बहुआयामी एन्ट्रॉपी गति प्रवृत्ति अनुकूली व्यापार प्रणाली
CETP-Plus Shannon Entropy RSI ATR ADX EMA momentum 3D Histogram Volatility Filter
ianzeng123
अवलोकन
एक बहुआयामी गतिशीलता ट्रेडिंग प्रणाली एक क्वांटिटेटिव ट्रेडिंग रणनीति है, जो कि एक बहुआयामी गतिशीलता ट्रेडिंग प्रणाली है, जो कि एक बहुआयामी गतिशीलता ट्रेडिंग प्रणाली है, जो कि एक बहुआयामी गतिशीलता ट्रेडिंग रणनीति है, जो कि एक बहुआयामी गतिशीलता ट्रेडिंग रणनीति है, जो कि एक बहुआयामी गतिशीलता ट्रेडिंग रणनीति है, जो कि एक बहुआयामी गतिशीलता ट्रेडिंग रणनीति है, जो कि एक बहुआयामी गतिशीलता ट्रेडिंग रणनीति है, जो कि एक बहुआयामी गतिशीलता ट्रेडिंग रणनीति है, जो कि एक बहुआयामी गतिशीलता ट्रेडिंग रणनीति है, जो कि एक बहुआयामी गतिशीलता ट्रेडिंग रणनीति है।
रणनीति सिद्धांत
इस रणनीति का मूल सिद्धांत वित्तीय बाजार के चार्टिंग पैटर्न के विश्लेषण के लिए शैनन क्यूब्स को लागू करना है। शैनन क्यूब्स सूचना सिद्धांत से उत्पन्न होते हैं, जो यादृच्छिक चर की अनिश्चितता या “अव्यवस्था” को मापने के लिए उपयोग किए जाते हैं। इस रणनीति में, क्यूब्स की गणना और उपयोग निम्न तरीकों से किया जाता हैः
- प्रक्षेपण अनुपात गणनारणनीति पहले तीन प्रमुख उछाल अनुपातों की गणना करती है - वास्तविक अनुपात (जो एक प्रवृत्ति की ताकत को दर्शाता है), ऊपर की रेखा अनुपात और नीचे की रेखा अनुपात (जो एक संभावित उलट को दर्शाता है) ।
- सूचकांक गिरावट भारित: ईएमए के समान कार्यप्रणाली के साथ हाल के आंकड़ों को अधिक वजन देने के लिए ऐतिहासिक नक्शा डेटा को वजन देने के लिए एक गिरावट कारक ((0.8) का उपयोग करना।
- तीन आयामी लंबवत मानचित्र अनुपात को तीन-आयामी रेक्टोग्राम में डालें, जिसमें आयाम इकाई, ऊपर की छाया रेखा और नीचे की छाया रेखा से मेल खाते हैं।
- कंक्रीट गणनाशैनन सूत्र का उपयोग करके रेखांकन के लिए थ्रेशोल्ड का गणना करें। निम्न थ्रेशोल्ड एक मजबूत पैटर्न का प्रतिनिधित्व करता है।
- गतिशीलता विचलन एकीकरण: आरएसआई के समान गणना पद्धति मूल्य गति को पकड़ने के लिए, और रैंप स्कोर को समायोजित करने के लिए।
- रुझान की तीव्रता में बदलावएडीएक्स के समान गणना पद्धति प्रवृत्ति की दिशा और ताकत का पता लगाती है और स्कोर को और समायोजित करती है।
- अस्थिरता समायोजनएटीआर का उपयोग करेंः एटीआर का उपयोग करेंः एटीआर का उपयोग करेंः एटीआर का उपयोग करेंः एटीआर का उपयोग करेंः एटीआर का उपयोग करेंः एटीआर का उपयोग करेंः एटीआर का उपयोग करेंः एटीआर का उपयोग करेंः एटीआर का उपयोग करेंः एटीआर का उपयोग करेंः एटीआर का उपयोग करें
