मूविंग एवरेज रिवर्सन रणनीति
ChaoZhang
अवलोकन
चलती औसत औसत प्रतिक्रिया रणनीति एक बहुत ही सरल प्रवृत्ति ट्रेडिंग रणनीति है। इसका मुख्य विचार यह है कि जब अल्पकालिक चलती औसत लंबी अवधि की चलती औसत से कम है तो एक निश्चित प्रतिशत अधिक है, और जब यह लंबी अवधि की चलती औसत को पार करता है तो यह एक लंबी अवधि की चलती औसत को पार करता है। यह रणनीति पहले एक छोटी और एक लंबी अवधि की चलती औसत की गणना करती है, और फिर दो चलती औसत के संबंध के आधार पर एक व्यापारिक संकेत उत्पन्न करती है।
रणनीति सिद्धांत
यह रणनीति मुख्य रूप से दो चलती औसत पर निर्भर करती है, एक अल्पकालिक चलती औसत और एक दीर्घकालिक चलती औसत। अल्पकालिक चलती औसत पैरामीटर smallMAPeriod है, और दीर्घकालिक चलती औसत पैरामीटर bigMAPeriod है। रणनीति पहले इन दो चलती औसत की गणना करती है और फिर दो चलती औसत के आकार के बीच संबंध की तुलना करती है।
जब अल्पकालिक चलती औसत ऊपर से नीचे लंबी अवधि के चलती औसत के एक निश्चित प्रतिशत से नीचे गिरता है (percentBelowToBuy पैरामीटर द्वारा निर्धारित), तो एक खरीद संकेत उत्पन्न होता है, अधिक बाजार में प्रवेश करता है। जब अल्पकालिक चलती औसत बाद में बढ़ता है, और लंबी अवधि के चलती औसत को फिर से पार करता है, तो एक बेचने का संकेत उत्पन्न होता है, बियर।
यह रणनीति अल्पकालिक चलती औसत और दीर्घकालिक चलती औसत के बीच औसत मूल्य की वापसी के अवसरों को पकड़ती है। जब अल्पकालिक चलती औसत दीर्घकालिक चलती औसत से कुछ हद तक कम होता है, तो यह दर्शाता है कि परिसंपत्ति को कम करके आंका जा सकता है, औसत मूल्य में वापसी के अवसर होने चाहिए, और अधिक करने से एक रिबाउंड मुनाफा हो सकता है।
श्रेष्ठता विश्लेषण
चलती औसत औसत प्रतिक्रिया रणनीति के निम्नलिखित फायदे हैंः
- सरल, समझने और लागू करने में आसान
- बाजार में आने वाले बदलावों को समझने के लिए अल्पकालिक और दीर्घकालिक रुझानों के टर्निंग पॉइंट को कैप्चर करना
- अधिक ट्रेडिंग सिग्नल के लिए फ्लेक्सिबल पैरामीटर सेटिंग, जो कि मूविंग एवरेज चक्र और रियायती प्रतिशत को समायोजित कर सकता है
- अनुकरण अनुकूलन के लिए एक सरल प्रतिक्रिया प्रक्रिया
इस रणनीति को सरल पैरामीटर अनुकूलित करने से अच्छा परिणाम मिल सकता है। स्टॉक, विदेशी मुद्रा, क्रिप्टोकरेंसी और अन्य विभिन्न बाजार परिसंपत्तियों के लिए एक रिटर्न्स का उपयोग करके, चलती औसत पैरामीटर और रियायती प्रतिशत पैरामीटर को समायोजित करके, पैरामीटर के सर्वोत्तम संयोजन का चयन किया जा सकता है।
जोखिम विश्लेषण
इस प्रकार, एक औसत चलाने वाली रणनीति में कुछ जोखिम भी होते हैं:
- कम सिग्नल, अधिक लेनदेन नहीं
- कीमतों में गिरावट की संभावना
- अनुचित पैरामीटर के कारण अधिक लेनदेन लागत और स्लाइड-ऑफ हानि हो सकती है जो बहुत बार व्यापार करती है
जोखिम को निम्न तरीकों से कम किया जा सकता हैः
- ट्रेडिंग सिग्नल के लिए पैरामीटर को ठीक से समायोजित करें
- ब्रेक-आउट और फिर ब्रेक-इन मोड का उपयोग करके, फर्जी ब्रेक-आउट से बचें
- पैरामीटर संयोजन का अनुकूलन करें, चलती औसत आवृत्ति और रियायत प्रतिशत का चयन करें
