FRAMA और दोहरी चलती औसत पर आधारित चलती औसत क्रॉसओवर ट्रेडिंग रणनीति

लेखक:चाओझांग, दिनांक: 2023-12-22 16:08:23
टैगः

अवलोकन

यह रणनीति पहले 13 अवधि और 26 अवधि के सरल चलती औसत की गणना करती है, और फिर FRAMA संकेतक की गणना करती है। यह तब लंबी हो जाती है जब तेजी से रेखा नीचे से ऊपर की ओर से धीमी रेखा को तोड़ती है, और स्थिति से बाहर निकलती है जब तेजी से रेखा ऊपर से नीचे की ओर से धीमी रेखा को तोड़ती है या जब FRAMA संकेतक ऊपर से नीचे की ओर से समापन मूल्य को तोड़ती है।

रणनीतिक सिद्धांत

यह रणनीति मुख्य रूप से ट्रेडिंग सिग्नल उत्पन्न करने के लिए चलती औसत क्रॉसओवर का उपयोग करती है। जब अल्पकालिक चलती औसत नीचे से ऊपर तक लंबी अवधि के चलती औसत को तोड़ती है, तो यह इंगित करती है कि प्रवृत्ति गिरावट से बढ़ रही है, और लंबी हो जाती है। जब अल्पकालिक चलती औसत लंबी अवधि के नीचे पार करती है, तो यह एक आसन्न उलटफेर का संकेत देती है, और स्थिति को बंद करती है।

इस बीच, FRAMA संकेतक एक सहायक निर्णय के रूप में पेश किया जाता है। FRAMA संकेतक एक अनुकूली चलती औसत रेखा है जिसे फ्रैक्टल बाजार परिकल्पना के आधार पर सुधार किया गया है। विभिन्न अवधियों में मूल्य उतार-चढ़ाव आयाम की लघुगणकीय परिवर्तन दर की गणना करके, यह चलती औसत की चिकनी को गतिशील रूप से समायोजित करने के लिए वास्तविक समय में बाजार के फ्रैक्टल आयाम का अनुमान लगाता है। जब FRAMA संकेतक समापन मूल्य से नीचे पार करता है, तो यह एक प्रवृत्ति उलट संकेत दर्शाता है। चलती औसत क्रॉसओवर संकेत के साथ संयुक्त, यह निर्णय की सटीकता में सुधार करता है।

लाभ विश्लेषण

रणनीति दोहरी चलती औसत क्रॉसओवर और FRAMA संकेतक को जोड़ती है, जो प्रभावी रूप से झूठे ब्रेकआउट संकेतों को फ़िल्टर कर सकती है और ट्रेडिंग संकेतों की गुणवत्ता में सुधार कर सकती है। दोहरी चलती औसत क्रॉसओवर मुख्य रूप से प्रमुख ट्रेडिंग दिशा का न्याय करती है, जबकि सहायक FRAMA निर्णय दोहराने वाले बाजारों में रिवर्सल टाइमिंग को याद करने से बच सकता है।

एकल संकेतक और मॉडल की तुलना में, यह रणनीति सिग्नल की गुणवत्ता में काफी सुधार कर सकती है और गलत आकलन की संभावना को कम कर सकती है। इस बीच, तेजी से और धीमी गति से चलती औसत को मिलाकर, यह फंसने से बचने के लिए प्रवृत्ति का पालन कर सकता है।

जोखिम विश्लेषण

इस रणनीति के मुख्य जोखिम इस तथ्य में निहित हैं कि दोहरी चलती औसत अधिक झूठे ब्रेकआउट संकेत उत्पन्न कर सकती हैं, और FRAMA संकेतक की पैरामीटर सेटिंग्स भी प्रभावशीलता को प्रभावित करेंगी। इसके अलावा, कुछ बाजार स्थितियों में तेज और धीमी लाइनों, FRAMA और समापन कीमतों के बीच क्रॉसओवर के बिना लंबी अवधि हो सकती है, जिसके परिणामस्वरूप कोई व्यापारिक अवसर नहीं होगा।