अंतिम सीईटीपी स्कोर इन कारकों का एक मिश्रित उत्पाद है, सकारात्मक मूल्य में तेजी की प्रवृत्ति होती है और नकारात्मक मूल्य में गिरावट की प्रवृत्ति होती है। ट्रेडिंग तर्क सरल और सीधा हैः सीईटीपी स्कोर सेट पॉजिटिव थ्रेशोल्ड से अधिक होने पर अधिक करें, नकारात्मक थ्रेशोल्ड से कम होने पर शून्य करें। सूक्ष्म व्यापार से बचने के लिए, रणनीति में न्यूनतम मूल्य आंदोलन फ़िल्टर जोड़ा गया है, यह सुनिश्चित करने के लिए कि वर्तमान फ़िल्टर में ट्रेडों को ट्रिगर करने के लिए पर्याप्त सीमा है। प्रतिशत स्टॉप, एटीआर गुणांक और स्टॉप लॉस ट्रैकिंग के माध्यम से जोखिम प्रबंधन को लागू किया गया है।
रणनीतिक लाभ
एकीकृत संकेतसीईटीपी-प्लस सूचकांक कई पारंपरिक संकेतकों (ईएमए, आरएसआई, एटीआर, एडीएक्स) के लाभों को जोड़ता है, एक एकल, स्पष्ट व्यापारिक संकेत प्रदान करता है, जो सूचकांक संघर्ष और अति-फिट के जोखिम से बचा जाता है।
अनुकूलन क्षमता: रणनीति बाजार की स्थिति के अनुसार स्वचालित रूप से समायोजित करने में सक्षम है, विभिन्न अस्थिर वातावरण और प्रवृत्ति की ताकत के लिए अनुकूल है, और बिना किसी मैनुअल हस्तक्षेप के कई बाजार स्थितियों में अच्छा प्रदर्शन कर सकती है।
सममित बहु-आकाशिक प्रसंस्करणरणनीति में बहु- और रिक्त-अवसरों को समान महत्व दिया गया है, जिससे यह बैल बाजार और भालू बाजार दोनों में प्रभावी रूप से काम कर सकता है और दिशात्मक पूर्वाग्रहों से प्रभावित नहीं होता है।
शुरुआती रुझानों की पहचान: बाजार संरचना में परिवर्तन को पकड़ने के लिए एक पहेली की अवधारणा के माध्यम से, पारंपरिक संकेतकों से पहले रुझानों के प्रारंभिक गठन की पहचान करने में सक्षम, बेहतर प्रवेश समय प्रदान करता है।
शोर के प्रभाव को कम करनायह रणनीति वास्तविक संकेतों और बाजार के शोर को अलग करती है और झूठे संकेतों की घटना को कम करती है।
अनुकूलन: बड़ी संख्या में मापदंडों को विभिन्न प्रकार के व्यापार और समय सीमा के अनुसार अनुकूलित किया जा सकता है, जिससे रणनीति को उच्च लचीलापन और अनुकूलनशीलता मिलती है।
पूर्ण जोखिम प्रबंधन: एक बहु-स्तरीय जोखिम नियंत्रण तंत्र को एकीकृत करता है जिसमें प्रतिशत रोक, एटीआर-आधारित गतिशील रोक और ट्रैक रोक, और न्यूनतम लेनदेन फ़िल्टर शामिल हैं, जो प्रभावी रूप से वापसी को नियंत्रित करता है।
रणनीतिक जोखिम
पैरामीटर संवेदनशीलता: रणनीति में कई समायोज्य पैरामीटर शामिल हैं, और अत्यधिक अनुकूलन के कारण वास्तविक व्यापार में खराब प्रदर्शन हो सकता है। विभिन्न बाजार स्थितियों के लिए विभिन्न पैरामीटर सेटिंग की आवश्यकता हो सकती है, जिससे सिस्टम रखरखाव जटिल हो सकता है।
उच्च आवृत्ति ट्रेडिंग जोखिमइस रणनीति के परिणामस्वरूप अत्यधिक ट्रेडिंग, कमीशन की लागत में वृद्धि और स्लाइड पॉइंट में वृद्धि हो सकती है, विशेष रूप से उच्च अस्थिरता वाले बाजारों में।
गणना की जटिलता: 3 डी रेक्टोग्राफ बक्से और तराजू की गणना वास्तविक समय में निष्पादित होने पर उच्च कंप्यूटिंग संसाधनों की आवश्यकता हो सकती है, जिससे निष्पादन में देरी हो सकती है, विशेष रूप से कम समय सीमा पर।
