ऐतिहासिक अस्थिरता पर आधारित बाजार समय रणनीतियाँ
ChaoZhang
अवलोकन
इस रणनीति में एक ऐतिहासिक उतार-चढ़ाव पर आधारित फ़िल्टर को जोड़कर एक सुधारित संस्करण खरीदें और रखें रणनीति को लागू किया गया है। फ़िल्टर का कार्य बाजार में उच्च अस्थिरता के दौरान खरीदें और खरीदें स्थिति को बंद करना है, और कम अस्थिरता के दौरान खरीदें स्थिति को फिर से स्थापित करना है, जिससे रणनीति की अधिकतम वापसी कम हो जाती है।
रणनीति सिद्धांत
- पिछले 100 दिनों में SPY की ऐतिहासिक उतार-चढ़ाव की गणना करें
- यदि वर्तमान अस्थिरता पिछले 100 दिनों की अस्थिरता के 95 अंकों से अधिक है, तो उस ट्रेडिंग दिन को फ़िल्टर करें और एक खरीदें स्थिति बंद करें
- यदि अस्थिरता 95 अंकों से कम है, तो एक खरीदें स्थिति स्थापित करें
श्रेष्ठता विश्लेषण
बिना फ़िल्टर के एक साधारण खरीदें और रखें रणनीति की तुलना में, इस रणनीति में 28 साल की रिट्रेसमेंट अवधि में वार्षिक रिटर्न में वृद्धि हुई है (7.95% बनाम 9.92%) और अधिकतम निकासी में भारी गिरावट आई है (५०.७९% बनाम ३१.५७%) । यह दर्शाता है कि बाजार में अस्थिरता फ़िल्टर को शामिल करने से रणनीति की रिटर्न में कुछ हद तक सुधार हो सकता है और जोखिम कम हो सकता है।
जोखिम विश्लेषण
इस रणनीति का मुख्य जोखिम उतार-चढ़ाव की गणना के तरीके और फ़िल्टर पैरामीटर सेटिंग की सटीकता में है। यदि उतार-चढ़ाव की गणना सटीक नहीं है, तो फ़िल्टर विफल हो जाएगा; यदि फ़िल्टर पैरामीटर सेटिंग बहुत रूढ़िवादी या बहुत कट्टरपंथी है, तो रणनीति के लाभ पर प्रतिकूल प्रभाव पड़ेगा। इसके अलावा, Past performance is not indicative of future results, रणनीति का ऐतिहासिक प्रदर्शन भविष्य के परिणाम का प्रतिनिधित्व नहीं करता है।
अनुकूलन दिशा
अन्य फ़िल्टर संकेतकों को पुष्टि के संकेत के रूप में शामिल करने पर विचार किया जा सकता है, जैसे कि दीर्घकालिक चलती औसत, बड़े डिस्क सूचकांक ADX सूचकांक आदि। इसके अलावा, पैरामीटर समायोजन अनुकूलन भी महत्वपूर्ण है, जैसे कि विभिन्न लुकबैक अवधि, फ़िल्टरिंग थ्रेसहोल्ड आदि के परीक्षण के लिए पैरामीटर सेटिंग्स। मशीन लर्निंग और समय-सीमा विश्लेषण तकनीक का उपयोग अस्थिरता की भविष्यवाणी के लिए मॉडल बनाने और अनुकूलित करने के लिए भी किया जा सकता है।
संक्षेप
इस रणनीति ने एक सरल ऐतिहासिक अस्थिरता आधारित फ़िल्टर के माध्यम से एसपीवाई खरीदें और धारण करें रणनीति की रिटर्न दर में काफी वृद्धि की है, और साथ ही साथ अधिकतम निकासी को भी काफी कम कर दिया है। यह बाजार की स्थिति की पहचान और परिसंपत्ति विनियोजन के महत्व को साबित करता है। हम अस्थिरता मॉडल को अनुकूलित करने और पुष्टि संकेतों को जोड़कर रणनीति को और बेहतर बना 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")