शेर के दरार संतुलन रणनीति

लेखक:चाओझांग, दिनांक: 2023-11-02 16:55:00
टैगः

img

अवलोकन

शेर फिसर बैलेंस रणनीति चलती औसत क्रॉसओवर पर आधारित एक सरल अल्पकालिक ट्रेडिंग रणनीति है। यह मुख्य रूप से दो चलती औसत का उपयोग करती है - जब तेजी से एमए नीचे से धीमी एमए के ऊपर से पार हो जाती है, तो लंबी हो जाती है; जब तेजी से एमए ऊपर से धीमी एमए के नीचे से पार हो जाती है, तो स्थिति को बंद कर देती है। रणनीति का नाम लोकप्रिय ट्रेडिंग शब्दजाल शेर फिसर से आता है, जिसका अर्थ है मामूली मूल्य कार्यों को कैप्चर करना और एमए के बीच संकीर्ण अंतर से लाभ उठाना।

रणनीति तर्क

यह रणनीति दो चलती औसत का उपयोग करती हैः एक तेज एमए (smallMAPeriod) और एक धीमी एमए (bigMAPeriod) । दोनों एमए एक मूल्य चैनल बनाते हैं, जिसमें तेज एमए चैनल आधार के रूप में और धीमी एमए चैनल छत के रूप में है। जब कीमत चैनल आधार से ऊपर की ओर टूटती है, तो लंबी हो जाती है; जब कीमत चैनल की छत को नीचे की ओर तोड़ती है, तो बंद स्थिति।

विशेष रूप से, रणनीति पहले तेज एमए (smallMA) और धीमी एमए (bigMA) की गणना करती है। फिर यह खरीद लाइन (buyMA) की गणना करती है, जो धीमी एमए का (100 - प्रतिशतBelowToBuy)% है। जब तेज एमए खरीद लाइन के ऊपर से ऊपर की ओर पार हो जाती है, तो लंबी हो जाती है; 1% लाभ तक पहुंचने या बिना लाभ के 7 बार रखने पर, बंद स्थिति।

संक्षेप में, रणनीति का उद्देश्य अल्पकालिक लाभ के लिए एमए के बीच "सिंह के दरार" को पकड़ना है। यह व्यापार जोखिम के अनुसार नियंत्रण के लिए लाभ लेने और स्टॉप लॉस शर्तों को भी निर्धारित करता है।

लाभ विश्लेषण

इस रणनीति के निम्नलिखित फायदे हैंः

  1. सरल अवधारणा को समझने और लागू करने में आसान है। दोहरी एमए क्रॉसओवर सबसे बुनियादी तकनीकी संकेतक रणनीति है।

  2. आसान बैकटेस्टिंग. रणनीति सीधे अतिरिक्त कार्यान्वयन के बिना ट्रेडिंगव्यू अंतर्निहित बैकटेस्टर का उपयोग करती है.

  3. शक्तिशाली विज़ुअलाइज़ेशन. ट्रेडिंग व्यू सीधे चार्ट पर ट्रेड सिग्नल और सांख्यिकीय डेटा दिखा सकता है.

  4. नियंत्रित जोखिम. रणनीति प्रति व्यापार हानि को प्रभावी ढंग से नियंत्रित करने के लिए लाभ लेने और हानि रोकने की शर्तें निर्धारित करती है.

  5. लचीला अनुकूलन. उपयोगकर्ता विभिन्न उत्पादों और व्यापारिक शैलियों के अनुरूप एमए मापदंडों और अन्य संकेतकों को समायोजित कर सकते हैं।

जोखिम विश्लेषण

इस रणनीति में निम्नलिखित जोखिम भी हैं:

  1. संभावित रूप से अत्यधिक संकेत दोहरे एमए रणनीतियों में समेकन के दौरान झूठे संकेत उत्पन्न होते हैं।

  2. एकल संकेतक निर्भरता केवल एमए क्रॉस का उपयोग करने से अन्य कारकों को अनदेखा किया जाता है, जिसके परिणामस्वरूप खराब संकेत गुणवत्ता हो सकती है।

  3. मुश्किल पैरामीटर अनुकूलन. इष्टतम एमए संयोजन खोजने के लिए व्यापक गणना की आवश्यकता है.