एल्गोरिथ्म का जोखिमयह रणनीति इस धारणा पर आधारित है कि क्विंटल बाजार के पैटर्न को प्रभावी ढंग से पकड़ सकता है, लेकिन समय के साथ बाजार की संरचना में बदलाव इस धारणा को अमान्य कर सकता है।
अस्थिरता निर्भरतारणनीतिः अस्थिरता फ़िल्टर और न्यूनतम मूल्य चलती फ़िल्टर का उपयोग करें, कम अस्थिरता वाले वातावरण में व्यापार के अवसरों को याद किया जा सकता है, उच्च अस्थिरता वाले वातावरण में अतिसंवेदनशील हो सकता है।
इतिहास के अनुरूप जोखिमहालांकि रणनीति में कई सूचकांकों के फायदे शामिल हैं, फिर भी ऐतिहासिक आंकड़ों के अति-फिट होने का खतरा है और भविष्य में बाजार की परिस्थितियों में बदलाव से प्रदर्शन में गिरावट आ सकती है।
समाधानों में शामिल हैंः समय-समय पर पैरामीटर को फिर से अनुकूलित करना, चरणबद्ध परीक्षण का उपयोग करके पैरामीटर की स्थिरता को सत्यापित करना, ट्रेडिंग आवृत्ति को कम करने के लिए अधिक कठोर फ़िल्टरिंग शर्तों को लागू करना, सिग्नल गुणवत्ता में सुधार के लिए पुष्टि की शर्तों को बढ़ाना, और वास्तविक समय की निगरानी प्रणाली के प्रदर्शन को समायोजित करना।
रणनीति अनुकूलन दिशा
अनुकूली पैरामीटर तंत्र: पैरामीटर को गतिशील रूप से समायोजित करने के लिए, बाजार की अस्थिरता, लेनदेन की मात्रा और प्रवृत्ति की ताकत के आधार पर सीईटीपी खिड़की, थ्रेड और भार को स्वचालित रूप से अनुकूलित करें। यह अनुकूलन सिस्टम को बदलती बाजार स्थितियों के लिए बेहतर रूप से अनुकूलित करने और मैन्युअल हस्तक्षेप की आवश्यकता को कम करने में मदद कर सकता है।
बहु-समय-सीमा विश्लेषण एकीकरण: विभिन्न समय फ़्रेमों के सीईटीपी संकेतों को एकीकृत करना, एक स्तरीय पुष्टि प्रणाली बनाना। उदाहरण के लिए, केवल उच्च समय फ़्रेम सिग्नल और ट्रेडिंग समय फ़्रेम सिग्नल के अनुरूप होने पर ट्रेडों को निष्पादित करना, जीत की दर में सुधार करना।
मशीन लर्निंग: पैरामीटर चयन और सिग्नल फ़िल्टरिंग को अनुकूलित करने के लिए मशीन लर्निंग एल्गोरिदम की शुरूआत करना। पर्यवेक्षी सीखने के माध्यम से सर्वश्रेष्ठ प्रदर्शन करने वाले पैरामीटर संयोजन की पहचान करना, या विभिन्न बाजार स्थितियों की पहचान करने और तदनुसार रणनीति को समायोजित करने के लिए संचयी एल्गोरिदम का उपयोग करना।
तरलता और लेनदेन की मात्रा फ़िल्टर: ट्रेड वॉल्यूम और मार्केट की गहराई के आधार पर फ़िल्टर जोड़े गए, यह सुनिश्चित करने के लिए कि केवल पर्याप्त तरलता के साथ व्यापार किया जाए, स्लिप पॉइंट और निष्पादन जोखिम को कम करें।
मल्टी-एसेट प्रासंगिकता विश्लेषण: संबंधित बाजारों (जैसे सूचकांक, संबंधित शेयरों या वस्तुओं) की जानकारी को एकीकृत करना, जब कई संबंधित बाजारों में एक समान संकेत होते हैं तो व्यापारिक विश्वास को बढ़ाता है।
अस्थिरता पूर्वानुमान मॉडल: अस्थिरता पूर्वानुमान घटकों को विकसित करना, आने वाले अस्थिर वातावरण के लिए तैयार होने के लिए पहले से थ्रेशोल्ड और जोखिम मापदंडों को समायोजित करना।
