लघुगणक-आधारित मूल्य पूर्वानुमान रणनीति
ChaoZhang
अवलोकन
इस रणनीति का उपयोग करता है एक सममित समारोह अनुकरण करने के लिए मूल्य परिवर्तन के आधार पर व्यापार की मात्रा के मानक अंतर और औसत के आधार पर z मान की गणना, एक पैरामीटर इनपुट सममित समारोह के रूप में भविष्य की कीमतों की भविष्यवाणी करने के लिए .
रणनीति सिद्धांत
- समापन मूल्य के लिए आरओसी की गणना करें, सकारात्मक को वॉल्यूम_पोस और नकारात्मक को वॉल्यूम_नेग के रूप में जोड़ें
- volume_pos और volume_neg के अंतर को net_volume के रूप में गणना करें
- net_volume के मानक अंतर net_std और औसत net_sma की गणना करें
- net_sma को net_std से विभाजित करें और z प्राप्त करें
- समापन मूल्य, समापन मूल्य के 20 दिन मानक अंतर, z मान को पैरामीटर के रूप में लेते हुए, लॉजिस्टिक को अगले चक्र की कीमतों की भविष्यवाणी करने के लिए लॉजिस्टिक फ़ंक्शन दर्ज करें
- जब पूर्वानुमानित कीमत 1.005 गुना वर्तमान वास्तविक कीमत से अधिक हो, तो अधिक करें, 0.995 गुना से कम हो तो कम करें
श्रेष्ठता विश्लेषण
यह रणनीति लेनदेन की मात्रा के बारे में सांख्यिकीय जानकारी और एक सममित फलन के मूल्य पूर्वानुमान को जोड़ती है।
इसके कुछ फायदे हैंः
- बाजार की भावना का आकलन करने के लिए ट्रेडों की मात्रा में अंतर का उपयोग करना
- सममित फलन मूल्य परिवर्तन वक्र के अनुरूप है, बेहतर पूर्वानुमान
- रणनीति सरल और लागू करने में आसान है
जोखिम विश्लेषण
इस रणनीति के कुछ जोखिम भी हैं:
- लेन-देन की मात्रा के सूचक में देरी, बाजार में बदलाव को समय पर प्रतिबिंबित करने में असमर्थ
- तर्कसंगत फलन की भविष्यवाणी गलत हो सकती है
- स्टॉपलॉस की कमी, घाटे को नियंत्रित करने में असमर्थ
जोखिम को निम्न तरीकों से कम किया जा सकता हैः
- लेन-देन की मात्रा के संकेत की विश्वसनीयता के लिए अन्य संकेतकों के साथ संयोजन
- अनुदैर्ध्य फ़ंक्शन के पैरामीटर का अनुकूलन, भविष्यवाणी की सटीकता में सुधार
- स्टॉप-लॉस लाइन सेट करें, प्रति यूनिट और कुल मिलाकर अधिकतम नुकसान को सीमित करें
अनुकूलन दिशा
इस रणनीति को और भी बेहतर बनाया जा सकता हैः
- मशीन सीखने के तरीकों का उपयोग करके आनुपातिक कार्यों को गतिशील रूप से अनुकूलित करें
- स्टॉक मूल्य में उतार-चढ़ाव के संकेतकों के साथ समायोजन स्थिति प्रबंधन
- बेयज़ फ़िल्टर जोड़ा गया, फ़िल्टर निष्क्रिय संकेत
- ब्रेकआउट रणनीतियों के साथ, ब्रेकआउट पॉइंट पर प्रवेश करें
- संबद्धता नियम का उपयोग करके मूल्य संकेतों से विचलित
विभिन्न तरीकों के संयोजन के माध्यम से, रणनीति की स्थिरता और लाभप्रदता को और बढ़ाया जा सकता है।
संक्षेप
इस रणनीति में ट्रेड वॉल्यूम आँकड़े और समानांतर फंक्शन पूर्वानुमान को एकीकृत किया गया है, जिससे एक अनूठी मात्रात्मक ट्रेडिंग अवधारणा बनाई गई है। निरंतर अनुकूलन के माध्यम से, यह रणनीति एक कुशल और स्थिर प्रोग्रामेड ट्रेडिंग सिस्टम बन सकती है। मशीन लर्निंग और पोर्टफोलियो ऑप्टिमाइज़ेशन सिद्धांतों के संयोजन के साथ, हम इसके ट्रेडिंग प्रदर्शन को और बढ़ाने के लिए आश्वस्त हैं।
/*backtest
start: 2023-11-19 00:00:00
end: 2023-12-10 00:00:00
period: 1h
basePeriod: 15m
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/
//@version=4
strategy("Logistic", overlay=true )
volume_pos = 0.0
volume_neg = 0.0
roc = roc(close, 1)
for i = 0 to 100
if (roc > 0)
volume_pos := volume
else
volume_neg := volume
volume_net = volume_pos - volume_neg
net_std = stdev(volume_net, 100)
net_sma = sma(volume_net, 10)
z = net_sma / net_std
std = stdev(close, 20)
logistic(close, std, z) =>
m = (close + std)
a = std / close
pt = m / ( 1 + a*exp(-z))
pt
pred = logistic(close, std, z)
buy = pred > close * 1.005
sell = pred < close * 0.995
color = strategy.position_size > 0? #3BB3E4 : strategy.position_size == 0? #FF006E : #6b6b6b
barcolor(color)
if (buy == true)
strategy.entry("Long", strategy.long, comment="Open L")
if (sell == true)
strategy.close("Long", comment="Close L")