1. वर्ग
  2. चलती औसत पर आधारित औसत रिवर्स रिवर्स रणनीति

चलती औसत पर आधारित औसत रिवर्स रिवर्स रणनीति

लेखक:चाओझांग, दिनांक: 2023-12-21 15:45:23
टैगः

img

इस रणनीति का नाम Mean Reversion Reverse Strategy Based on Moving Average है। मुख्य विचार यह है कि जब कीमत प्रमुख चलती औसत से टूटती है और पूर्व निर्धारित लक्ष्यों तक पहुंचने पर लाभ प्राप्त होता है।

इस रणनीति का मुख्य सिद्धांत अल्पकालिक चलती औसत के प्रतिवर्तन का उपयोग करके रेंज-बाउंड बाजारों में रिबाउंड अवसरों को पकड़ना है। विशेष रूप से, जब कीमतें लंबे चक्र चलती औसत (जैसे 20-दिवसीय और 50-दिवसीय एमए) को तोड़ती हैं और मजबूत ओवरसेलिंग के संकेत दिखाती हैं, तो बाजार में उतार-चढ़ाव की औसत प्रतिवर्तन विशेषता के कारण कीमतें कुछ हद तक उछाल लेती हैं। इस समय, यदि कम चक्र चलती औसत (जैसे 10-दिवसीय एमए) ऊपर की ओर पलटाव संकेत दिखाती है, तो यह खरीदने के लिए एक अच्छा समय होगा। इस रणनीति में, यह खरीद करेगा जब कीमत बंद हो जाती है 20-दिवसीय एमए से नीचे जबकि 50-दिवसीय एमए से ऊपर, ताकि अल्पकालिक एमए प्रतिवर्तन के साथ अपनी वापसी को पकड़ सके।

विशिष्ट प्रविष्टि तर्क हैः 20 दिन के एमए के माध्यम से कीमत तोड़ने पर 1 लॉट खरीदें, 50 दिन के एमए के माध्यम से तोड़ने पर 1 लॉट जोड़ें, 100 दिन के एमए के माध्यम से तोड़ने पर 1 लॉट जोड़ना जारी रखें, और अधिकतम 4 लॉट के लिए 200 दिन के एमए के माध्यम से तोड़ने पर 1 लॉट जोड़ें। पूर्व निर्धारित लक्ष्यों तक पहुंचने के बाद लाभ लें। यह समय और स्टॉप लॉस शर्तों को भी निर्धारित करता है।

लाभ विश्लेषण

  1. चलती औसत के उलट-फेर के लक्षणों का उपयोग करके अल्पकालिक रिबाउंड अवसरों को प्रभावी ढंग से पहचानें
  2. पिरामिड आदेशों द्वारा एकल बिंदु के जोखिम को कम करें
  3. लाभ प्राप्त करने के लक्ष्य निर्धारित करके लाभ को लॉक करें
  4. खुली कीमत और पिछली कम कीमत फिल्टर का उपयोग करके झूठे ब्रेकआउट से बचें

जोखिम विश्लेषण

  1. लंबे समय तक होल्डिंग अवधि में रिवर्स जोखिम का सामना कर सकता है। बाजार में गिरावट जारी रहने पर नुकसान बढ़ेगा।
  2. एमए सिग्नल गलत सिग्नल दे सकते हैं, जिससे नुकसान हो सकता है
  3. यदि लाभ लक्ष्य प्राप्त नहीं किया जाता है तो पूर्ण या आंशिक रूप से लाभ प्राप्त करने में विफल हो सकता है

अनुकूलन दिशाएँ

  1. विभिन्न पैरामीटर सेटिंग्स के तहत लाभप्रदता और स्थिरता का परीक्षण करें
  2. प्रविष्टियों को तय करने के लिए एमएसीडी, केडी जैसे अन्य संकेतकों का संयोजन करने पर विचार करें
  3. विभिन्न उत्पादों की विशेषताओं के आधार पर उपयुक्त एमए अवधि चुनें
  4. गतिशील रूप से मापदंडों का अनुकूलन करने के लिए मशीन लर्निंग एल्गोरिदम पेश करें