अनुकूलन दिशा
चलती औसत औसत प्रतिक्रिया रणनीति को निम्नलिखित पहलुओं से अनुकूलित किया जा सकता हैः
- विभिन्न मूल्य डेटा जैसे कि समापन मूल्य, उच्चतम मूल्य, निम्नतम मूल्य और विशिष्ट मूल्य को रणनीति संकेत के स्रोत के रूप में परीक्षण करना
- विभिन्न प्रकार के चलती औसत का प्रयोग करें, जैसे सूचकांक चलती औसत, रैखिक भारित चलती औसत, हल चलती औसत आदि
- अनावश्यक लेनदेन से बचने के लिए फ़िल्टरिंग की शर्तें बढ़ाएं
- मूल्य वृद्धि से बचने के लिए लेनदेन की मात्रा के संकेतकों के साथ झूठे ब्रेकआउट, लेकिन पर्याप्त मात्रा नहीं
- मशीन लर्निंग या आनुवंशिक एल्गोरिदम का उपयोग करके स्वचालित रूप से अनुकूलित पैरामीटर
संक्षेप
एक चलती औसत एक समान प्रतिक्रिया रणनीति है जो दो चलती औसत के संबंधों की तुलना करके अल्पकालिक और दीर्घकालिक है, ताकि दीर्घकालिक रुझानों से विचलित होने के बाद अल्पकालिक कीमतों में वापसी के अवसरों को पकड़ा जा सके। रणनीति की अवधारणा सरल है, इसे समझने और लागू करने में आसान है, और पैरामीटर अनुकूलन के माध्यम से बेहतर प्रभाव प्राप्त किया जा सकता है। लेकिन कम व्यापारिक संकेतों के साथ, कीमतों में बदलाव को याद करने में आसान है, और रणनीति के लाभ को अधिकतम करने के लिए पैरामीटर और फ़िल्टर स्थितियों का परीक्षण और अनुकूलन की आवश्यकता है।
/*backtest
start: 2023-02-20 00:00:00
end: 2024-02-26 00:00:00
period: 1d
basePeriod: 1h
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/
// @version=4
//
// This source code is subject to the terms of the Mozilla Public License 2.0 at https://mozilla.org/MPL/2.0/
//
// @author Sunil Halai
//
// This very simple strategy is an implementation of PJ Sutherlands' Jaws Mean reversion algorithm. It simply buys when a small moving average period (e.g. 2) is below
// a longer moving average period (e.g. 5) by a certain percentage, and closes when the small period average crosses over the longer moving average.
//
// If you are going to use this, you may wish to apply this to a range of investment assets, as the amount signals is low. Alternatively you may wish to tweak the settings to provide more
// signals.
strategy("Jaws Mean Reversion [Strategy]", overlay = true)
//Strategy inputs
source = input(title = "Source", defval = close)
smallMAPeriod = input(title = "Small Moving Average", defval = 2)
bigMAPeriod = input(title = "Big Moving Average", defval = 5)
percentBelowToBuy = input(title = "Percent below to buy %", defval = 3)
//Strategy calculation
smallMA = sma(source, smallMAPeriod)
bigMA = sma(source, bigMAPeriod)
buyMA = ((100 - percentBelowToBuy) / 100) * sma(source, bigMAPeriod)[0]
if(crossunder(smallMA, buyMA))
strategy.entry("BUY", strategy.long)
if(crossover(smallMA, bigMA))
strategy.close("BUY")