डायनेमिक ग्रिड ट्रेंड फॉलोइंग क्वांटिटेटिव ट्रेडिंग रणनीति
ChaoZhang
अवलोकन
यह एक उन्नत गतिशील ग्रिड ट्रेंड ट्रैकिंग क्वांटिफाइंग ट्रेडिंग रणनीति है। इस रणनीति का मुख्य विचार पूर्व निर्धारित मूल्य सीमा के भीतर कई ग्रिड लाइनों को विभाजित करना है, और जब कीमत ग्रिड लाइन को छूती है तो स्वचालित रूप से स्टॉक खरीदना या स्टॉक बेचना होता है, जिससे उतार-चढ़ाव की स्थिति में लाभ होता है। साथ ही, इस रणनीति में ग्रिड लाइनों की स्थिति को गतिशील रूप से समायोजित करने की क्षमता है, जो हाल के मूल्य आंदोलन के आधार पर ग्रिड लेआउट को अनुकूलित कर सकती है।
रणनीति सिद्धांत
इस रणनीति के मुख्य सिद्धांतों में शामिल हैंः
सबसे पहले, उपयोगकर्ता की सेटिंग्स के आधार पर, ग्रिड के ऊपरी और निचले किनारों और ग्रिड लाइनों की संख्या निर्धारित करें। सीमाएं एक निश्चित मूल्य हो सकती हैं, या हाल के उच्च या निम्न या चलती औसत के आधार पर स्वचालित रूप से गणना की जा सकती हैं।
एक निश्चित सीमा के भीतर, मूल्य क्षेत्र को कई ग्रिडों में विभाजित करें। प्रत्येक ग्रिड लाइन एक खरीदी या बेची गई कीमत को दर्शाती है।
प्रत्येक बार जब कीमत एक ग्रिड लाइन को छूती है, तो रणनीति यह जांचती है कि क्या उस ग्रिड लाइन के अनुरूप कोई स्थिति पहले से ही है। यदि कोई नहीं है, तो स्थिति खरीदी जाती है, और यदि कोई है, तो स्थिति बेची जाती है।
इस रणनीति के माध्यम से कीमतों में उतार-चढ़ाव के दौरान लगातार लाभ कमाया जा सकता है।
इसके अलावा, यदि उपयोगकर्ता स्वचालित सीमा समायोजन सुविधा को सक्षम करता है, तो ग्रिड लाइन का स्थान ग्रिड लेआउट को अनुकूलित करने के लिए हालिया कीमतों के उच्च या निम्न बिंदुओं या सेट की गई चलती औसत के आधार पर अनुकूलित किया जाता है।
उपरोक्त सिद्धांतों के माध्यम से, यह रणनीति कीमतों में उतार-चढ़ाव की स्थिति में स्वचालित रूप से कम और उच्च खरीद और बिक्री करने में सक्षम है, और रुझान के अनुसार लाभ प्राप्त करने के लिए समायोजित किया जाता है, जिससे समग्र आय में वृद्धि होती है।
श्रेष्ठता विश्लेषण
गतिशील ग्रिड रणनीति के निम्नलिखित फायदे हैंः
अनुकूलनशीलता: यह विभिन्न बाजारों और किस्मों के लिए अनुकूलित किया जा सकता है।
उच्च स्तर की स्वचालन। क्योंकि रणनीति सख्त गणितीय तर्क पर आधारित है, स्थिति को स्पष्ट रूप से निर्धारित किया गया है, इसलिए पूरी तरह से स्वचालित लेनदेन संभव है, जो व्यक्तिपरक भावनाओं के हस्तक्षेप को कम करता है।
जोखिम नियंत्रण योग्य. ग्रिड की संख्या, ग्रिड की सीमा और अन्य मापदंडों को सेट करके, प्रत्येक लेनदेन के लिए जोखिम के उद्घाटन को प्रभावी ढंग से नियंत्रित किया जा सकता है, जिससे समग्र जोखिम को स्वीकार्य सीमा में रखा जा सके।
रुझान अनुकूलन. रणनीति में ग्रिड की सीमाओं को गतिशील रूप से समायोजित करने की सुविधा शामिल है, जिससे ग्रिड को मूल्य प्रवृत्तियों के साथ अनुकूलित किया जा सकता है, जिससे रुझान की स्थिति में लाभप्रदता में वृद्धि होती है।
जीत की स्थिरता. चूंकि ग्रिड ट्रेडिंग मूल रूप से कीमतों के उतार-चढ़ाव में अक्सर उच्च और नीचे की ओर है, इसलिए यह रणनीति लंबे समय तक जीत की उच्च दर के साथ चलती है, जब तक कि कीमतों में उतार-चढ़ाव रहता है।
