घातीय चलती औसत और मात्रा भार पर आधारित बहु-कारक मात्रात्मक रणनीति
ChaoZhang
अवलोकन
इस रणनीति का नाम सूचकांक चलती औसत और लेन-देन की मात्रा भारित पर आधारित बहु-कारक मात्रात्मक रणनीति है, जो सूचकांक चलती औसत और लेन-देन की मात्रा भारित दोनों कारकों के संयोजन के माध्यम से मात्रात्मक व्यापार को प्राप्त करने के लिए है। यह रणनीति मूल्य प्रवृत्तियों, लेन-देन की मात्रा की जानकारी और नवीनतम मूल्य जानकारी को ध्यान में रखती है, जिससे बाजार के अवसरों को प्रभावी ढंग से पकड़ने में मदद मिलती है।
रणनीति सिद्धांत
इस रणनीति का मुख्य सूचक nRes है, जो सूचकांक चलती औसत xMAVolPrice, लेन-देन की मात्रा सूचकांक चलती औसत xMAVol और नवीनतम समापन मूल्य को जोड़ती है, जिसे निम्नलिखित सूत्रों के माध्यम से गणना की जाती हैः
xMAVolPrice = ema(volume * close, length)
xMAVol = ema(volume, length)
nRes = xMAVolPrice / xMAVol
इसमें, xMAVolPrice समापन मूल्य और लेनदेन की मात्रा के गुणन का एक सूचकांक चलती औसत है, जो मूल्य और लेनदेन की मात्रा के बारे में समग्र जानकारी को दर्शाता है; xMAVol केवल लेनदेन की मात्रा का एक सूचकांक चलती औसत है; और nRes दो सूचकांक चलती औसत का अनुपात है, जो समायोजित मूल्य जानकारी को दर्शाता है।
यह रणनीति nRes को नवीनतम समापन मूल्य के आकार के संबंध में आंकने के द्वारा निर्णय लेती है कि अधिक से अधिक ट्रेडिंग कैसे करेंः
if (nRes < close[1])
做多
if (nRes > close[1])
做空
यदि nRes नवीनतम समापन मूल्य से कम है, तो यह दर्शाता है कि लेन-देन की मात्रा के बाद की कीमत नवीनतम कीमत से कम है, जो एक खरीद संकेत है; यदि nRes नवीनतम समापन मूल्य से अधिक है, तो यह दर्शाता है कि लेन-देन की मात्रा के बाद की कीमत नवीनतम मूल्य से अधिक है, जो एक बेचने का संकेत है।
कुल मिलाकर, इस रणनीति ने व्यापारिक मात्रा के समायोजन के बाद मूल्य सूचक nRes और नवीनतम समापन मूल्य की तुलना की, जो कि एक विशिष्ट मात्रात्मक व्यापारिक रणनीति के अंतर्गत आता है।
श्रेष्ठता विश्लेषण
इस रणनीति के कुछ प्रमुख फायदे हैंः
बहु-कारक जानकारी के संयोजन से। यह रणनीति न केवल मूल्य जानकारी को ध्यान में रखती है, बल्कि ट्रेड वॉल्यूम की जानकारी के संयोजन से, शेयरों की बहु-कारक विशेषताओं का पूरा लाभ उठाती है, जिससे बाजार के रुझान का अधिक सटीक आकलन किया जा सकता है।
झूठे संकेतों को कम करना। लेनदेन की मात्रा को भारित करके, कम लेनदेन के कारण होने वाली कुछ झूठी दरारों को फ़िल्टर किया जा सकता है। यह अनावश्यक लेनदेन को कम करने और रोकथाम से बचने के लिए प्रभावी है।
वास्तविक समय में मजबूत। सरल चलती औसत जैसे संकेतकों की तुलना में, इस रणनीति में सूचकांक चलती औसत नवीनतम डेटा के प्रति अधिक संवेदनशील है और हाल के बाजार परिवर्तनों को जल्दी से पकड़ सकता है।
आसान लागू करना: यह रणनीति सरल और स्पष्ट है, इसे समझना और लागू करना आसान है, और यह मात्रात्मक लेनदेन की आवश्यकताओं के अनुरूप है।
जोखिम विश्लेषण
हालांकि इस रणनीति के कुछ फायदे हैं, लेकिन इसके साथ कुछ जोखिम भी हैं:
लेन-देन की जानकारी विश्वसनीय नहीं है। लेन-देन के संकेतकों को आसानी से हेरफेर किया जा सकता है, यह स्थिर नहीं है और यह भ्रामक हो सकता है।
बहुत अधिक निर्णय लेने के अवसर दुर्लभ होते हैं। इस रणनीति में केवल प्रवृत्ति का पालन करने की रणनीति की तुलना में निर्णय लेने के अवसर अपेक्षाकृत कम होते हैं, जिससे व्यापार की कमी हो सकती है।
पैरामीटर चुनने में कठिनाई। चलती औसत दिन की लंबाई जैसे पैरामीटर का चयन करने से रणनीति के प्रदर्शन पर बहुत प्रभाव पड़ता है, और गलत विकल्प से आय में काफी कमी आ सकती है।
