गाऊसी तरंग पूर्वानुमान रणनीति
ChaoZhang
अवलोकन
गॉस वेव पूर्वानुमान रणनीति एक मात्रात्मक ट्रेडिंग रणनीति है जो गॉस वेव पर आधारित है। यह गॉस वेव की चिकनाई विशेषताओं का उपयोग करके मूल्य श्रृंखलाओं को कई बार फ़िल्टर करता है, जिससे कई चिकनाई के बाद मूल्य श्रृंखलाएं उत्पन्न होती हैं। फिर इन मूल्य श्रृंखलाओं के बहुपद संयोग को जोड़कर भविष्य की कीमतों की भविष्यवाणी की जाती है। पूर्वानुमान के परिणामों के आधार पर, लंबी स्थिति या छोटी स्थिति की सिफारिश की जाती है।
रणनीति सिद्धांत
इस रणनीति के केंद्र में गॉथ्स फ़िल्टर एल्गोरिथ्म है। गॉथ्स फ़िल्टर एक रैखिक चिकनाई फ़िल्टर है जो गॉथ्स फ़ंक्शन को भार के रूप में उपयोग करता है। रणनीति में, पैरामीटर p को फ़िल्टर विंडो आकार के रूप में सेट किया गया है। फिर त्रिकोण फ़ंक्शन के माध्यम से फ़िल्टर गुणांक अल्फा की गणना की जाती है।[i] मूल मूल्य अनुक्रम पर i बार गॉस्टन लहरों के बाद के परिणामों को दर्शाता है।
रणनीति एक पुनरावर्ती विचार का उपयोग करती है। पहले अल्फा और मूल मूल्य अनुक्रम price का उपयोग करके, पहली फ़िल्टर लहर ret की गणना की जाती है। फिर ret2 प्राप्त करने के लिए ret2 के आधार पर दूसरी लहर की गणना की जाती है। इस तरह कई बार दोहराया जाता है। अंत में, कई मूल्य अनुक्रमों को मिलाकर, भविष्य की कीमत ret4 की भविष्यवाणी करने के लिए एक वक्र तैयार किया जाता है। यदि भविष्यवाणी की गई कीमत वर्तमान वास्तविक कीमत से अधिक है, तो अधिक करें; यदि वर्तमान कीमत से कम है, तो खाली करें।
इस प्रकार, कई तरंगों के माध्यम से, एक अधिक सुचारू और संरेखित प्रवृत्ति की कल्पना की जा सकती है। साथ ही, बहु-पद संरेखण के साथ, यह अल्पकालिक मूल्य आंदोलन की भविष्यवाणी करने के लिए संभव है।
श्रेष्ठता विश्लेषण
इस रणनीति के निम्नलिखित फायदे हैं:
उच्च आवृत्ति शोर को प्रभावी रूप से फ़िल्टर करें, जिससे रणनीति अधिक स्थिर हो।
पुनरावर्ती फ़िल्टरिंग के माध्यम से कई बार फ़िल्टर किया जाता है। यह मूल्य प्रवृत्तियों को बेहतर ढंग से समायोजित करने और बेहतर पूर्वानुमान प्रदान करने में मदद करता है।
बहु-आयामी मिलान पर आधारित मूल्य पूर्वानुमान. अल्पकालिक मूल्य आंदोलनों को मॉडल किया जा सकता है, जिससे ट्रेडिंग सिग्नल उत्पन्न होते हैं.
