हॉल वेलोसिटी मूविंग एवरेज और कलमन फिल्टर पर आधारित ट्रेंड ट्रैकिंग रणनीति
ChaoZhang
अवलोकन
इस रणनीति में हॉल की चलती औसत और कार्लमैन की तरंगों का संयोजन किया गया है, ताकि कीमतों की पहचान की जा सके और ट्रेंड ट्रैक किया जा सके। यह एक ट्रेंड ट्रैकिंग रणनीति है। यह दो अलग-अलग अवधि के हॉल की चलती औसत का उपयोग करके एक व्यापारिक संकेत बनाता है और सिग्नल की गुणवत्ता और रणनीति की स्थिरता को बढ़ाने के लिए कार्लमैन की तरंगों के साथ एक चिकनी प्रसंस्करण के लिए काम करता है।
रणनीति सिद्धांत
ट्रेडिंग सिग्नल के निर्माण के लिए रणनीति 24 चक्रों की हल चलती औसत hma और 24 चक्रों की ट्रिपल हल चलती औसत hma3 का उपयोग करती है।
जब हममे से एक पर हममे से 3 डालते हैं, तो यह एक खरीद संकेत उत्पन्न करता है; जब हममे से एक पर हममे से 3 डालते हैं, तो यह एक बेचने का संकेत उत्पन्न करता है।
रणनीतियाँ पूर्वनिर्धारित रूप से कार्लमैन फ़िल्टर को बंद कर दें, और कार्लमैन फ़िल्टर को चालू करने के बाद, अत्यधिक शोर को फ़िल्टर करने और सिग्नल की गुणवत्ता में सुधार करने के लिए हमा और हमा 3 को कार्लमैन फ़िल्टर करें।
करमन फ़िल्टर चरणों के माध्यम से सिग्नल में यादृच्छिक शोर को समाप्त करता है। प्रत्येक माप और पिछली भविष्यवाणी के बीच का अंतर एक सुधार बिंदु के रूप में कार्य करता है ताकि अगले माप को अधिक सटीक रूप से भविष्यवाणी की जा सके। दोहराए जाने वाले पूर्वानुमान और समायोजन के माध्यम से, शोर के प्रभाव को धीरे-धीरे कम किया जा सकता है, जिससे सिग्नल को चिकना बना दिया जा सकता है।
इस रणनीति में कार्मन फ़िल्टर का उपयोग किया जाता है, जो चलती औसत रणनीतियों की स्थिरता को बढ़ाता है और निरंतर रुझानों को ट्रैक करने के लिए यादृच्छिक उतार-चढ़ाव के प्रभाव को हटा देता है।
रणनीतिक लाभ
एकल चलती औसत की तुलना में, दोहरी चलती औसत प्रणाली निरंतर रुझानों की बेहतर पहचान करती है।
हाल की कीमतों को अधिक वजन देने के लिए और मूल्य परिवर्तनों को अधिक संवेदनशील रूप से पकड़ने के लिए, हल चलती औसत को भारित तरीके से गणना की जाती है।
कार्मन फ़िल्टर सिग्नल में यादृच्छिक शोर को प्रभावी रूप से फ़िल्टर करता है, झूठे सिग्नल को कम करता है और सिग्नल की गुणवत्ता में सुधार करता है।
रणनीति के पैरामीटर को समायोजित किया जा सकता है, चक्र की लंबाई और कार्मन लहर की वृद्धि को बाजार के अनुसार समायोजित किया जा सकता है, जो विभिन्न स्थितियों के अनुकूल है।
रणनीतियाँ जो संकेतों को बनाने के लिए समय-समय पर तकनीक का उपयोग करती हैं, अधिक स्थायी रुझानों की पहचान करती हैं, और बहुत अधिक यादृच्छिक उतार-चढ़ाव से बचती हैं।
एक दृश्य इंटरफ़ेस संकेत और प्रवृत्ति की स्थिति को प्रदर्शित करता है, जो संचालित करने में आसान है।
रणनीतिक जोखिम
द्विआधारी चलती औसत रणनीतियाँ रुझान मोड़ बिंदुओं पर गलत संकेत देती हैं और मोड़ को समय पर पकड़ नहीं पाती हैं।
चलती औसत में विलंबता है, जिससे कीमतों में तेजी से बदलाव की संभावना को नजरअंदाज किया जा सकता है।
तीव्र उतार-चढ़ाव वाली स्थितियों के लिए उपयुक्त नहीं है, शॉक टक्कर के चरण में उपयोग से बचना चाहिए।
कार्मन फ़िल्टर के पैरामीटर सेटिंग्स रणनीति के प्रदर्शन को प्रभावित करते हैं, और अत्यधिक लाभ प्रभावी संकेतों को फ़िल्टर कर सकते हैं।
लंबी अवधि की सेटिंग कम संवेदनशील है, और छोटी अवधि की सेटिंग शोर से प्रभावित होती है, और बाजार के अनुसार पैरामीटर को समायोजित करने की आवश्यकता होती है।