  4. बैकटेस्ट पूर्वाग्रह. सरल दोहरी एमए रणनीतियाँ अक्सर लाइव ट्रेडिंग की तुलना में बैकटेस्ट में बेहतर प्रदर्शन करती हैं.

  5. कठिन स्टॉप लॉस. निश्चित स्टॉप लॉस स्तर बदलती बाजार स्थितियों के अनुकूल नहीं हो सकते हैं।

अनुकूलन दिशाएँ

इस रणनीति में निम्नलिखित पहलुओं से सुधार किया जा सकता हैः

  1. समेकन के दौरान अप्रभावी संकेतों से बचने के लिए वॉल्यूम और अस्थिरता जैसे अन्य फ़िल्टर जोड़ें।

  2. विपरीत प्रवृत्ति व्यापार से बचने के लिए प्रवृत्ति पूर्वाग्रह को शामिल करें। प्रवृत्ति दिशा निर्धारित करने के लिए लंबी अवधि के एमए जोड़े जा सकते हैं।

  3. मशीन लर्निंग का उपयोग इष्टतम मापदंडों को खोजने के लिए करें, जैसे अनुक्रमिक मापदंड अनुकूलन या आनुवंशिक एल्गोरिदम।

  4. बेहतर लचीलापन के लिए स्टॉप लॉस रणनीतियों को बढ़ाएं, जैसे ट्रैलिंग स्टॉप लॉस और अनुकूलन स्टॉप लॉस।

  5. उच्च संभावना वाले प्रवेश बिंदुओं की पहचान करने के लिए अन्य संकेतकों का उपयोग करके प्रवेश समय को अनुकूलित करें।

  6. अनुकूलित पैरामीटर सेट की स्थिरता में सुधार के लिए मात्रात्मक अनुसंधान और बैकटेस्टिंग करना।

  7. पैरामीटर संयोजनों को व्यवस्थित रूप से अनुकूलित करने और मूल्यांकन करने के लिए स्वचालित व्यापार प्रणाली विकसित करना।

निष्कर्ष

शेर फिसर बैलेंस रणनीति शुरुआती लोगों के लिए सीखने के लिए एक उत्कृष्ट स्टार्टर रणनीति है। यह सरल दोहरे एमए क्रॉसओवर तर्क को लागू करता है और अल्पकालिक मूल्य उतार-चढ़ाव को पकड़ने के लिए लाभ लेने और स्टॉप लॉस नियम निर्धारित करता है। रणनीति को समझना और लागू करना आसान है, और अच्छे बैकटेस्ट परिणाम दिखाता है। हालांकि, यह अनुकूलन कठिनाई और संदिग्ध लाइव प्रदर्शन से पीड़ित है। हम अन्य संकेतकों को शामिल करके, मापदंडों को अनुकूलित करके और स्वचालित ट्रेडिंग सिस्टम विकसित करके रणनीति में सुधार कर सकते हैं। कुल मिलाकर, शेर फिसर बैलेंस रणनीति मात्रात्मक ट्रेडिंग शुरुआती लोगों के लिए एक महान सीखने का मंच प्रदान करती है।


/*backtest
start: 2023-10-02 00:00:00
end: 2023-11-01 00:00:00
period: 1h
basePeriod: 15m
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/

// This source code is subject to the terms of the Mozilla Public License 2.0 at https://mozilla.org/MPL/2.0/
// © TraderHalai
// This script was born out of my quest to be able to display strategy back test statistics on charts to allow for easier backtesting on devices that do not natively support backtest engine (such as mobile phones, when I am backtesting from away from my computer). There are already a few good ones on TradingView, but most / many are too complicated for my needs.
//
//Found an excellent display backtest engine by 'The Art of Trading'. This script is a snippet of his hard work, with some very minor tweaks and changes. Much respect to the original author.
//
//Full credit to the original author of this script. It can be found here: https://www.tradingview.com/script/t776tkZv-Hammers-Stars-Strategy/?offer_id=10&aff_id=15271
//
// This script can be copied and airlifted onto existing strategy scripts of your own, and integrates out of the box without implementation of additional functions. I've also added Max Runup, Average Win and Average Loss per trade to the orignal script.
//
//Will look to add in more performance metrics in future, as I further develop this script.
//
//Feel free to use this display panel in your scripts and strategies.

