गति-आधारित ट्रेडिंग रणनीतियाँ
ChaoZhang
अवलोकन
यह रणनीति शेयरों की गतिशीलता और लेनदेन की मात्रा के संकेतकों के आधार पर खरीद और बिक्री के लिए निर्णय लेती है। जब शेयरों की कीमतों में उतार-चढ़ाव तेज होता है और लेनदेन की मात्रा में वृद्धि होती है, तो खरीदारी की जाती है; जब शेयरों की कीमतों में गिरावट तेज होती है और लेनदेन की मात्रा में वृद्धि होती है, तो बिक्री की जाती है। यह रणनीति बाजार के सामूहिक व्यवहार से उत्पन्न अल्पकालिक मूल्य गति को पकड़ती है।
रणनीति सिद्धांत
स्टॉक मूल्य परिवर्तन की प्रवृत्ति की ताकत और अवधि गतिशीलता को निर्धारित करती है। यह रणनीति पिछले दिन से स्टॉक की कीमत में बदलाव की मात्रा की गणना करके मूल्य गतिशीलता का न्याय करती है। जब कीमत लगातार बढ़ रही है, तो गतिशीलता सकारात्मक है; जब कीमत लगातार गिर रही है, तो गतिशीलता नकारात्मक है। यह रणनीति ट्रेड वॉल्यूम इंडिकेटर के साथ-साथ है। केवल तभी खरीदारी और बिक्री संकेत जारी किए जाते हैं जब ट्रेड वॉल्यूम हाल के 20 दिनों के औसत से काफी अधिक होता है।
विशेष रूप से, खरीद की शर्तें गतिशीलता संकेतक पर 0 पहनती हैं और 20 दिनों के औसत लेनदेन से 2 गुना अधिक लेनदेन की मात्रा होती है; बेचने की शर्तें गतिशीलता संकेतक के नीचे 0 पहनती हैं और 20 दिनों के औसत लेनदेन से 2 गुना अधिक लेनदेन की मात्रा होती है। खरीद के बाद स्टॉप स्टॉप 0.8 गुना खरीद मूल्य और स्टॉप स्टॉप 0.5 गुना खरीद मूल्य है; बिक्री के बाद सेट स्टॉप और स्टॉप लॉस इसके विपरीत है।
रणनीतिक लाभ
इस रणनीति का सबसे बड़ा लाभ यह है कि यह बाजार के अल्पकालिक रुझानों और भीड़ के व्यवहार को पकड़ता है। जब स्टॉक की कीमतें लगातार बढ़ती या गिरती हैं, तो बड़ी संख्या में खुदरा विक्रेताओं और संस्थानों को मजबूत शेयर मूल्य गतिशीलता का पालन करने के लिए व्यापार करना पड़ता है। यह स्व-संवर्धित अल्पकालिक मूल्य प्रवृत्तियों का निर्माण करता है। यह रणनीति इस बाजार की भावना को पकड़ने के लिए है और अतिरिक्त निवेश रिटर्न उत्पन्न करती है।
रणनीतिक जोखिम
सबसे पहले, शेयरों की कीमतों में अल्पकालिक उतार-चढ़ाव को पूरी तरह से पूर्वानुमानित और नियंत्रित नहीं किया जा सकता है। अचानक घटनाओं के कारण कीमतों में भारी उलटफेर का जोखिम है, जिसके दौरान स्टॉपलॉस सिस्टम पूरी तरह से नुकसान से बचने में असमर्थ है। दूसरा, ट्रेड वॉल्यूम डेटा की गुणवत्ता में असमानता है। कुछ शेयरों के लिए ट्रेड वॉल्यूम के मानव-नियन्त्रित होने की संभावना को पूरी तरह से बाहर नहीं किया जा सकता है, जिससे ट्रेडिंग सिग्नल को विकृत किया जा सकता है। फिर से, केवल कीमतों और ट्रेड वॉल्यूम के सरल निर्णयों के आधार पर बाजार के अल्पकालिक रुझानों को ठीक से नियंत्रित नहीं किया जा सकता है। जब बाजार में बड़े पैमाने पर संरचनात्मक बदलाव होते हैं, तो रणनीति की प्रभावशीलता प्रभावित होती है।
रणनीति अनुकूलन दिशा
अधिक डेटा स्रोतों को जोड़ने पर विचार किया जा सकता है ताकि रणनीति की प्रभावशीलता बढ़ सके। उदाहरण के लिए, सोशल मीडिया जैसे इंटरनेट प्लेटफार्मों में संबंधित शेयरों की चर्चा की मात्रा को शामिल करना। जब किसी शेयर की प्रासंगिक चर्चा में स्पष्ट वृद्धि होती है, तो यह भविष्य में शेयर की कीमत में बदलाव का संकेत देने की संभावना है। यह रणनीति के लिए सहायक खरीद और बिक्री संकेत के रूप में काम कर सकता है। इसके अलावा, शेयरों के बुनियादी संकेतक जैसे कि मार्जिन रेट, नेट मार्केट रेट आदि को जोड़ने पर भी विचार किया जा सकता है। यह मूल्य परिवर्तन की स्थिरता को और अधिक सत्यापित करने और गलत व्यापार की संभावना को कम करने में मदद करता है।
संक्षेप
इस रणनीति में शेयरों की कीमतों की गतिशीलता के संकेतकों और व्यापार की मात्रा के संकेतकों के समग्र परिवर्तन को पकड़ने के लिए, बाजार के अल्पकालिक रुझानों और भीड़ के व्यवहार के बारे में निर्णय लेने के लिए। इस तरह के बड़े डेटा और व्यवहार वित्त सिद्धांतों पर आधारित एक मात्रात्मक निवेश रणनीति, पारंपरिक निवेश रणनीतियों की तुलना में उच्च प्रत्याशित रिटर्न है। लेकिन इसके साथ ही जोखिमों को अच्छी तरह से समझने और बचाव करने की आवश्यकता है, और व्यापार प्रभावशीलता को बढ़ाने के लिए रणनीति के इनपुट मापदंडों को लगातार अनुकूलित करने की आवश्यकता है।
/*backtest
start: 2022-12-12 00:00:00
end: 2023-12-18 00:00:00
period: 1d
basePeriod: 1h
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/
//@version=5
strategy('Momentum and Volume Bot', overlay=true)
// Define strategy parameters
profit_target_percent = input(0.8, title='Profit Target (%)')
stop_loss_percent = input(0.5, title='Stop Loss (%)')
volume_threshold = input(2, title='Volume Threshold')
// Calculate momentum
momentum = close - close[1]
// Calculate average volume
avg_volume = ta.sma(volume, 20)
// Buy condition
buy_condition = ta.crossover(momentum, 0) and volume > avg_volume * volume_threshold
// Sell condition
sell_condition = ta.crossunder(momentum, 0) and volume > avg_volume * volume_threshold
// Strategy logic
strategy.entry('Buy', strategy.long, when=buy_condition)
strategy.entry('Sell', strategy.short, when=sell_condition)
// Set profit target and stop loss
strategy.exit('Take Profit/Stop Loss', from_entry='Buy', profit=close * profit_target_percent / 100, loss=close * stop_loss_percent / 100)
strategy.exit('Take Profit/Stop Loss', from_entry='Sell', profit=close * profit_target_percent / 100, loss=close * stop_loss_percent / 100)
// Plotting
plotshape(series=buy_condition, title='Buy Signal', color=color.new(color.green, 0), style=shape.triangleup, size=size.small)
plotshape(series=sell_condition, title='Sell Signal', color=color.new(color.red, 0), style=shape.triangledown, size=size.small)