’analyse de la dynamique. Elle prédit les mouvements de prix en utilisant le traitement pondéré au PAM des données historiques de prix et en les combinant avec des indicateurs de dynamique à court terme. Le cœur de la stratégie est d’utiliser le facteur PAM pour une plus grande distribution de poids sur les prix à court terme, ce qui améliore la sensibilité aux mouvements de marché à court terme.
Principe de stratégie
La stratégie repose principalement sur deux théories psychologiques centrales: l’effet de dynamique et la tarification pondérée par le Puma. En termes de dynamique, la stratégie utilise les caractéristiques de la continuation de la tendance des prix sur les marchés financiers; en termes de pondération, une pondération de dépréciation à l’échelle de l’indice sur les prix historiques par le facteur Puma (range de valorisation 0.5-1.5).
Avantages stratégiques
- Adaptabilité: le système de pondération de la Puma est capable d’ajuster la pondération des données historiques en fonction de la dynamique des conditions du marché.
- Le contrôle des risques est parfait: le GWAP est utilisé comme prix de référence pour fournir des critères de référence fiables pour la prise de décision sur les transactions.
- L’efficacité du calcul: la stratégie utilise le stockage d’arrêts et le calcul en boucle, ce qui optimise l’efficacité du calcul.
- Les paramètres sont réglables: les paramètres clés tels que le facteur de Gamma et le cycle de calcul peuvent être ajustés de manière flexible en fonction des conditions du marché.
Risque stratégique
- Risque de fluctuation du marché: les faux signaux peuvent être fréquents dans les marchés en crise.
- Sensitivité des paramètres: le choix des facteurs de coupe a un impact important sur la performance de la stratégie et nécessite une optimisation continue.
- Délais de calcul: le traitement de données historiques importantes peut entraîner des délais d’exécution du disque dur.
- Risque d’inversion de tendance: la réaction stratégique peut être relativement retardée en cas d’inversion soudaine de la tendance du marché.
Orientation de l’optimisation de la stratégie
- L’introduction d’un mécanisme d’adaptation au taux de volatilité et d’ajustement dynamique des facteurs de coupe.
- Un mécanisme de confirmation de tendance à plusieurs périodes de temps.
- Optimisation de l’efficacité du calcul et réduction du nombre de groupes de travail.
- L’ajout d’indicateurs de l’humeur du marché améliore la précision des prévisions de la stratégie.
- La mise en place d’un mécanisme d’arrêt dynamique des pertes et l’amélioration de la capacité de contrôle des risques.
Résumer
La stratégie permet de suivre intelligemment les tendances du marché en combinant les poids et les dynamiques de Puma. Son principal avantage est de pouvoir ajuster l’allocation des poids en fonction de la dynamique des conditions du marché, tout en conservant une efficacité de calcul élevée. Bien qu’il existe certains problèmes de sensibilité aux risques et aux paramètres du marché, la stratégie a de bonnes perspectives d’application grâce à une optimisation et à une amélioration continues.
/*backtest
start: 2024-02-18 00:00:00
end: 2025-02-16 08:00:00
period: 6h
basePeriod: 6h
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/
//@version=6
strategy("BTC Future Gamma-Weighted Momentum Model (BGMM)", shorttitle="BGMM", overlay=true,
default_qty_type=strategy.cash, default_qty_value=50000,
slippage=1, commission_value=0.01)
// Inputs
length = input.int(60, "Length for GWAP Calculation")
gamma_factor = input.float(0.75, "Gamma Weight Factor", minval=0.5, maxval=1.5, step=0.01)
// Helper Functions
var float cumulative_weighted_price = na
var float cumulative_weight = na
price = (high + low + close) / 3 // Typical price as a baseline
gamma_weights = array.new_float(length, 0.0)
price_series = array.new_float(length, na)
// Populate Arrays for Calculation
if bar_index >= length
for i = 0 to length - 1
weighted_gamma = math.pow(gamma_factor, i)
array.set(gamma_weights, i, weighted_gamma)
array.set(price_series, i, close[i])
// Compute GWAP
weighted_sum = 0.0
weight_total = 0.0
for i = 0 to length - 1
w = array.get(gamma_weights, i)
p = array.get(price_series, i)
weighted_sum := weighted_sum + p * w
weight_total := weight_total + w
GWAP = weight_total != 0 ? weighted_sum / weight_total : na
plot(GWAP, color=color.red, title="Gamma Weighted Average Price")
// Conditions for Trade Signals
long_condition = close > GWAP and close[1] > close[2] and close[2] > close[3]
short_condition = close < GWAP and close[1] < close[2] and close[2] < close[3]
// Strategy Logic
if long_condition
strategy.entry("Long", strategy.long)
if short_condition
strategy.entry("Short", strategy.short)