तेजी से चलने वाली स्थितियों में, सूचक गणना नवीनतम कीमतों पर प्रतिक्रिया करने में देरी कर सकती है, जिससे सर्वोत्तम व्यापारिक समय से चूकने का जोखिम होता है।
इसी तरह के समाधानः पैरामीटर सेटिंग अनुकूलित करें, स्थिति आकार को सख्ती से नियंत्रित करें, स्टॉप लॉस स्टॉप सेट करें; अन्य कारक संकेतकों के साथ परीक्षण करें; स्थिति की आवृत्ति को उचित रूप से समायोजित करें।
अनुकूलन दिशा
इस रणनीति को मुख्य रूप से निम्नलिखित दिशाओं में अनुकूलित किया जा सकता हैः
अधिक लचीला स्थिति खोलने का तर्क जब nRes और समापन मूल्य अंतर किसी मूल्यह्रास से अधिक हो तो स्थिति खोलने के लिए, न कि केवल द्विभाषी निर्णय के लिए, अधिक अवसरों को पकड़ने के लिए
स्थिति प्रबंधन तंत्र को बढ़ाया गया। बाजार में उतार-चढ़ाव के आधार पर, प्रत्येक व्यापार के लिए स्थिति का आकार गतिशील रूप से समायोजित किया जा सकता है, और जोखिम को प्रभावी ढंग से नियंत्रित किया जा सकता है।
अन्य कारकों के साथ संयोजन में। अधिक कारकों को शामिल किया जा सकता है, जैसे कि भावनात्मक सूचकांक, मौलिक कारक आदि, ताकि रणनीति निर्णय अधिक व्यापक हो सके।
पैरामीटर अनुकूलन अनुकूलन. आप एल्गोरिदम स्वचालित रूप से अनुकूलन लंबाई जैसे पैरामीटर स्थापित कर सकते हैं, ताकि यह विभिन्न चक्रों की स्थिति विशेषताओं के अनुसार अनुकूलन अनुकूलन कर सके।
मशीन लर्निंग मॉडल का उपयोग करना। आरएनएन जैसे डीप लर्निंग मॉडल का उपयोग करके बहु-आयामी विशेषताओं को मॉडलिंग किया जा सकता है, जो अंत-से-अंत गैर-रैखिक रणनीतियों को लागू करता है।
संक्षेप
इस रणनीति में मूल्य, लेन-देन की मात्रा और अन्य कई कारकों की जानकारी शामिल है, लेन-देन की मात्रा सूचकांक चलती औसत के माध्यम से मूल्य संकेतक को समायोजित करें, और नवीनतम समापन मूल्य के साथ व्यापार की दिशा का निर्णय लें। एकल संकेतक की तुलना में, अधिक जानकारी की मात्रा, झूठे संकेतों को कम करने जैसे फायदे हैं। लेकिन लेन-देन में हेरफेर किए जाने और निर्णय के समय के कम जोखिमों का भी सामना करना पड़ता है। भविष्य में, स्टॉक खोलने के तर्क, स्थिति प्रबंधन, और अधिक कारकों को जोड़ने के लिए सुधार किया जा सकता है, ताकि रणनीति की प्रभावशीलता बेहतर हो सके।
/*backtest
start: 2023-12-01 00:00:00
end: 2023-12-31 23:59:59
period: 1h
basePeriod: 15m
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/
//@version=2
////////////////////////////////////////////////////////////
// Copyright by HPotter v1.0 06/03/2017
// The related article is copyrighted material from Stocks & Commodities 2009 Oct
//
// You can change long to short in the Input Settings
// Please, use it only for learning or paper trading. Do not for real trading.
////////////////////////////////////////////////////////////
strategy(title="Combining Exponential And Volume Weighting", overlay=true)
length = input(22, minval=1)
reverse = input(false, title="Trade reverse")
xMAVolPrice = ema(volume * close, length)
xMAVol = ema(volume, length)
nRes = xMAVolPrice / xMAVol
pos = iff(nRes < close[1], 1,
iff(nRes > close[1], -1, nz(pos[1], 0)))
possig = iff(reverse and pos == 1, -1,
iff(reverse and pos == -1, 1, pos))
if (possig == 1 )
strategy.entry("Long", strategy.long)
if (possig == -1 )
strategy.entry("Short", strategy.short)
barcolor(possig == -1 ? red: possig == 1 ? green : blue )
plot(nRes, color=blue)