बहु-खाली स्थिति का समय अनिश्चित है, कोई स्थिति नहीं है, जिससे धन का उपयोग करने की दक्षता कम हो जाती है।
अनुकूलन दिशा
आप अनुकूलन चलती औसत के साथ अनुकूलन मापदंडों को आज़मा सकते हैं, जो उतार-चढ़ाव के आधार पर चक्र की लंबाई को समायोजित करता है।
अस्थिरता के संकेतकों के साथ बाजार की स्थिति का आकलन करें, अस्थिर बाजार में व्यापार से बचें, और केवल जब रुझान स्पष्ट हो तो व्यापार करें।
स्टॉप-लॉस रणनीतियाँ सेट करें ताकि नुकसान को रोकने और जोखिम को नियंत्रित करने में मदद मिल सके।
कार्लमैन फ़िल्टर पैरामीटर को अनुकूलित करें, ट्रैकिंग संवेदनशीलता और शोर फ़िल्टरिंग को संतुलित करें।
अन्य संकेतकों के साथ सिग्नल की प्रभावशीलता की पुष्टि करें, जैसे कि क्वांटिटेटिव इंडिकेटर, ब्रिन बैंड, प्रवृत्ति की स्थायित्व आदि।
इस रणनीति को अधिक लचीला और अनुकूली बनाने के लिए प्रशिक्षण मापदंडों को मशीन सीखने जैसे तरीकों का उपयोग किया जा सकता है।
संक्षेप
इस रणनीति के माध्यम से दोहरी हॉल चलती औसत और Karman लहर ट्रैक प्रवृत्ति, प्रभावी रूप से स्थायी प्रवृत्ति की पहचान, संकेत की गुणवत्ता में सुधार कर सकते हैं. लेकिन ध्यान देने की आवश्यकता है पैरामीटर अनुकूलन, बाजार अनुकूलता समायोजन, जोखिम नियंत्रण स्थिर रिटर्न प्राप्त करने के लिए. मशीन सीखने और मात्रात्मक विश्लेषण रणनीति के प्रदर्शन को और अधिक बढ़ा सकते हैं. निरंतर अनुकूलन के माध्यम से, एक स्थिर और कुशल प्रवृत्ति ट्रैक ट्रेडिंग रणनीति बनाने के लिए.
/*backtest
start: 2022-10-25 00:00:00
end: 2023-10-31 00:00:00
period: 1d
basePeriod: 1h
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/
//@version=4
strategy("Hull Trend with Kahlman Strategy Backtest", shorttitle="HMA-Kahlman Trend Strat", overlay=true)
src = input(hl2, "Price Data")
length = input(24, "Lookback")
showcross = input(true, "Show cross over/under")
gain = input(10000, "Gain")
k = input(true, "Use Kahlman")
hma(_src, _length) =>
wma((2 * wma(_src, _length / 2)) - wma(_src, _length), round(sqrt(_length)))
hma3(_src, _length) =>
p = length/2
wma(wma(close,p/3)*3 - wma(close,p/2) - wma(close,p),p)
kahlman(x, g) =>
kf = 0.0
dk = x - nz(kf[1], x)
smooth = nz(kf[1],x)+dk*sqrt((g/10000)*2)
velo = 0.0
velo := nz(velo[1],0) + ((g/10000)*dk)
kf := smooth+velo
a = k ? kahlman(hma(src, length), gain) : hma(src, length)
b = k ? kahlman(hma3(src, length), gain) : hma3(src, length)
c = b > a ? color.lime : color.red
crossdn = a > b and a[1] < b[1]
crossup = b > a and b[1] < a[1]
p1 = plot(a,color=c,linewidth=1,transp=75)
p2 = plot(b,color=c,linewidth=1,transp=75)
fill(p1,p2,color=c,transp=55)
plotshape(showcross and crossdn ? a : na, location=location.absolute, style=shape.labeldown, color=color.red, size=size.tiny, text="S", textcolor=color.white, transp=0, offset=-1)
plotshape(showcross and crossup ? a : na, location=location.absolute, style=shape.labelup, color=color.green, size=size.tiny, text="B", textcolor=color.white, transp=0, offset=-1)
longCondition = crossup
if (longCondition)
strategy.entry("LE", strategy.long)
shortCondition = crossdn
if (shortCondition)
strategy.entry("SE", strategy.short)