जोखिम विश्लेषण
हालांकि इस रणनीति के फायदे स्पष्ट हैं, इसके साथ कुछ जोखिम भी हैं:
प्रवृत्ति जोखिम: यदि कीमतों में एक मजबूत एकतरफा प्रवृत्ति होती है जो ग्रिड बॉर्डर को तोड़ती है, तो रणनीति के लिए लाभप्रदता के लिए जगह सीमित हो जाएगी और एक बड़ी वापसी का सामना करना पड़ सकता है।
पैरामीटर अनुकूलन की कठिनाई अधिक है. इस रणनीति में कई पैरामीटर हैं, जिनमें ग्रिड की संख्या, प्रारंभिक सीमा, गतिशील सीमा पैरामीटर आदि शामिल हैं। विभिन्न पैरामीटर संयोजनों का रणनीति के प्रदर्शन पर बहुत प्रभाव पड़ता है, और वास्तविक अनुकूलन की कठिनाई कम नहीं है।
अक्सर ट्रेड करना. ग्रिड रणनीति मूल रूप से एक उच्च आवृत्ति रणनीति है, जो बहुत बार बंद होती है, जिसका अर्थ है उच्च ट्रेडिंग लागत और संभावित स्लिप पॉइंट जोखिम.
बाजार पर निर्भरता मजबूत है. यह रणनीति बाजार के उतार-चढ़ाव पर बहुत निर्भर है, और यदि कीमतें तेजी से एकतरफा रुझान में प्रवेश करती हैं, तो यह रणनीति एक बड़ी वापसी का सामना करने की संभावना है।
इन जोखिमों के लिए, निम्नलिखित पहलुओं से सुधार शुरू किया जा सकता हैः रणनीति को शुरू करने के लिए फ़िल्टर शर्तों के रूप में प्रवृत्ति के निर्णय के संकेतकों को जोड़ना, पैरामीटर खोज स्थान और विधियों को अनुकूलित करना, धन प्रबंधन और स्थिति नियंत्रण तर्क को पेश करना, प्रवृत्ति को तोड़ने के लिए प्रवृत्ति तर्क को बढ़ाना आदि। इन अनुकूलन के माध्यम से, रणनीति की स्थिरता और लाभप्रदता को और बढ़ाया जा सकता है।
अनुकूलन दिशा
उपरोक्त विश्लेषण के आधार पर, इस रणनीति के अनुकूलन के लिए मुख्य दिशाएं हैंः
प्रवृत्ति फ़िल्टर शर्तों को पेश करना। रणनीति शुरू करने से पहले प्रवृत्ति निर्णय करने वाले संकेतक जैसे कि चलती औसत, एडीएक्स आदि शामिल करें। रणनीति को केवल उतार-चढ़ाव की स्थिति में शुरू करें, जबकि प्रवृत्ति की स्थिति में प्रतीक्षा करें, जिससे प्रवृत्ति की स्थिति में वापसी के जोखिम से प्रभावी रूप से बचा जा सके।
ऑप्टिमाइज़ेशन पैरामीटर सर्चिंग. स्मार्ट एल्गोरिदम का उपयोग करके ग्रिड पैरामीटर का अनुकूलन करें, जैसे कि आनुवंशिक एल्गोरिदम, कण समूह एल्गोरिदम आदि, ताकि स्वचालित रूप से इष्टतम पैरामीटर संयोजन की खोज की जा सके, जिससे अनुकूलन दक्षता और गुणवत्ता में सुधार हो सके।
बढ़ी हुई जोखिम नियंत्रण तर्क. रणनीति में अधिक जोखिम नियंत्रण तर्क जोड़ें, जैसे कि मूल्य उतार-चढ़ाव के आधार पर गतिशील रूप से ग्रिड की चौड़ाई को समायोजित करना, अधिकतम वापसी थ्रेशोल्ड सेट करना, और इसी तरह, जिससे जोखिम पर बेहतर नियंत्रण हो सके।
रुझान रोकना शुरू करना। रुझान को रोकना, जैसे कि ग्रिड की सीमा का एक निश्चित अनुपात, एक बार जब कीमत रुकावट को तोड़ती है तो पूरी तरह से फ्लैट हो जाती है, जिससे रुझान की स्थिति में भारी वापसी से बचा जा सकता है।
लेनदेन निष्पादन का अनुकूलन करें. लेनदेन निष्पादन के चरणों का अनुकूलन करें, जैसे कि अधिक उन्नत शर्तों और ऑर्डर एल्गोरिदम का उपयोग करना, लेनदेन की आवृत्ति और लागत को कम करना, निष्पादन की दक्षता में सुधार करना।
