1. वर्ग
  2. बहुचक्र अनुकूलन प्रवृत्ति पूर्वानुमान रणनीति

बहुचक्र अनुकूलन प्रवृत्ति पूर्वानुमान रणनीति

लेखक:चाओझांग, दिनांकः 2024-02-01 14:34:38
टैगः

img

अवलोकन

यह रणनीति रुझानों और आउटपुट ट्रेडिंग संकेतों की भविष्यवाणी करने के लिए बाजार संचालन में चरणबद्ध बिंदुओं के साथ संयुक्त, बहु-चक्र अनुकूलनशील चलती औसत और ज़िगज़ैग जोखिम आकलन संकेतकों का उपयोग करती है। रणनीति का नाम Multi-Cycle Adaptive Trend Forecast Strategy है।

रणनीतिक सिद्धांत

रणनीति के मूल तर्क को दो मुख्य रेखाओं में विभाजित किया गया है। पहली मुख्य रेखा एक बहु-चक्र फ़िल्टरिंग निर्णय प्रणाली का निर्माण करने के लिए विभिन्न मापदंडों के साथ अनुकूली चलती औसत nAMA का उपयोग करती है। दूसरी मुख्य रेखा एक बहु-चक्र जोखिम आकलन प्रणाली का निर्माण करने के लिए विभिन्न मापदंडों के साथ ज़िगज़ैग जोखिम आकलन प्रणाली का उपयोग करती है। अंत में, दो मुख्य रेखाओं को संयुक्त किया जाता है। जब लघु चक्र रेखा लंबी चक्र रेखा से अधिक होती है, तो एक खरीद संकेत उत्पन्न होता है। जब लघु चक्र रेखा लंबी चक्र रेखा से नीचे होती है, तो एक बिक्री संकेत उत्पन्न होता है।

विशेष रूप से, पहली मुख्य रेखा क्रमशः 10-चक्र और 4, 24 मापदंडों के अनुकूली चलती औसत निर्धारित करती है। दूसरी मुख्य रेखा क्रमशः 7-चक्र और 4, 300 मापदंडों की ज़िगज़ैग जोखिम आकलन रेखाएं निर्धारित करती है। अंत में, पहली मुख्य रेखा में 10-चक्र रेखा की तुलना दूसरी मुख्य रेखा में 31-चक्र रेखा के साथ एक व्यापार संकेत बनाने के लिए की जाती है। जब 10-चक्र रेखा 31-चक्र रेखा से ऊपर उठती है, तो एक खरीद संकेत उत्पन्न होता है। जब 10-चक्र रेखा 31-चक्र रेखा से नीचे गिरती है, तो एक बिक्री संकेत उत्पन्न होता है।

इसके अलावा, रणनीति एक वॉल्यूम-प्राइस कन्फर्मेशन मॉड्यूल भी सेट करती है। ट्रेडिंग सिग्नल केवल तभी मान्य होते हैं जब ट्रेडिंग वॉल्यूम 6 चक्र औसत ट्रेडिंग वॉल्यूम से अधिक होता है। यह कुछ हद तक झूठे संकेतों को फ़िल्टर कर सकता है। अंत में, रणनीति संदर्भ संकेतों के रूप में विभिन्न चक्र स्तरों के चरण बिंदुओं को खींचती है।

रणनीतिक लाभों का विश्लेषण

इस रणनीति का सबसे बड़ा लाभ बहु-चक्र अनुकूलन संरचनाओं का अनुप्रयोग है, जो गतिशील रूप से चक्रों को समायोजित करने के लिए बाजार की स्थितियों के अनुसार चक्रों को अनुकूलित कर सकते हैं। चाहे ट्रेंड सेक्शन में हो या शॉक क्षेत्रों में, रणनीति की प्रवृत्ति-अनुसरण क्षमता में सुधार के लिए उपयुक्त चक्र पैरामीटर संयोजन पाए जा सकते हैं।

इसके अतिरिक्त, रणनीति व्यापार जोखिमों को प्रभावी ढंग से नियंत्रित करने और उच्च जोखिम वाले चरणों के दौरान पदों की स्थापना से बचने के लिए ज़िगज़ैग जोखिम मूल्यांकन प्रणालियों के बहु-चक्र संयुक्त फ़िल्टरिंग का उपयोग करती है। साथ ही, रणनीति में गलत संकेत उत्पन्न करने से बचने के लिए वॉल्यूम-मूल्य फ़िल्टरिंग शर्तें भी निर्धारित की जाती हैं जब वॉल्यूम-सक्षम अपर्याप्त होता है।