सारांश

सामान्य तौर पर, यह एक क्लासिक और सार्वभौमिक एमए ट्रेडिंग रणनीति है। यह अल्पकालिक खरीद अवसरों की पहचान करने के लिए कई एमए के साथ संयुक्त एमए की चिकनाई सुविधा का सही उपयोग करता है। यह पिरामिड ऑर्डर और समय पर लाभ लेने से जोखिमों को नियंत्रित करता है। लेकिन महत्वपूर्ण नीति समाचार जैसी बाजार की घटनाओं के लिए इसकी प्रतिक्रिया अधिक निष्क्रिय हो सकती है। यह कुछ ऐसा है जिसे आगे अनुकूलित किया जा सकता है। कुल मिलाकर, पैरामीटर अनुकूलन और जोखिम नियंत्रण में उचित सुधार के साथ, यह रणनीति स्थिर अतिरिक्त रिटर्न प्राप्त कर सकती है।

/*backtest
start: 2023-12-13 00:00:00
end: 2023-12-20 00:00:00
period: 1m
basePeriod: 1m
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/

//@version=5
strategy("EMA_zorba1", shorttitle="zorba_ema", overlay=true)

// Input parameters
qt1 = input.int(5, title="Quantity 1", minval=1)
qt2 = input.int(10, title="Quantity 2", minval=1)
qt3 = input.int(15, title="Quantity 3", minval=1)
qt4 = input.int(20, title="Quantity 4", minval=1)
ema10 = ta.ema(close, 10)
ema20 = ta.ema(close, 20)
ema50 = ta.ema(close, 50)
ema100 = ta.ema(close, 100)
ema200 = ta.ema(close, 200)

// Date range filter
start_date = timestamp(year=2021, month=1, day=1)
end_date = timestamp(year=2024, month=10, day=27)
in_date_range = true

// Profit condition
profit_percentage = input(1, title="Profit Percentage")  // Adjust this value as needed

// Pyramiding setting
pyramiding = input.int(2, title="Pyramiding", minval=1, maxval=10)

// Buy conditions
buy_condition_1 = in_date_range and close < ema20 and close > ema50 and close < open and close < low[1]
buy_condition_2 = in_date_range and close < ema50 and close > ema100 and close < open and close < low[1]
buy_condition_3 = in_date_range and close < ema100 and close > ema200 and close < open and close < low[1]
buy_condition_4 = in_date_range and close < ema200 and close < open and close < low[1]

// Exit conditions
profit_condition = strategy.position_avg_price * (1 + profit_percentage / 100) <= close
exit_condition_1 = in_date_range and (close > ema10 and ema10 > ema20 and ema10 > ema50 and ema10 > ema100 and ema10 > ema200 and close < open) and profit_condition and close < low[1] and close < low[2]
exit_condition_2 = in_date_range and (close < ema10 and close[1] > ema10 and close < close[1] and ema10 > ema20 and ema10 > ema50 and ema10 > ema100 and ema10 > ema200 and close < open) and profit_condition and close < low[1] and close < low[2]

// Exit condition for when today's close is less than the previous day's low
//exit_condition_3 = close < low[1]

// Strategy logic
strategy.entry("Buy1", strategy.long, qty=qt1 * pyramiding, when=buy_condition_1)
strategy.entry("Buy2", strategy.long, qty=qt2 * pyramiding, when=buy_condition_2)
strategy.entry("Buy3", strategy.long, qty=qt3 * pyramiding, when=buy_condition_3)
strategy.entry("Buy4", strategy.long, qty=qt4 * pyramiding, when=buy_condition_4)

strategy.close("Buy1", when=exit_condition_1 or exit_condition_2)
strategy.close("Buy2", when=exit_condition_1 or exit_condition_2)
strategy.close("Buy3", when=exit_condition_1 or exit_condition_2)
strategy.close("Buy4", when=exit_condition_1 or exit_condition_2)
अधिक

2019 FMZ - सभी अधिकार सुरक्षित