वर्तमान मूल्य और पूर्वानुमान मूल्य के संयोजन पर निर्णय लेना। ट्रेडिंग सिग्नल को सीधे ट्रेंड पूर्वानुमान के साथ जोड़ा जाता है ताकि ट्रेडिंग के अवसरों को याद न किया जा सके।
सरल, समझने में आसान और अनुकूलन योग्य। उच्च आवृत्ति रणनीतियों के लिए एक बुनियादी मॉड्यूल के रूप में कार्य करता है, अन्य विश्लेषणात्मक संकेतकों को बढ़ाता है।
जोखिम विश्लेषण
इस रणनीति के साथ निम्नलिखित जोखिम भी हैं:
गॉस फिल्टर अचानक कीमतों में बदलाव को चिकना करने में मदद करता है, जो कि अल्पकालिक व्यापार के अवसरों को खो सकता है।
बहुआयामी अनुकूलन में अति-अनुकूलन का जोखिम होता है। यदि मूल्य परिवर्तन पैटर्न में परिवर्तन होता है, तो यह पूर्वानुमान की प्रभावशीलता को कम कर सकता है।
फ़िल्टर खिड़की का आकार और बहुपदों के लिए उपयुक्त चरणों को सटीक रूप से सेट करने की आवश्यकता होती है। यदि यह गलत है तो यह विफल हो सकता है।
ट्रेडिंग सिग्नल के रूप में केवल ओपन डिस्क मूल्य पर निर्भर करना।
अनुकूलन दिशा
इस रणनीति को निम्नलिखित पहलुओं से अनुकूलित किया जा सकता हैः
मॉडल प्रशिक्षण और स्लाइडिंग विंडो को फिर से प्रशिक्षित करने के लिए एक तंत्र जोड़ें। रणनीति मापदंडों को गतिशील रूप से समायोजित करने के लिए, ओवरफिट के जोखिम को कम करें।
अधिक मूल्य संकेतकों और विशेषताओं के साथ। अधिक रणनीति इनपुट, अधिक स्थिर भविष्यवाणी।
अधिकतम हानि अनुपात सेट करें ताकि चरम परिस्थितियों में बड़े नुकसान से बचा जा सके।
स्थिति प्रबंधन को अनुकूलित करना। स्थिति को गतिशील रूप से पूर्वानुमान सटीकता और उतार-चढ़ाव के आधार पर समायोजित करना।
मुख्यधारा के मशीन लर्निंग मॉडल पर आधारित भविष्यवाणियों की कोशिश करें। जैसे कि एलएसटीएम जैसे गहन सीखने वाले मॉडल। रणनीति भविष्यवाणी क्षमता को और बढ़ाएं।
संक्षेप
इस रणनीति के लिए कुल मिलाकर एक उच्च आवृत्ति मात्रात्मक रणनीति का उपयोग गॉस स्टीरियो वेव और बहुपद मिलान के लिए कीमतों की भविष्यवाणी. यह कुछ फायदे हैं, लेकिन वहाँ भी सुधार के लिए जगह है. यह अधिक सुविधाओं के संयोजन के माध्यम से अनुकूलित किया जा सकता है, गतिशील मापांक और रोकथाम तंत्र जैसे मॉड्यूल की शुरूआत. इस रणनीति के आधार पर उच्च आवृत्ति रणनीति, आगे की जांच के लायक है.
/*backtest
start: 2023-01-15 00:00:00
end: 2024-01-21 00:00:00
period: 1d
basePeriod: 1h
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/
//@version=2
strategy("Gaussbot v1.0", overlay=true)
p = input(20, minval=1, title="Length")
price = input(open, title="Source")
pi=3.1415926535
w=2*pi/p
beta = (1 - cos(w))/(pow(1.414,2.0/3) - 1)
alfa = -beta + sqrt(beta*beta + 2*beta)
ret= pow(alfa,4)*price+4*(1-alfa)*nz(ret[1])-6*pow(1-alfa,2)*nz(ret[2])+4*pow(1-alfa,3)*nz(ret[3])-pow(1-alfa,4)*nz(ret[4])
ret2 = pow(alfa,4)*ret+4*(1-alfa)*nz(ret2[1])-6*pow(1-alfa,2)*nz(ret2[2])+4*pow(1-alfa,3)*nz(ret2[3])-pow(1-alfa,4)*nz(ret2[4])
ret3 = pow(alfa,4)*ret2+4*(1-alfa)*nz(ret3[1])-6*pow(1-alfa,2)*nz(ret3[2])+4*pow(1-alfa,3)*nz(ret3[3])-pow(1-alfa,4)*nz(ret3[4])
ret4 = 3*ret-3*ret2+ret3
diff2 = nz(ret[1]) - nz(ret[2]) - (nz(ret[2]) - nz(ret[3]) )
diff22 = nz(ret2[1]) - nz(ret2[2]) - (nz(ret2[2]) - nz(ret2[3]) )
diff23 = nz(ret3[1]) - nz(ret3[2]) - (nz(ret3[2]) - nz(ret3[3]) )
diff24 = nz(ret4[1]) - nz(ret4[2]) - (nz(ret4[2]) - nz(ret4[3]) )
longCondition = price[0] - ret4[1] > 0
shortCondition = price[0] - ret4[1] < 0
if(longCondition and shortCondition)
longCondition = longCondition[1]
shortCondition = shortCondition[1]
if(longCondition==false and shortCondition==false)
longCondition = longCondition[1]
shortCondition = shortCondition[1]
if (longCondition==true and shortCondition == false)
strategy.entry("Gaussbot Long", strategy.long )
if (longCondition==false and shortCondition == true)
strategy.entry("Gaussbot Short", strategy.short)