स्वचालित प्रतिक्रिया और अनुकूलन ढांचा: एक स्वचालित प्रणाली स्थापित करें जो नए डेटा के साथ नियमित रूप से रणनीति को फिर से मापता है और नवीनतम बाजार व्यवहार के अनुसार पैरामीटर को समायोजित करता है ताकि यह सुनिश्चित किया जा सके कि रणनीति अनुकूल है।
उपरोक्त अनुकूलन दिशाओं का उद्देश्य रणनीतियों की स्थिरता, अनुकूलन और लाभप्रदता में सुधार करना है, जबकि मानव हस्तक्षेप की आवश्यकता और अति-अनुरूपता के जोखिम को कम करना है। इन अनुकूलन को धीरे-धीरे लागू करके, एक अधिक बुद्धिमान और स्वायत्त व्यापार प्रणाली का निर्माण किया जा सकता है।
संक्षेप
बहुआयामी तरंग गतिशीलता प्रवृत्ति अनुकूलन ट्रेडिंग प्रणाली एक अभिनव मात्रात्मक ट्रेडिंग विधि का प्रतिनिधित्व करती है, जो मूल्य मॉडल में क्रमबद्धता और पूर्वानुमान को पकड़ने के लिए सूचना सिद्धांत में तरंग अवधारणाओं को वित्तीय बाजारों में लागू करती है। इस रणनीति का मुख्य लाभ यह है कि यह कई पारंपरिक तकनीकी संकेतकों के गणितीय सिद्धांतों को एकीकृत करता है, जिससे एक एकल, स्पष्ट ट्रेडिंग सिग्नल का निर्माण होता है, जो संकेतक संघर्ष और सिग्नल भ्रम से बचा जाता है। सीईटीपी-प्लस संकेतक तीन आयामी ऊर्ध्वाधर आरेखों के बक्से और तराजू की गणना के माध्यम से, गतिशीलता विचलन, प्रवृत्ति की ताकत और अस्थिरता समायोजन के साथ मिलकर, प्रारंभिक प्रवृत्ति पहचान और संतुलन के लिए बहुआयामी ट्रेडिंग अवसर प्रदान करता है।
हालांकि इस रणनीति में मजबूत अनुकूली और जोखिम प्रबंधन कार्यक्षमता है, लेकिन इसमें पैरामीटर संवेदनशीलता, गणना की जटिलता और बाजार संरचना में बदलाव जैसी चुनौतियां भी हैं। अनुकूली पैरामीटर तंत्र, बहु-समय फ्रेम विश्लेषण और मशीन सीखने को बढ़ावा देने जैसे सुझाए गए अनुकूलन दिशाओं को लागू करके रणनीति की स्थिरता और दीर्घकालिक प्रदर्शन को और बढ़ाया जा सकता है।
कुल मिलाकर, यह एक सैद्धांतिक रूप से अच्छी तरह से स्थापित, परिष्कृत रूप से डिज़ाइन की गई एक मात्रात्मक ट्रेडिंग प्रणाली है, जो प्रोग्रामिंग और सांख्यिकीय पृष्ठभूमि वाले व्यापारियों के लिए अत्यधिक अस्थिर बाजारों में उपयोग के लिए उपयुक्त है। सावधानीपूर्वक पैरामीटर अनुकूलन और निरंतर प्रणालीगत निगरानी के माध्यम से, इस रणनीति में विभिन्न बाजार स्थितियों में स्थिर जोखिम-समायोजित रिटर्न उत्पन्न करने की क्षमता है।
/*backtest
start: 2024-08-11 00:00:00
end: 2025-08-09 08:00:00
period: 1d
basePeriod: 1d
exchanges: [{"eid":"Futures_Binance","currency":"ETH_USDT"}]
*/
// @version=6
strategy("Canuck Trading Traders Strategy [Candle Entropy Edition]", overlay=true, default_qty_value = 10)
// Note: Set Properties "Order size" to "100% of equity" for equity-based sizing or fixed contracts (e.g., 100).