इस तरह के अनुकूलन से रणनीति की अनुकूलनशीलता, स्थिरता और लाभप्रदता में सुधार होगा, जिससे यह वास्तविक जरूरतों के करीब हो सके।
संक्षेप
कुल मिलाकर, गतिशील ग्रिड ट्रेंड ट्रैकिंग रणनीति एक ग्रिड ट्रेडिंग सिद्धांत पर आधारित है, जबकि गतिशील समायोजन और प्रवृत्ति अनुकूलन तंत्र को शामिल करने वाली एक मध्यम और उच्च आवृत्ति की मात्रा ट्रेडिंग रणनीति है। इसके फायदे अनुकूलनशीलता, उच्च स्तर की स्वचालन, जोखिम नियंत्रण, प्रवृत्ति अनुकूलनशीलता, जीत की स्थिरता आदि में हैं, लेकिन इसके साथ ही प्रवृत्ति जोखिम, पैरामीटर अनुकूलन की कठिनाई, लगातार व्यापार, व्यवहार पर निर्भरता जैसे मजबूत जोखिम भी हैं। इन समस्याओं के लिए, प्रवृत्ति फ़िल्टर, पैरामीटर अनुकूलन, जोखिम नियंत्रण बढ़ाने, प्रवृत्ति हानि रोकने, व्यापार अनुकूलन आदि के रूप में रणनीति की समग्र प्रदर्शन में सुधार और सुधार किया जा सकता है।
ग्रिड ट्रेडिंग विचार अपने आप में एक अपेक्षाकृत परिपक्व और व्यावहारिक मात्रात्मक विधि है, जो रणनीति के गतिशील अनुकूलन और रुझान अनुकूलन तंत्र के साथ क्लासिक ग्रिड ट्रेडिंग के लाभों को बढ़ाता और विकसित करता है। यह निवेशकों के लिए एक नई प्रकार की मात्रात्मक ट्रेडिंग विचारधारा और संभावनाएं प्रदान करता है। आगे के अनुकूलन और सुधार के बाद, यह रणनीति एक उत्कृष्ट मध्यम और उच्च आवृत्ति की मात्रा में व्यापार करने वाला उपकरण बनने की उम्मीद है।
/*backtest
start: 2024-03-01 00:00:00
end: 2024-03-21 00:00:00
period: 1h
basePeriod: 15m
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/
//@version=4
strategy("(IK) Grid Script", overlay=true, pyramiding=14, close_entries_rule="ANY", default_qty_type=strategy.cash, initial_capital=100.0, currency="USD", commission_type=strategy.commission.percent, commission_value=0.1)
i_autoBounds = input(group="Grid Bounds", title="Use Auto Bounds?", defval=true, type=input.bool) // calculate upper and lower bound of the grid automatically? This will theorhetically be less profitable, but will certainly require less attention
i_boundSrc = input(group="Grid Bounds", title="(Auto) Bound Source", defval="Hi & Low", options=["Hi & Low", "Average"]) // should bounds of the auto grid be calculated from recent High & Low, or from a Simple Moving Average
i_boundLookback = input(group="Grid Bounds", title="(Auto) Bound Lookback", defval=250, type=input.integer, maxval=500, minval=0) // when calculating auto grid bounds, how far back should we look for a High & Low, or what should the length be of our sma
i_boundDev = input(group="Grid Bounds", title="(Auto) Bound Deviation", defval=0.10, type=input.float, maxval=1, minval=-1) // if sourcing auto bounds from High & Low, this percentage will (positive) widen or (negative) narrow the bound limits. If sourcing from Average, this is the deviation (up and down) from the sma, and CANNOT be negative.
