लंदन एसएमए क्रॉसओवर पर आधारित ईटीएच रिवर्सल ट्रेडिंग रणनीति
ChaoZhang
अवलोकन
इस रणनीति का नाम लंदन समय अवधि में SMA क्रॉस ETH रिवर्स ट्रेडिंग रणनीति है। इस रणनीति का मुख्य विचार ETH/USDT की मुख्यधारा की डिजिटल मुद्राओं की व्यापारिक जोड़ी पर रिवर्स ट्रेडिंग करना है, जो कि SMA रेविन्यू के साथ सोने के फोरक्स और डेड फोरक्स सिग्नल के संयोजन के साथ लंदन ट्रेडिंग समय की उच्च तरलता का उपयोग करता है।
रणनीति सिद्धांत
इस रणनीति का मूल तर्क यह है कि पहले लंदन समय के ट्रेडिंग समय को निर्धारित किया जाता है, फिर एक निश्चित चक्र के लिए SMA औसत की गणना की जाती है, और फिर यह निर्धारित करने के लिए कि क्या कीमतें SMA के साथ गोल्डफ़ॉर्क या डेडफ़ॉर्क पर हैं। विशेष रूप से, यह रणनीति पहले लंदन समय के प्रारंभ और अंत को परिभाषित करती है, फिर SMA औसत की लंबाई को 50 चक्रों पर सेट करती है। इस आधार पर, रणनीति ta.sma () फ़ंक्शन का उपयोग करके 50 चक्रों के लिए SMA औसत की गणना करती है। इसके बाद, रणनीति यह निर्धारित करती है कि क्या वर्तमान मूल्य लंदन समय के दौरान है, और क्या यह मापने के समय के भीतर स्थितियों को पूरा करता है। इन दोनों मामलों में, ta.crossover () और ta.cross () फ़ंक्शन का उपयोग करके यह निर्धारित किया जाता है कि क्या कीमतें SMA औसत के साथ गोल्डफ़ॉर्क और डेडफ़ॉर्क पर हैं।
इस रणनीति का एक महत्वपूर्ण लाभ यह है कि यह लंदन समय के दौरान उच्च तरलता का उपयोग करता है, जो बेहतर प्रवेश के अवसर प्रदान करता है। साथ ही, SMA-रेटेड गोल्ड फॉक्स डेड फॉक्स सिग्नल एक क्लासिक और प्रभावी तकनीकी संकेतक संकेत है। इसलिए, यह संयोजन कुछ हद तक झूठे संकेतों को फ़िल्टर कर सकता है, जिससे रणनीति की स्थिरता और लाभप्रदता बढ़ जाती है।
रणनीतिक लाभ
- लंदन समय में उच्च गतिशीलता का लाभ उठाते हुए, बेहतर प्रवेश समय प्राप्त करें
- एसएमए औसत रेखीय कांटा एक क्लासिक और प्रभावी तकनीकी संकेतक संकेत है
- संयोजन में इस्तेमाल किया जा सकता है सिग्नल की गुणवत्ता में सुधार, फ़िल्टर झूठे संकेत
- रिवर्स ट्रेडिंग, शॉर्ट-लाइन ट्रेडिंग के लिए उपयुक्त
- उच्च पूंजी उपयोगिता, लाभप्रदता को बढ़ाने के लिए लाभप्रदता
रणनीतिक जोखिम और समाधान
इस रणनीति में कुछ जोखिम भी हैं, जिनमें शामिल हैंः
- ट्रेंडिंग मार्केट में सोने के फोरक्स के डेड फोरक्स सिग्नल को अक्सर मारा जा सकता है
- गलत एसएमए चक्र सेटिंग, बहुत अधिक झूठे सिग्नल पैदा कर सकता है
- रिवर्स ट्रेडिंग अस्थिरता से ग्रस्त
इन जोखिमों को निम्न तरीकों से नियंत्रित और संबोधित किया जा सकता हैः
- प्रवृत्ति सूचक के साथ संयोजन, प्रवृत्ति के उतार-चढ़ाव के दौरान उपयोग से बचें
- एसएमए मापदंडों का अनुकूलन करें और सर्वोत्तम ट्रेडिंग चक्र खोजें
- स्टॉप लॉस सेट करें, एकल नुकसान को नियंत्रित करें
रणनीति अनुकूलन दिशा
इस रणनीति में निम्नलिखित सुधार किए जा सकते हैं:
- आरएसआई, केडी आदि जैसे अन्य संकेतकों को संयोजन के लिए पेश किया जा सकता है, जिससे सिग्नल की गुणवत्ता में सुधार के लिए बहु-सूचक फ़िल्टरिंग नियम बनता है
- एसएमए औसत रेखा के लिए अनुकूलित करने के लिए चक्र पैरामीटर, इष्टतम ट्रेडिंग चक्र खोजने के लिए
- एक SMA औसत रेखा के आधार पर, एक लंबी समय अवधि के लिए एक औसत रेखा को शामिल किया जा सकता है, जिससे एक बहु-मध्यम रेखा क्रॉस-संयोजन बनता है
- ट्रेडिंग समय को अनुकूलित करें और परीक्षण करें कि कौन से समय सबसे अच्छा काम करते हैं
- सिग्नल को प्रशिक्षित करने और फ़िल्टर करने के लिए मशीन लर्निंग एल्गोरिदम का परिचय
संक्षेप
कुल मिलाकर, इस रणनीति में उच्च तरलता समय ट्रेडिंग और समानांतर क्रॉसिंग के क्लासिक तकनीकी संकेतक के संयोजन के माध्यम से, एक अपेक्षाकृत सरल और व्यावहारिक शॉर्ट-लाइन रिवर्स ट्रेडिंग रणनीति को प्राप्त किया गया है। इस रणनीति में उच्च पूंजी उपयोगिता, तकनीकी संकेतक सरल, लागू करने में आसान आदि के फायदे हैं। लेकिन कुछ जोखिम भी हैं, जिन्हें बेहतर स्थिर लाभप्रदता प्राप्त करने के लिए पैरामीटर, स्टॉप लॉस और ट्रेडिंग समय आदि का परीक्षण और अनुकूलन करने की आवश्यकता है।
/*backtest
start: 2023-01-11 00:00:00
end: 2024-01-17 00:00:00
period: 1d
basePeriod: 1h
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/
//@version=5
strategy("London SMA Strategy ", overlay=true)
// Define London session times
london_session_start_hour = 6
london_session_start_minute = 59
london_session_end_hour = 15
london_session_end_minute = 59
// Define SMA input parameters
sma_length = input.int(50, title="SMA Length")
sma_source = input.source(close, title="SMA Source")
// Calculate SMA
sma = ta.sma(sma_source, sma_length)
// Convert input values to timestamps
london_session_start_timestamp = timestamp(year, month, dayofmonth, london_session_start_hour, london_session_start_minute)
london_session_end_timestamp = timestamp(year, month, dayofmonth, london_session_end_hour, london_session_end_minute)
// Define backtesting time range
start_date = timestamp(2021, 1, 1, 0, 0)
end_date = timenow
// Filter for London session and backtesting time range
in_london_session = time >= london_session_start_timestamp and time <= london_session_end_timestamp
in_backtesting_range = time >= start_date and time <= end_date
// Long condition: Close price crosses above SMA during London session
long_condition = ta.crossover(close, sma)
// Short condition: Close price crosses below SMA during London session
short_condition = ta.crossunder(close, sma)
// Plot SMA for reference
plot(sma, title="SMA", color=color.blue)
// Strategy entries and exits
if (long_condition)
strategy.entry("Long", strategy.long)
if (short_condition)
strategy.entry("Short", strategy.short)