उपरोक्त जोखिमों को नियंत्रित करने के लिए, चलती औसत अवधि जैसे मापदंडों को तदनुसार समायोजित किया जा सकता है, या अन्य संकेतकों के साथ फ़िल्टर किया जा सकता है। इसके अलावा, FRAMA संकेतक के मापदंडों सहित लंबाई, फ्रैक्टल कारक को भी विभिन्न बाजारों के अनुसार उचित रूप से सेट करने की आवश्यकता है, ताकि अति-सुचारूकरण या अति-संवेदनशीलता से बचा जा सके।

अनुकूलन दिशाएँ

इस रणनीति को निम्नलिखित पहलुओं में अनुकूलित किया जा सकता हैः

इष्टतम पैरामीटर जोड़ी खोजने के लिए चलती औसत के अधिक संयोजनों और अवधियों का परीक्षण करें।
एकल हानि को नियंत्रित करने के लिए स्टॉप लॉस रणनीति जोड़ें।
कम मात्रा में झूठे ब्रेकआउट से बचने के लिए ट्रेडिंग वॉल्यूम संकेतकों को मिलाएं।
वास्तविक समय में बाजार की स्थिति का मूल्यांकन करने और गतिशील रूप से मापदंडों को समायोजित करने के लिए मशीन लर्निंग मॉडल जोड़ें।
निर्णय की गुणवत्ता में सुधार के लिए भावना संकेतकों, समाचारों और अन्य बहु-कारकों को मिलाएं।

निष्कर्ष

यह प्रारंभिक रणनीति दोहरी चलती औसत क्रॉसओवर और FRAMA संकेतक के अनुप्रयोग को जोड़ती है। सादगी और अंतर्ज्ञान को बनाए रखने के आधार पर, इसने सिग्नल की गुणवत्ता में प्रभावी ढंग से सुधार किया है और आगे परीक्षण और अनुकूलन के लायक है। पैरामीटर ट्यूनिंग, नए संकेतक की शुरूआत जैसे अनुकूलन के साथ, इस रणनीति से एक स्थिर और विश्वसनीय व्यापारिक रणनीति बनने की उम्मीद की जा सकती है।

/*backtest
start: 2023-12-14 00:00:00
end: 2023-12-16 00:00:00
period: 30m
basePeriod: 15m
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/

//@version=2
strategy("Fractal Adaptive Moving Average",shorttitle="FRAMA",overlay=true)


ma_fast = sma(close,13)

ma_slow = sma(close,26)
plot(ma_fast,color = green)
plot(ma_slow, color = yellow)
price = input(hl2)
len = input(defval=16,minval=1)
FC = input(defval=1,minval=1)
SC = input(defval=198,minval=1)
len1 = len/2
w = log(2/(SC+1))
H1 = highest(high,len1)
L1 = lowest(low,len1)
N1 = (H1-L1)/len1
H2 = highest(high,len)[len1]
L2 = lowest(low,len)[len1]
N2 = (H2-L2)/len1
H3 = highest(high,len)
L3 = lowest(low,len)
N3 = (H3-L3)/len
dimen1 = (log(N1+N2)-log(N3))/log(2)
dimen = iff(N1>0 and N2>0 and N3>0,dimen1,nz(dimen1[1]))
alpha1 = exp(w*(dimen-1))
oldalpha = alpha1>1?1:(alpha1<0.01?0.01:alpha1)
oldN = (2-oldalpha)/oldalpha
N = (((SC-FC)*(oldN-1))/(SC-1))+FC
alpha_ = 2/(N+1)
alpha = alpha_<2/(SC+1)?2/(SC+1):(alpha_>1?1:alpha_)
out = (1-alpha)*nz(out[1]) + alpha*price
plot(out,title="FRAMA",color=purple,transp=0)
entry() => crossover(ma_fast, ma_slow) and (out < close)
exit() => crossover(ma_slow, ma_fast) or crossunder(out, close)

strategy.entry(id= "MA cross", long = true, when = entry())
strategy.close(id= "MA cross", when = exit())

अधिक

2019 FMZ - सभी अधिकार सुरक्षित