1. वर्ग
  2. अस्थिरता से फ़िल्टर्ड मार्केट टाइमिंग रणनीति

अस्थिरता से फ़िल्टर्ड मार्केट टाइमिंग रणनीति

लेखक:चाओझांग, दिनांकः 2024-01-15 12:27:47
टैगः

img

अवलोकन

यह रणनीति ऐतिहासिक अस्थिरता के आधार पर एक फ़िल्टर जोड़कर एक उन्नत खरीद और धारण रणनीति को लागू करती है। फ़िल्टर उच्च अस्थिरता बाजार व्यवस्थाओं के दौरान लंबी स्थिति को बंद करता है और अधिकतम ड्रॉडाउन को कम करने के लिए अस्थिरता कम होने पर लंबी स्थिति में फिर से प्रवेश करता है।

रणनीति तर्क

  1. पिछले 100 दिनों में SPY की ऐतिहासिक अस्थिरता की गणना करें
  2. यदि वर्तमान अस्थिरता पिछले 100 दिनों की अस्थिरता के 95वें प्रतिशत से अधिक है, तो उस ट्रेडिंग दिन को फ़िल्टर करें, लंबी स्थिति बंद करें
  3. यदि अस्थिरता 95वें प्रतिशत से नीचे है, तो लंबी स्थिति दर्ज करें

लाभ विश्लेषण

फ़िल्टर के बिना साधारण खरीद और पकड़ की तुलना में, इस रणनीति ने 28 साल की बैकटेस्ट अवधि (7.95% बनाम 9.92%) में वार्षिक रिटर्न में सुधार किया और अधिकतम ड्रॉडाउन (50.79% बनाम 31.57%) को काफी कम कर दिया। इससे पता चलता है कि अस्थिरता फ़िल्टर जोड़ने से रिटर्न में सुधार और कुछ हद तक जोखिम कम हो सकता है।

जोखिम विश्लेषण

मुख्य जोखिम अस्थिरता गणना पद्धति और फ़िल्टर पैरामीटर ट्यूनिंग की सटीकता से आते हैं। यदि अस्थिरता गणना गलत है, तो फ़िल्टर विफल हो जाएगा। यदि फ़िल्टर पैरामीटर खराब (बहुत रूढ़िवादी या आक्रामक) ट्यून किए जाते हैं, तो यह रणनीति रिटर्न को प्रतिकूल रूप से प्रभावित कर सकता है। इसके अलावा, पिछले प्रदर्शन भविष्य के परिणामों की गारंटी नहीं देता है।

अनुकूलन दिशाएँ

अतिरिक्त फ़िल्टर के रूप में अन्य पुष्टिकरण संकेतकों को जोड़ने पर विचार करें, जैसे दीर्घकालिक चलती औसत, एडीएक्स सूचकांक आदि। पैरामीटर ट्यूनिंग भी महत्वपूर्ण है, जैसे विभिन्न लुकबैक अवधि का परीक्षण करना, फ़िल्टरिंग सीमाएं आदि। मशीन लर्निंग और समय श्रृंखला विश्लेषण तकनीकों का उपयोग अस्थिरता पूर्वानुमान मॉडल के निर्माण और अनुकूलन के लिए भी किया जा सकता है।

सारांश

इस रणनीति ने एक सरल अस्थिरता फ़िल्टर के माध्यम से एसपीवाई खरीद और पकड़ रणनीति के रिटर्न में काफी सुधार किया और अधिकतम ड्रॉडाउन को कम कर दिया। यह बाजार शासन की पहचान और परिसंपत्ति आवंटन के महत्व को दर्शाता है। हम अस्थिरता मॉडल को अनुकूलित करके और पुष्टि करने वाले संकेत जोड़कर इसे और परिष्कृत कर सकते हैं।

/*backtest
start: 2023-01-08 00:00:00
end: 2024-01-14 00:00:00
period: 1d
basePeriod: 1h
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/
// 
// @author Sunil Halai
//
// This script has been created to demonstrate the effectiveness of using market regime filters in your trading strategy, and how they can improve your returns and lower your drawdowns
//
// This strategy adds a simple filter (The historical volatility filter, which can be found on my trading profile) to a traditional buy and hold strategy of the index SPY. There are other filters
// that could also be added included a long term moving average / percentile rank filter / ADX filter etc, to improve the returns further.
//
// The filter added closes our long position during periods of volatility that exceed the 95th percentile (or in the top 5% of volatile days)
//
// Have included the back test results since 1993 which is 28 years of data at the time of writing,  Comparing  buy and hold of the SPY (S&P 500), to improved by and hold offered here.
//
// Traditional buy and hold:
//
// Return per year:     7.95   % (ex Dividends)
// Total return :       851.1  %
// Max drawdown:        50.79  %
//
// 'Modified' buy and hold (this script):
//
// Return per year:     9.92    % (ex Dividends)
// Total return:        1412.16 %
// Max drawdown:        31.57   %
//
// Feel free to use some of the market filters in my trading profile to improve and refine your strategies further, or make a copy and play around with the code yourself. This is just 
// a simple example for demo purposes.
//

//@version=4
strategy(title = "Simple way to beat the market [STRATEGY]", shorttitle = "Beat The Market [STRATEGY]", overlay=true, initial_capital=100000, default_qty_type=strategy.percent_of_equity, currency="USD", default_qty_value=100)


upperExtreme = input(title = "Upper percentile filter (Do not trade above this number)", type = input.integer, defval = 95)
lookbackPeriod = input(title = "Lookback period", type = input.integer, defval = 100)

annual = 365
per = timeframe.isintraday or timeframe.isdaily and timeframe.multiplier == 1 ? 1 : 7
hv = lookbackPeriod * stdev(log(close / close[1]), 10) * sqrt(annual / per)

filtered = hv >= percentile_nearest_rank(hv, 100, upperExtreme)

if(not(filtered))
    strategy.entry("LONG", strategy.long)
else
    strategy.close("LONG")
अधिक

2019 FMZ - सभी अधिकार सुरक्षित