नादराया-वॉटसन प्रतिगमन और एटीआर चैनल पर आधारित रणनीति के बाद की प्रवृत्ति

लेखक:चाओझांग, दिनांकः 2024-02-22 15:15:03
टैगः

अवलोकन

यह रणनीति एक प्रवृत्ति के बाद की रणनीति है जो प्रवृत्ति की दिशा और प्रवेश बिंदुओं की पहचान करने के लिए नादराया-वॉटसन प्रतिगमन और एटीआर चैनल को जोड़ती है। यह तब लंबी हो जाती है जब कीमत निचली रेल से टूट जाती है और जब कीमत ऊपरी रेल से टूट जाती है तो स्थिति बंद हो जाती है। एक स्टॉप लॉस तंत्र भी सेट किया जाता है।

रणनीति तर्क

सबसे पहले, यह रणनीति अलग-अलग लेग के साथ दो प्रतिगमन वक्रों की गणना करने के लिए नादाराया-वॉटसन कर्नेल प्रतिगमन का उपयोग करती है, और प्रवृत्ति की दिशा निर्धारित करने के लिए दो वक्रों के क्रॉसओवर की तुलना करती है। विशेष रूप से, यह क्रमशः एच-पीरियड और एच-लैग-पीरियड के प्रतिगमन वक्रों की गणना करता है। जब एच-लैग-पीरियड वक्र एच-पीरियड वक्र पर पार करता है, तो यह एक लंबा संकेत दर्शाता है। जब एच-लैग-पीरियड वक्र एच-पीरियड वक्र से नीचे पार करता है, तो यह एक छोटा संकेत दर्शाता है।

दूसरा, यह रणनीति प्रवेश बिंदुओं को निर्धारित करने के लिए एटीआर चैनल का उपयोग करती है। ऊपरी रेल प्रतिगमन वक्र प्लस एन-पीरियड एटीआर गुणक है और निचली रेल प्रतिगमन वक्र माइनस एन-पीरियड एटीआर गुणक है। जब कीमत निचली रेल के माध्यम से टूटती है तो यह लंबी जाती है और जब कीमत ऊपरी रेल के माध्यम से टूटती है तो यह छोटी हो जाती है।

अंत में, एक स्टॉप लॉस तंत्र सेट किया जाता है. यदि कीमत स्टॉप लॉस बार के लिए प्रवेश मूल्य से नीचे रहती है, तो स्थिति स्टॉप लॉस द्वारा बंद हो जाएगी.

लाभ विश्लेषण

यह रणनीति प्रतिगमन विश्लेषण और चैनल ब्रेकथ्रू को जोड़ती है, जो प्रवृत्ति की दिशा और गति को अपेक्षाकृत सटीक रूप से पकड़ सकती है। प्रवृत्तियों की पहचान करने के लिए चलती औसत जैसे एकल संकेतकों का उपयोग करने की तुलना में, यह विधि झूठे संकेतों को कम करती है और इस प्रकार रणनीति की स्थिरता में सुधार करती है।

इसके अतिरिक्त, एटीआर चैनल उचित प्रवेश बिंदु निर्धारित करता है, प्रवृत्ति उलट बिंदुओं के आसपास गलत प्रविष्टियों से बचता है। स्टॉप लॉस तंत्र एकल हानि को भी प्रभावी ढंग से नियंत्रित करता है।

इसलिए इस रणनीति में रुझानों की पहचान करने की मजबूत क्षमता, अपेक्षाकृत सटीक प्रविष्टि और निकास, नियंत्रित एकल स्टॉप लॉस जोखिम आदि जैसे फायदे हैं।

जोखिम विश्लेषण

इस रणनीति का सबसे बड़ा जोखिम यह है कि जब कीमत एटीआर चैनल के माध्यम से टूटती है, तो यह सिर्फ एक उलट या समेकन कर सकती है, जिससे प्रवेश के बाद अनुचित प्रवेश या त्वरित स्टॉप लॉस होता है।

इसके अतिरिक्त, दोनों प्रतिगमन वक्रों और एटीआर चैनलों को कुछ पैरामीटर अनुकूलन की आवश्यकता होती है। अनुचित पैरामीटर सेटिंग्स खराब प्रतिगमन विश्लेषण परिणामों या बहुत व्यापक या बहुत संकीर्ण एटीआर रेंज का कारण बन सकती हैं, जो रणनीति के प्रदर्शन को प्रभावित करेगी।