// === CETP-Plus Settings ===
cetp_window = input.int(5, "CETP Window", minval=1, maxval=20, group="CETP-Plus Settings")
cetp_bins = input.int(3, "CETP Bins per Dimension", minval=1, maxval=10, group="CETP-Plus Settings")
long_threshold = input.float(0.1, "Long Threshold", minval=0.01, maxval=5.0, step=0.01, group="CETP-Plus Settings")
short_threshold = input.float(-0.1, "Short Threshold", minval=-0.8, maxval=-0.01, step=0.01, group="CETP-Plus Settings")
cetp_k = input.float(0.8, "CETP Momentum Weight", minval=0.1, maxval=5.0, step=0.1, group="CETP-Plus Settings")
mom_scale = input.float(6.0, "Momentum Scale", minval=1.0, maxval=20.0, step=1.0, group="CETP-Plus Settings")
body_weight = input.float(1.0, "Body Ratio Weight", minval=0.0, maxval=2.0, step=0.1, group="CETP-Plus Settings")
upper_weight = input.float(0.8, "Upper Wick Ratio Weight", minval=0.0, maxval=2.0, step=0.1, group="CETP-Plus Settings")
lower_weight = input.float(1.0, "Lower Wick Ratio Weight", minval=0.0, maxval=2.0, step=0.1, group="CETP-Plus Settings")
decay_factor = 0.8 // Hardcoded decay for exponential weighting (recent candles weighted more)
// === Trade Settings ===
min_score_strength = input.float(0.03, "Min CETP Score Strength", minval=0.0, maxval=5, step=0.01, group="Trade Settings")
stop_loss_pct = input.float(0.5, "Stop Loss (%)", minval=0.1, maxval=5.0, step=0.1, group="Trade Settings")
atr_mult = input.float(3.0, "ATR Multiplier", minval=0.5, maxval=10.0, step=0.1, group="Trade Settings")
trail_mult = input.float(5.0, "Trailing ATR Mult", minval=0.5, maxval=10.0, step=0.1, group="Trade Settings")
trail_offset_pct = input.float(1.0, "Trail Start Offset (%)", minval=0.5, maxval=10.0, step=0.1, group="Trade Settings")
min_price_move_mult = input.float(2.0, "Min Price Move ATR Mult (to avoid tiny trades)", minval=0.5, maxval=10.0, step=0.1, group="Trade Settings") // Filter tiny moves
// Indicators (ATR for stops/trails only)
atr = nz(ta.atr(14), 0.0)
// Volatility Filter (CV < 15% to avoid chop)
vol_threshold = ta.stdev(close, 20) / ta.sma(close, 20) * 100
trade_allowed = vol_threshold < 15.0
// Minimum Price Move Filter (candle range > ATR multiple, floored by min tick)
min_price_move = math.max(atr * min_price_move_mult, syminfo.mintick * 10) // Avoid sub-penny moves; 10x tick for robustness
price_move_condition = (high - low) > min_price_move // Fixed: Use high - low instead of ta.range()
// CETP-Plus Calculation (Blended EMA, RSI, ATR, ADX theses)
epsilon = 1e-5
body_ratio = (close - open) / (high - low + epsilon) * body_weight
upper_wick_ratio = (high - math.max(open, close)) / (high - low + epsilon) * upper_weight
lower_wick_ratio = (math.min(open, close) - low) / (high - low + epsilon) * lower_weight
// EMA-like weighting: Exponentially weight recent candles with fixed-size rolling arrays
var float[] body_arr = array.new_float(cetp_window, 0.0)
var float[] upper_arr = array.new_float(cetp_window, 0.0)
var float[] lower_arr = array.new_float(cetp_window, 0.0)
// Shift and decay older values, add new at the end
for i = 0 to cetp_window - 2
array.set(body_arr, i, array.get(body_arr, i + 1) * decay_factor)
array.set(upper_arr, i, array.get(upper_arr, i + 1) * decay_factor)
array.set(lower_arr, i, array.get(lower_arr, i + 1) * decay_factor)