रणनीतिक जोखिमों का विश्लेषण

इस रणनीति का सबसे बड़ा जोखिम यह है कि इसके लिए कई चक्र रेखाओं के समान दिशात्मक निर्णय की आवश्यकता होती है, इसलिए अल्पकालिक उलट बाजारों को पकड़ने की क्षमता खराब होती है। जब अल्पकालिक चक्र रेखाएं और दीर्घकालिक चक्र रेखाएं एक ही समय में बदलती हैं, तो अस्पष्ट संकेत आसानी से उत्पन्न किए जा सकते हैं। अनुकूलन के लिए पैरामीटर चक्रों को छोटा किया जा सकता है।

इसके अतिरिक्त, अनुकूलनशील चलती औसत और ज़िगज़ैग जोखिम आकलन प्रणाली का मुख्य चक्र चरण व्यापक बाजार की तुलना में अपेक्षाकृत छोटा है, और लंबे स्तरों के ड्राइव के कारण कुछ देरी होती है। देरी को कम करने के लिए मुख्य चक्र चरण को उचित रूप से बढ़ाया जा सकता है।

रणनीति अनुकूलन दिशाएं

  1. अनुकूलनशील चलती औसत और ज़िगज़ैग जोखिम आकलन रेखा के मुख्य चक्र मापदंडों को 5 चक्र और 20 चक्रों तक छोटा करना ताकि अल्पकालिक बाजार उलट का पता लगाया जा सके।

  2. लंबे समय तक समतल बाजार ड्राइवरों के तहत देरी को कम करने के लिए मुख्य चक्र मापदंडों को बढ़ाकर 20 चक्र और 50 चक्र करना।

  3. शोर व्यापार की संभावना को कम करने के लिए ट्रेडिंग चैनल पैरामीटर को 0.5 गुना एटीआर चैनल तक अनुकूलित करें।

  4. सिग्नल विश्वसनीयता में सुधार के लिए एमएसीडी जैसे परिणाम सत्यापन संकेतक जोड़ें।

सारांश

यह रणनीति व्यापक रूप से कई तकनीकी संकेतकों का उपयोग करती है जैसे कि अनुकूलनशील चलती औसत, ज़िगज़ैग जोखिम आकलन, और वॉल्यूम-मूल्य विश्लेषण एक बहु-चक्र अनुकूलनशील व्यापार निर्णय प्रणाली का निर्माण करने के लिए। पैरामीटर के अनुकूलन और समायोजन के माध्यम से, इसे विभिन्न प्रकार के बाजारों पर लागू किया जा सकता है, स्वचालित रूप से रुझानों और सीमाओं की पहचान करता है। रणनीति तर्क स्पष्ट और मूल्यवान है, जो एक अनुशंसित मात्रा विधि है।

/*backtest
start: 2023-01-25 00:00:00
end: 2024-01-31 00:00:00
period: 1d
basePeriod: 1h
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/

//@version=2
strategy("Best Rabbit Strategy", shorttitle="Rabbit God",overlay=true)
Length = input(10, minval=1)
xPrice = close
xvnoise = abs(xPrice - xPrice[1])
Fastend = input(2)
Slowend = input(30)
nfastend = 2/(Fastend + 1)
nslowend = 2/(Slowend + 1)
nsignal = abs(xPrice - xPrice[Length])
nnoise = sum(xvnoise, Length)
nefratio = iff(nnoise != 0, nsignal / nnoise, 0)
nsmooth = pow(nefratio * (nfastend - nslowend) + nslowend, 2) 
nAMA = nz(nAMA[1]) + nsmooth * (xPrice - nz(nAMA[1]))

