Strategi Penyesuaian Rata-rata Pergerakan yang Dihaluskan


Tanggal Pembuatan: 2023-10-24 16:52:52 Akhirnya memodifikasi: 2023-10-24 16:52:52
menyalin: 1 Jumlah klik: 687
1
fokus pada
1617
Pengikut

Strategi Penyesuaian Rata-rata Pergerakan yang Dihaluskan

Ringkasan

Strategi ini menggunakan indikator Bollinger Bands untuk menilai tren, dan digabungkan dengan indikator RSI untuk menghindari overbought, serta penyaringan entitas berlian dan penyaringan warna untuk lebih memverifikasi sinyal perdagangan. Secara keseluruhan, ide utama dari strategi ini adalah membeli pada tahap awal tren dan keluar sebelum tren berbalik untuk mendapatkan keuntungan.

Prinsip

Strategi ini pertama-tama menggunakan garis bawah dalam indikator Brin Belt, yang dianggap sebagai peluang untuk posisi ritual ketika harga berada di bawah garis bawah. Untuk menghindari overbought, strategi ini juga memperkenalkan indikator RSI, yang mengharuskan RSI kurang dari 30 untuk menghasilkan sinyal beli. Selain itu, strategi ini juga mengatur filter entitas berlian, yang mengharuskan entitas di garis K saat ini lebih besar dari setengah dari entitas rata-rata garis K 10 yang lalu untuk memicu pembelian.

Ketika harga naik menembus Bollinger Bands, RSI kurang dari 30, entitas cukup, maka akan ada sinyal beli untuk garis K hijau. Dan ketika harga menutup lebih tinggi dari bukaan, entitas lebih besar dari setengah entitas rata-rata, maka akan ada sinyal reversal tren, saat ini posisi berhenti.

Analisis Keunggulan

Keuntungan terbesar dari strategi ini adalah kemampuan untuk berhasil menentukan kapan tren dimulai, dan keluar sebelum tren berbalik, sehingga memiliki potensi keuntungan yang lebih besar. Secara khusus, keuntungan utama adalah:

  1. Indikator Brin Belt menentukan arah tren dengan akurat. Brin Belt menilai pergerakan harga dengan menyesuaikan rentang fluktuasi harga, dan menggunakan indikator ini dapat secara efektif menentukan awal dan akhir tren.

  2. Indikator RSI menghindari overbought. RSI dapat mengukur overbought dan oversold, dan dengan RSI dapat menghindari salah masuk dalam koreksi harga jangka pendek.

  3. Penyaringan entitas meningkatkan keandalan sinyal. Penyaringan entitas yang lebih besar mewakili penembusan yang lebih kuat, dan penyaringan entitas dapat memastikan pembelian penembusan yang lebih kuat.

  4. Filter warna mengkonfirmasi waktu pembelian. Hanya membeli ketika K garis hijau, Anda dapat kembali memverifikasi waktu pembelian yang benar.

  5. Pembelian setelah membeli dengan membalikkan hijau untuk menentukan trend reversal. Pedagang sering mengatakan bahwa tren reversal adalah tren yang bergantian. Dengan membalikkan hijau, Anda dapat mengetahui kapan tren akan berbalik.

Analisis risiko

Strategi ini juga memiliki beberapa risiko yang perlu diperhatikan:

  1. Indikator Brin-Band mungkin mengirimkan sinyal yang salah. Ketika pasar bergejolak, Brin-Band juga mungkin menghasilkan sinyal yang salah.

  2. Tidak memperhitungkan stop loss menyebabkan peningkatan kerugian. Strategi ini tidak menetapkan stop loss, yang dapat menyebabkan kerugian lebih besar jika penilaian yang salah.

  3. Terlalu ketat dalam kondisi penyaringan sehingga terlewatkan kesempatan untuk membeli.

  4. Bergantung pada optimasi parameter dan efek pengukuran ulang. Pengaturan parameter dan kondisi penyaringan perlu dioptimalkan dan diverifikasi, dan efek hard disk juga perlu diverifikasi.

  5. Berbalik ke hijau menentukan bahwa pembalikan tren tidak stabil. Berbalik ke hijau tidak sepenuhnya menentukan pembalikan tren.

Risiko dari strategi yang sesuai, Anda dapat mengatur stop loss untuk mengendalikan kerugian; mengoptimalkan kondisi penyaringan, mengurangi probabilitas pembelian yang terlewatkan; Menggunakan berbagai indikator untuk memverifikasi waktu pembelian, meningkatkan tingkat keberhasilan. Selain itu, Anda juga perlu memverifikasi hasil pengukuran di tempat nyata.