i_upperBound = input(group="Grid Bounds", title="(Manual) Upper Boundry", defval=0.285, type=input.float) // for manual grid bounds only. The upperbound price of your grid
i_lowerBound = input(group="Grid Bounds", title="(Manual) Lower Boundry", defval=0.225, type=input.float) // for manual grid bounds only. The lowerbound price of your grid.
i_gridQty = input(group="Grid Lines", title="Grid Line Quantity", defval=8, maxval=15, minval=3, type=input.integer) // how many grid lines are in your grid
f_getGridBounds(_bs, _bl, _bd, _up) =>
if _bs == "Hi & Low"
_up ? highest(close, _bl) * (1 + _bd) : lowest(close, _bl) * (1 - _bd)
else
avg = sma(close, _bl)
_up ? avg * (1 + _bd) : avg * (1 - _bd)
f_buildGrid(_lb, _gw, _gq) =>
gridArr = array.new_float(0)
for i=0 to _gq-1
array.push(gridArr, _lb+(_gw*i))
gridArr
f_getNearGridLines(_gridArr, _price) =>
arr = array.new_int(3)
for i = 0 to array.size(_gridArr)-1
if array.get(_gridArr, i) > _price
array.set(arr, 0, i == array.size(_gridArr)-1 ? i : i+1)
array.set(arr, 1, i == 0 ? i : i-1)
break
arr
var upperBound = i_autoBounds ? f_getGridBounds(i_boundSrc, i_boundLookback, i_boundDev, true) : i_upperBound // upperbound of our grid
var lowerBound = i_autoBounds ? f_getGridBounds(i_boundSrc, i_boundLookback, i_boundDev, false) : i_lowerBound // lowerbound of our grid
var gridWidth = (upperBound - lowerBound)/(i_gridQty-1) // space between lines in our grid
var gridLineArr = f_buildGrid(lowerBound, gridWidth, i_gridQty) // an array of prices that correspond to our grid lines
var orderArr = array.new_bool(i_gridQty, false) // a boolean array that indicates if there is an open order corresponding to each grid line
var closeLineArr = f_getNearGridLines(gridLineArr, close) // for plotting purposes - an array of 2 indices that correspond to grid lines near price
var nearTopGridLine = array.get(closeLineArr, 0) // for plotting purposes - the index (in our grid line array) of the closest grid line above current price
var nearBotGridLine = array.get(closeLineArr, 1) // for plotting purposes - the index (in our grid line array) of the closest grid line below current price
strategy.initial_capital = 50000
for i = 0 to (array.size(gridLineArr) - 1)
if close < array.get(gridLineArr, i) and not array.get(orderArr, i) and i < (array.size(gridLineArr) - 1)
buyId = i
array.set(orderArr, buyId, true)
strategy.entry(id=tostring(buyId), long=true, qty=(strategy.initial_capital/(i_gridQty-1))/close, comment="#"+tostring(buyId))
if close > array.get(gridLineArr, i) and i != 0
if array.get(orderArr, i-1)
sellId = i-1
array.set(orderArr, sellId, false)
strategy.close(id=tostring(sellId), comment="#"+tostring(sellId))
if i_autoBounds
upperBound := f_getGridBounds(i_boundSrc, i_boundLookback, i_boundDev, true)
lowerBound := f_getGridBounds(i_boundSrc, i_boundLookback, i_boundDev, false)
gridWidth := (upperBound - lowerBound)/(i_gridQty-1)
gridLineArr := f_buildGrid(lowerBound, gridWidth, i_gridQty)
closeLineArr := f_getNearGridLines(gridLineArr, close)
nearTopGridLine := array.get(closeLineArr, 0)
nearBotGridLine := array.get(closeLineArr, 1)