Length2 = input(10, minval=1)
xPrice2 = close
xvnoise2 = abs(xPrice2 - xPrice2[1])
Fastend2 = input(4)
Slowend2 = input(24)
nfastend2 = 2/(Fastend2 + 1)
nslowend2 = 2/(Slowend2 + 1)
nsignal2 = abs(xPrice2 - xPrice2[Length2])
nnoise2 = sum(xvnoise, Length2)
nefratio2 = iff(nnoise2 != 0, nsignal2 / nnoise2, 0)
nsmooth2 = pow(nefratio2 * (nfastend2 - nslowend2) + nslowend2, 2) 
nAMA2 = nz(nAMA2[1]) + nsmooth2 * (xPrice2 - nz(nAMA2[1]))

price = input(hl2)
len = input(defval=7,minval=1)
FC = input(defval=4,minval=1)
SC = input(defval=300,minval=1)
len1 = len/2
w = log(2/(SC+1))
H1 = highest(high,len1)
L1 = lowest(low,len1)
N1 = (H1-L1)/len1
H2 = highest(high,len)[len1]
L2 = lowest(low,len)[len1]
N2 = (H2-L2)/len1
H3 = highest(high,len)
L3 = lowest(low,len)
N3 = (H3-L3)/len
dimen1 = (log(N1+N2)-log(N3))/log(2)
dimen = iff(N1>0 and N2>0 and N3>0,dimen1,nz(dimen1[1]))
alpha1 = exp(w*(dimen-1))
oldalpha = alpha1>1?1:(alpha1<0.01?0.01:alpha1)
oldN = (2-oldalpha)/oldalpha
N = (((SC-FC)*(oldN-1))/(SC-1))+FC
alpha_ = 2/(N+1)
alpha = alpha_<2/(SC+1)?2/(SC+1):(alpha_>1?1:alpha_)
out = (1-alpha)*nz(out[1]) + alpha*price

price2 = input(hl2)
len2 = input(defval=31,minval=1)
FC2 = input(defval=40,minval=1)
SC2 = input(defval=300,minval=1)
len12 = len2/2
w2 = log(2/(SC2+1))
H12 = highest(high,len12)
L12 = lowest(low,len12)
N12 = (H1-L1)/len12
H22 = highest(high,len2)[len12]
L22 = lowest(low,len2)[len12]
N22 = (H22-L22)/len12
H32 = highest(high,len2)
L32 = lowest(low,len2)
N32 = (H32-L32)/len2
dimen12 = (log(N12+N22)-log(N32))/log(2)
dimen2 = iff(N12>0 and N22>0 and N32>0,dimen12,nz(dimen12[1]))
alpha12 = exp(w*(dimen2-1))
oldalpha2 = alpha12>1?1:(alpha12<0.01?0.01:alpha12)
oldN2 = (2-oldalpha2)/oldalpha2
N4 = (((SC2-FC2)*(oldN2-1))/(SC2-1))+FC2
alpha_2 = 2/(N4+1)
alpha2 = alpha_2<2/(SC2+1)?2/(SC2+1):(alpha_2>1?1:alpha_2)
out2 = (1-alpha2)*nz(out2[1]) + alpha2*price2

tf = input(title="Resolution",  defval = "current")
vamp = input(title="VolumeMA",  defval=6)
vam = sma(volume, vamp)

up = high[3]>high[4] and high[4]>high[5] and high[2]<high[3] and high[1]<high[2] and volume[3]>vam[3]
down = low[3]<low[4] and low[4]<low[5] and low[2]>low[3] and low[1]>low[2] and volume[3]>vam[3]
fractalup =  up ? high[3] : fractalup[1] 
fractaldown = down ? low[3] : fractaldown[1]

fuptf = request.security(syminfo.tickerid,tf == "current" ? timeframe.period : tf, fractalup)
fdowntf = request.security(syminfo.tickerid,tf == "current" ? timeframe.period : tf, fractaldown)

plot(fuptf, "FractalUp", color=lime, linewidth=1, style=cross, transp=0, offset =-3, join=false)
plot(fdowntf, "FractalDown", color=red, linewidth=1, style=cross, transp=0, offset=-3, join=false)

buyEntry= nAMA[0]>nAMA2[0] and out[0]>out2[0]
sellEntry= nAMA[0]<nAMA2[0] and out[0]<out2[0]

if (buyEntry)
    strategy.entry("Buy", strategy.long, comment="Long Position Entry")


if (sellEntry)
    strategy.entry("Sell", strategy.short, comment="Short Position Entry")
अधिक

2019 FMZ - सभी अधिकार सुरक्षित