//Thanks and enjoy! :)
//@version=5
// strategy("Strategy BackTest Display Statistics - TraderHalai", overlay=true, default_qty_value= 5, default_qty_type = strategy.percent_of_equity, initial_capital=10000,  commission_type=strategy.commission.percent, commission_value=0.1)

//DEMO basic strategy - Use your own strategy here -  Jaws Mean Reversion from my profile used here
source = input(title = "Source", defval = close)
smallMAPeriod = input(title = "Small Moving Average", defval = 2)
bigMAPeriod = input(title = "Big Moving Average", defval = 8)
percentBelowToBuy = input(title = "Percent below to buy %", defval = 1)

smallMA = ta.sma(source, smallMAPeriod)
bigMA =  ta.sma(source, bigMAPeriod) 
buyMA = ((100 - percentBelowToBuy) / 100) * ta.sma(source, bigMAPeriod)[0]

buy = ta.crossunder(smallMA, buyMA)
if(buy)
    strategy.entry("BUY", strategy.long)

if(strategy.openprofit >= strategy.position_avg_price * 0.01) // 1% profit target
    strategy.close("BUY")

if(ta.barssince(buy) >= 7) //Timed Exit, if you fail to make 1 percent in 7 candles.
    strategy.close("BUY")
    
///////////////////////////// --- BEGIN TESTER CODE --- ////////////////////////
// COPY below into your strategy to enable display
////////////////////////////////////////////////////////////////////////////////

// strategy.initial_capital = 50000
// // Declare performance tracking variables
// drawTester = input.bool(true, "Draw Tester")
// var balance = strategy.initial_capital
// var drawdown = 0.0
// var maxDrawdown = 0.0
// var maxBalance = 0.0
// var totalWins = 0
// var totalLoss = 0

// // Prepare stats table
// var table testTable = table.new(position.top_right, 5, 2, border_width=1)
// f_fillCell(_table, _column, _row, _title, _value, _bgcolor, _txtcolor) =>
//     _cellText = _title + "\n" + _value
//     table.cell(_table, _column, _row, _cellText, bgcolor=_bgcolor, text_color=_txtcolor)
    
// // Custom function to truncate (cut) excess decimal places
// truncate(_number, _decimalPlaces) =>
//     _factor = math.pow(10, _decimalPlaces)
//     int(_number * _factor) / _factor
    
// // Draw stats table
// var bgcolor = color.new(color.black,0)
// if drawTester
//     if barstate.islastconfirmedhistory
//         // Update table
//         dollarReturn = strategy.netprofit
//         f_fillCell(testTable, 0, 0, "Total Trades:", str.tostring(strategy.closedtrades), bgcolor, color.white)
//         f_fillCell(testTable, 0, 1, "Win Rate:", str.tostring(truncate((strategy.wintrades/strategy.closedtrades)*100,2)) + "%", bgcolor, color.white)
//         f_fillCell(testTable, 1, 0, "Starting:", "$" + str.tostring(strategy.initial_capital), bgcolor, color.white)
//         f_fillCell(testTable, 1, 1, "Ending:", "$" + str.tostring(truncate(strategy.initial_capital + strategy.netprofit,2)), bgcolor, color.white)
//         f_fillCell(testTable, 2, 0, "Avg Win:", "$"+ str.tostring(truncate(strategy.grossprofit / strategy.wintrades, 2)), bgcolor, color.white)
//         f_fillCell(testTable, 2, 1, "Avg Loss:", "$"+ str.tostring(truncate(strategy.grossloss / strategy.losstrades, 2)), bgcolor, color.white)
//         f_fillCell(testTable, 3, 0, "Profit Factor:", str.tostring(truncate(strategy.grossprofit / strategy.grossloss,2)), strategy.grossprofit > strategy.grossloss ? color.green : color.red, color.white)
//         f_fillCell(testTable, 3, 1, "Max Runup:",  str.tostring(truncate(strategy.max_runup, 2 )), bgcolor, color.white)
//         f_fillCell(testTable, 4, 0, "Return:", (dollarReturn > 0 ? "+" : "") + str.tostring(truncate((dollarReturn / strategy.initial_capital)*100,2)) + "%", dollarReturn > 0 ? color.green : color.red, color.white)
//         f_fillCell(testTable, 4, 1, "Max DD:", str.tostring(truncate((strategy.max_drawdown / strategy.equity) * 100 ,2)) + "%", color.red, color.white)
// // --- END TESTER CODE --- ///////////////

अधिक