गाऊसी तरंग पूर्वानुमान रणनीति

Common strategy

Created: 2024-01-22 12:37:07

Last modified: 3 years ago

Copy: 2

ChaoZhang

1802

Followers

अवलोकन

गॉसियन वेव प्रेडिक्शन रणनीति एक गॉसियन फ़िल्टर पर आधारित मात्रात्मक ट्रेडिंग रणनीति है। यह गॉसियन फ़िल्टर की स्मूथिंग विशेषता का उपयोग करके मूल्य श्रृंखला को कई बार फ़िल्टर करती है, जिससे कई स्मूथ मूल्य श्रृंखलाएँ उत्पन्न होती हैं। फिर इन मूल्य श्रृंखलाओं के बहुपदीय फिटिंग के साथ मिलकर भविष्य के मूल्यों का पूर्वानुमान लगाया जाता है। पूर्वानुमान के परिणामों के आधार पर लॉन्ग या शॉर्ट पोजीशन लेने की सिफारिश की जाती है।

रणनीति का सिद्धांत

इस रणनीति का मूल गॉसियन फ़िल्टर एल्गोरिदम है। गॉसियन फ़िल्टर एक रैखिक स्मूथिंग फ़िल्टर है जो गॉसियन फ़ंक्शन को भार के रूप में उपयोग करता है। रणनीति में पैरामीटर p को फ़िल्टर विंडो आकार के रूप में सेट किया जाता है। फिर त्रिकोणमितीय फ़ंक्शन के माध्यम से फ़िल्टर गुणांक alfa की गणना की जाती है। प्रत्येक मूल्य श्रृंखला ret\[i\] मूल मूल्य श्रृंखला पर i बार गॉसियन फ़िल्टर लगाने के परिणाम को दर्शाती है।

रणनीति पुनरावृत्तीय दृष्टिकोण का उपयोग करती है। पहले alfa और मूल मूल्य श्रृंखला price के साथ पहली बार फ़िल्टर करके ret प्राप्त किया जाता है। फिर ret पर दूसरी बार फ़िल्टर करके ret2 प्राप्त किया जाता है। इस प्रक्रिया को कई बार दोहराया जाता है। अंत में कई मूल्य श्रृंखलाओं को मिलाकर वक्र फिट किया जाता है और भविष्य के मूल्य ret4 का पूर्वानुमान लगाया जाता है। यदि पूर्वानुमानित मूल्य वर्तमान वास्तविक मूल्य से अधिक है, तो लॉन्ग किया जाता है; यदि कम है, तो शॉर्ट किया जाता है।

इस प्रकार कई बार फ़िल्टर करके प्रवृत्ति को अधिक स्मूथ और फिट किया जा सकता है। साथ ही बहुपदीय फिटिंग के साथ मिलकर अल्पकालिक मूल्य प्रवृत्ति का पूर्वानुमान लगाया जा सकता है।

लाभ विश्लेषण

इस रणनीति के निम्नलिखित लाभ हैं:

गॉसियन फ़िल्टर का उपयोग करके मूल्य को स्मूथ किया जाता है। इससे उच्च-आवृत्ति शोर को प्रभावी ढंग से फ़िल्टर किया जा सकता है, जिससे रणनीति अधिक स्थिर हो जाती है।
पुनरावृत्तीय रूप से कई बार फ़िल्टर किया जाता है। इससे मूल्य प्रवृत्ति को बेहतर ढंग से फिट किया जा सकता है और पूर्वानुमान बेहतर होता है।
बहुपदीय फिटिंग पर आधारित मूल्य पूर्वानुमान। इससे अल्पकालिक मूल्य प्रवृत्ति का मॉडल बनाकर ट्रेडिंग सिग्नल उत्पन्न किए जा सकते हैं।
वर्तमान मूल्य और पूर्वानुमानित मूल्य के आधार पर निर्णय लिया जाता है। ट्रेडिंग सिग्नल सीधे प्रवृत्ति पूर्वानुमान से जुड़ा होता है, जिससे ट्रेडिंग के अवसर नहीं छूटते।
कार्यान्वयन सरल, समझने और अनुकूलित करने में आसान। इसे उच्च-आवृत्ति रणनीति के मूल मॉड्यूल के रूप में उपयोग करके अन्य विश्लेषण संकेतकों को शामिल किया जा सकता है।

जोखिम विश्लेषण

इस रणनीति में निम्नलिखित जोखिम भी हैं:

गॉसियन फ़िल्टर के अचानक मूल्य परिवर्तन पर स्मूथिंग प्रभाव के कारण अल्पकालिक ट्रेडिंग अवसर छूट सकते हैं।
बहुपदीय फिटिंग में अति-फिटिंग का जोखिम है। यदि मूल्य परिवर्तन का पैटर्न अचानक बदल जाता है, तो पूर्वानुमान प्रदर्शन खराब हो सकता है।
फ़िल्टर विंडो आकार और फिटिंग बहुपद की डिग्री को सटीक रूप से सेट करने की आवश्यकता है। यदि अनुचित तरीके से सेट किया जाता है, तो यह विफल हो सकता है।
केवल ओपनिंग मूल्य पर ट्रेडिंग सिग्नल के रूप में निर्भर रहना। आंतरिक बाजार में ट्रेडिंग संचालन नहीं किया जा सकता।

अनुकूलन दिशाएँ

इस रणनीति को निम्नलिखित पहलुओं से अनुकूलित किया जा सकता है:

मॉडल प्रशिक्षण और स्लाइडिंग विंडो पुनः प्रशिक्षण तंत्र जोड़ना। इससे रणनीति पैरामीटर गतिशील रूप से समायोजित होते हैं और अति-फिटिंग जोखिम कम होता है।
अधिक मूल्य संकेतक और विशेषताएँ शामिल करना। रणनीति के इनपुट को समृद्ध करके पूर्वानुमान को अधिक स्थिर बनाना।
स्टॉप-लॉस तंत्र जोड़ना। अधिकतम हानि अनुपात निर्धारित करना, ताकि चरम बाजार स्थितियों में बड़े नुकसान से बचा जा सके।
पोजीशन प्रबंधन को अनुकूलित करना। पूर्वानुमान सटीकता और अस्थिरता के आधार पर पोजीशन को गतिशील रूप से समायोजित करना।
मुख्यधारा मशीन लर्निंग मॉडल जैसे LSTM जैसे गहन शिक्षण मॉडल पर आधारित पूर्वानुमान का प्रयास करना। इससे रणनीति की पूर्वानुमान क्षमता और बढ़ाई जा सकती है।

सारांश

यह रणनीति कुल मिलाकर गॉसियन फ़िल्टर और बहुपदीय फिटिंग का उपयोग करके मूल्य पूर्वानुमान करने वाली एक उच्च-आवृत्ति मात्रात्मक रणनीति है। इसमें कुछ लाभ हैं, लेकिन सुधार की गुंजाइश भी है। अधिक विशेषताओं को शामिल करके, गतिशील पैरामीटर समायोजन, स्टॉप-लॉस तंत्र जैसे मॉड्यूल को शामिल करके अनुकूलित किया जा सकता है, जिससे रणनीति का प्रदर्शन बेहतर हो सकता है। यह रणनीति उच्च-आवृत्ति रणनीतियों के लिए आधार प्रदान करती है और आगे अध्ययन के योग्य है।

Source

Pine

/*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")

Strategy parameters