array.set(body_arr, cetp_window - 1, body_ratio)
array.set(upper_arr, cetp_window - 1, upper_wick_ratio)
array.set(lower_arr, cetp_window - 1, lower_wick_ratio)
// Volatility scaling (ATR thesis)
bin_size = 2.0 / cetp_bins * (1 + atr / ta.sma(atr, 14))
hist_size = cetp_bins * cetp_bins * cetp_bins
var int[] hist = array.new_int(hist_size, 0)
array.fill(hist, 0)
for i = 0 to cetp_window - 1
body_val = array.get(body_arr, i)
upper_val = array.get(upper_arr, i)
lower_val = array.get(lower_arr, i)
body_bin = math.max(0, math.min(cetp_bins - 1, math.floor((body_val + 1) / bin_size)))
upper_bin = math.max(0, math.min(cetp_bins - 1, math.floor((upper_val + 1) / bin_size)))
lower_bin = math.max(0, math.min(cetp_bins - 1, math.floor((lower_val + 1) / bin_size)))
bin_idx = body_bin * (cetp_bins * cetp_bins) + upper_bin * cetp_bins + lower_bin
array.set(hist, bin_idx, array.get(hist, bin_idx) + 1)
entropy = 0.0
for i = 0 to hist_size - 1
count = array.get(hist, i)
p = count / cetp_window
if p > 0
entropy := entropy - p * math.log(p)
max_entropy = math.log(hist_size)
norm_entropy = max_entropy > 0 ? entropy / max_entropy : 0.0
// RSI-like momentum bias
avg_gain = ta.rma(math.max(close - close[1], 0), cetp_window)
avg_loss = ta.rma(math.max(close[1] - close, 0), cetp_window)
rsi_bias = avg_loss > 0 ? avg_gain / avg_loss : 1.0
momentum = ta.mom(close, cetp_window) / (close[cetp_window] != 0 ? close[cetp_window] : 1e-5)
momentum_adj = momentum * (1 + rsi_bias)
// ADX-like trend strength (automated and symmetric for bull/bear)
di_plus = ta.rma(math.max(high - high[1], 0), cetp_window) / atr
di_minus = ta.rma(math.max(low[1] - low, 0), cetp_window) / atr
trend_strength = di_plus > di_minus ? 1.2 : (di_minus > di_plus ? 1.2 : 1.0)
// CETP-Plus Score (optimized: no abs on momentum_adj to preserve sign for better short detection)
avg_body = nz(array.avg(body_arr), 0.0)
raw_score = avg_body * (1 - norm_entropy) * (cetp_k + momentum_adj * mom_scale)
cetp_score = nz(raw_score * trend_strength, 0.0)
// Position State
var float entry_price = na
var int bars_held = 0
if barstate.isconfirmed
bars_held := strategy.position_size != 0 ? bars_held + 1 : 0
// Trade Logic: Rely solely on current CETP score for entries/exits/reversals, with min price move filter
if bar_index >= cetp_window and math.abs(cetp_score) > min_score_strength and trade_allowed and price_move_condition
if cetp_score > long_threshold
if strategy.position_size < 0
strategy.close("Short", comment="Reverse to Long")
if strategy.position_size <= 0
strategy.entry("Long", strategy.long)
entry_price := close
sl = entry_price * (1 - stop_loss_pct / 100) - atr * atr_mult
strategy.exit("Long Exit", "Long", stop=sl, trail_points=atr * trail_mult * syminfo.pointvalue, trail_offset=entry_price * (trail_offset_pct / 100))
bars_held := 1
else if cetp_score < short_threshold
if strategy.position_size > 0
strategy.close("Long", comment="Reverse to Short")
if strategy.position_size >= 0
strategy.entry("Short", strategy.short)
entry_price := close
sl = entry_price * (1 + stop_loss_pct / 100) + atr * atr_mult
strategy.exit("Short Exit", "Short", stop=sl, trail_points=atr * trail_mult * syminfo.pointvalue, trail_offset=entry_price * (trail_offset_pct / 100))
bars_held := 1