Arah optimasi

Strategi ini dapat dioptimalkan dalam beberapa hal:

  1. Mengoptimalkan parameter Brin, mencari kombinasi parameter yang optimal. Anda dapat menguji panjang siklus yang berbeda, perkalian standar deviasi, dll.

  2. Uji berbagai indikator overbought dan oversold sebagai pengganti RSI. Misalnya, KDJ, William dan lain-lain.

  3. Menambahkan stop loss mobile untuk mengendalikan risiko. Menetapkan strategi stop loss mobile yang masuk akal berdasarkan data pengamatan ulang.

  4. Optimalkan parameter kondisi filter. Uji filter dan parameter siklus dari berbagai ukuran entitas filter.

  5. Cobalah untuk menggabungkan sinyal verifikasi dengan indikator lain. Misalnya, indikator seperti Konfirmasi Harga.

  6. Uji sinyal pembalikan yang berbeda untuk menentukan. Misalnya, sinyal seperti persilangan garis rata untuk menentukan pembalikan tren.

  7. Uji coba jenis dan periode perdagangan. Evaluasi efektivitas strategi di berbagai pasar.

Meringkaskan

Strategi ini secara keseluruhan memiliki kemampuan untuk melacak tren yang kuat dan kemampuan untuk beradaptasi. Keunggulan utamanya adalah menggunakan Brin untuk menentukan arah tren dan RSI dan kondisi penyaringan untuk memastikan waktu pembelian. Namun, ada juga risiko tertentu yang memerlukan pengujian optimasi yang ditargetkan.

Kode Sumber Strategi
/*backtest
start: 2023-09-23 00:00:00
end: 2023-10-23 00:00:00
period: 1h
basePeriod: 15m
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/

//Noro
//2018

//Donate: 3BMEXvKkuJLobJrcpMm12bKTZoCnojZTjh

//@version=2
strategy(title = "Noro's Wizard Strategy v1.1", shorttitle = "Wizard str 1.1", overlay = true, default_qty_type = strategy.percent_of_equity, default_qty_value = 100, pyramiding = 10)

//Settings
capital = input(100, defval = 100, minval = 1, maxval = 10000, title = "Capital, %")
length = input(40, defval = 40, minval = 1, maxval = 200, title = "BB Period")
usebod = input(false, defval = false, title = "Use Body-Filter")
usecol = input(false, defval = false, title = "Use Color-Filter")
usersi = input(true, defval = true, title = "Use RSI-Filter")
showar = input(false, defval = false, title = "Show Arrows")
fromyear = input(1900, defval = 1900, minval = 1900, maxval = 2100, title = "From Year")
toyear = input(2100, defval = 2100, minval = 1900, maxval = 2100, title = "To Year")
frommonth = input(01, defval = 01, minval = 01, maxval = 12, title = "From Month")
tomonth = input(12, defval = 12, minval = 01, maxval = 12, title = "To Month")
fromday = input(01, defval = 01, minval = 01, maxval = 31, title = "From day")
today = input(31, defval = 31, minval = 01, maxval = 31, title = "To day")

//Bollinger
src = low
mult = 2
basis = sma(src, length)
dev = mult * stdev(src, length)
lower = basis - dev
plot(lower, color = lime, linewidth = 3, title="Bottom Line")

//Fast RSI Filter
fastup = rma(max(change(close), 0), 7)
fastdown = rma(-min(change(close), 0), 7)
rsi = fastdown == 0 ? 100 : fastup == 0 ? 0 : 100 - (100 / (1 + fastup / fastdown))
rsif = rsi < 30 or usersi == false

//Body Filter
nbody = abs(close - open)
abody = sma(nbody, 10)
body = nbody > abody / 2 or usebod == false

//Signals
up1 = low < lower and (close < open or usecol == false) and body and rsif
exit = close > open and nbody > abody / 2

//Arrows
needar = up1 and showar
plotarrow(needar ? 1 : na)

//Trading
lot = strategy.position_size == 0 ? strategy.equity / close * capital / 100 : lot[1]

if up1
    if strategy.position_size < 0
        strategy.close_all()
        
    strategy.entry("Long", strategy.long, lot, when=(time > timestamp(fromyear, frommonth, fromday, 00, 00) and time < timestamp(toyear, tomonth, today, 23, 59)))
    
if time > timestamp(toyear, tomonth, today, 23, 59) or exit
    strategy.close_all()