अनुकूलन दिशाएँ

हम रणनीति की स्थिरता और सटीकता में सुधार के लिए रुझान और उलट संकेतों का न्याय करने के लिए अन्य संकेतकों को जोड़ने पर विचार कर सकते हैं, जैसे कि वॉल्यूम, एमएसीडी आदि।

प्रतिगमन विश्लेषण में कर्नेल फ़ंक्शन को भी समायोजित किया जा सकता है, जैसे कि एपेनेचिकोव कर्नेल का परीक्षण करना, यह देखने के लिए कि क्या बेहतर फिटिंग प्रभाव प्राप्त किए जा सकते हैं।

एटीआर अवधि और एटीआर चैनल के गुणक को भी सर्वोत्तम पैरामीटर संयोजन खोजने के लिए बार-बार परीक्षण और अनुकूलन की आवश्यकता होती है।

सारांश

यह रणनीति रुझान की दिशा और ताकत की पहचान करने के लिए प्रतिगमन विश्लेषण और चैनल सफलता के उपयोग को जोड़ती है, उचित बिंदुओं पर प्रवेश करती है, और स्टॉप लॉस सेट करती है, इस प्रकार रणनीति के बाद स्थिर प्रवृत्ति का एहसास होता है। इस रणनीति के आगे परीक्षण और सुधार के लिए अभी भी बहुत जगह है।

/*backtest
start: 2024-01-01 00:00:00
end: 2024-01-31 23:59:59
period: 1h
basePeriod: 15m
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/

//@version=5
strategy("Custom Strategy with Stop Loss and EMA", overlay=true)

src = input(close, title='Source')
h = input(10, title='Lookback Window', tooltip='The number of bars used for the estimation.')
r = input(10, title='Relative Weighting', tooltip='Relative weighting of time frames.')
x_0 = input(50, title='Start Regression at Bar',  tooltip='Bar index on which to start regression.')
lag = input(2, title='Lag', tooltip='Lag for crossover detection.')
stopLossBars = input(3, title='Stop Loss Bars', tooltip='Number of bars to check for stop loss condition.')
emaPeriod = input(46, title='EMA Period',  tooltip='Period for Exponential Moving Averages.')

lenjeje = input(32, title='ATR Period', tooltip='Period to calculate upper and lower band')
coef = input(2.7, title='Multiplier', tooltip='Multiplier to calculate upper and lower band')

// Function for Nadaraya-Watson Kernel Regression
kernel_regression1(_src, _size, _h) =>
    _currentWeight = 0.0
    _cumulativeWeight = 0.0
    for i = 0 to _size + x_0
        y = _src[i] 
        w = math.pow(1 + (math.pow(i, 2) / ((math.pow(_h, 2) * 2 * r))), -r)
        _currentWeight += y * w
        _cumulativeWeight += w
    [_currentWeight, _cumulativeWeight]

// Calculate Nadaraya-Watson Regression
[currentWeight1, cumulativeWeight1] = kernel_regression1(src, h, h)
yhat1 = currentWeight1 / cumulativeWeight1
[currentWeight2, cumulativeWeight2] = kernel_regression1(src, h-lag, h-lag)
yhat2 = currentWeight2 / cumulativeWeight2

// Calculate Upper and Lower Bands
upperjeje = yhat1 + coef * ta.atr(lenjeje)
lowerjeje = yhat1 - coef * ta.atr(lenjeje)

// Plot Upper and Lower Bands
plot(upperjeje, color=color.rgb(0, 247, 8), title="Upper Band", linewidth=2)
plot(lowerjeje, color=color.rgb(255, 0, 0), title="Lower Band", linewidth=2)

// Calculate EMAs
emaLow = ta.ema(low, emaPeriod)
emaHigh = ta.ema(high, emaPeriod)

// Plot EMAs
plot(emaLow, color=color.rgb(33, 149, 243, 47), title="EMA (Low)", linewidth=2)
plot(emaHigh, color=color.rgb(255, 153, 0, 45), title="EMA (High)", linewidth=2)

// Long Entry Condition
longCondition = low < lowerjeje
strategy.entry("Long", strategy.long, when=longCondition)

// Stop Loss Condition
stopLossCondition = close[1] < strategy.position_avg_price and close[2] < strategy.position_avg_price and close[3] < strategy.position_avg_price
strategy.close("Long", when=stopLossCondition)

// Close and Reverse (Short) Condition
shortCondition = high > upperjeje
strategy.close("Long", when=shortCondition)
strategy.entry("Short", strategy.short, when=shortCondition)

अधिक

2019 FMZ - सभी अधिकार सुरक्षित