Strategi Penggabungan Pasukan Bunuh Diri RSI
ChaoZhang
Ringkasan
Strategi RSI adalah strategi yang menggabungkan RSI, indeks first equilibrium table, dan 200-day moving average. Strategi ini menggunakan RSI untuk mengidentifikasi bentuk bullish atau bearish, indeks first equilibrium table untuk menentukan arah tren, dan indeks secondary support and resistance, dan 200-day moving average untuk menghasilkan sinyal perdagangan setelah beberapa indikator dikonfirmasi.
Prinsip Strategi
Pertama, strategi ini menggunakan indikator RSI untuk mengidentifikasi bentuk bullish atau bullish. Bentuk bullish RSI adalah bentuk bullish yang menunjukkan bahwa harga saham berinovasi tinggi tetapi RSI tidak berinovasi tinggi, atau bentuk bullish yang menunjukkan bahwa harga saham berinovasi rendah tetapi RSI tidak berinovasi rendah.
Kedua, strategi ini menggunakan garis 1 dan garis 2 yang terdepan dalam indikator tabel ekuilibrium pertama untuk menentukan arah tren. Ketika garis 1 terdepan di atas garis 2 yang terdepan dianggap sebagai tren naik, sebaliknya adalah tren turun. Indikator tabel ekuilibrium pertama menentukan arah tren dengan kombinasi garis konversi, garis acuan, dan garis keterlambatan, merupakan alat penentuan tren yang lebih andal.
Akhirnya, strategi ini juga memperkenalkan 200-day moving average. Moving average sering dianggap sebagai titik support atau resistance yang penting. Ketika first equilibrium table berada dalam tren naik dan harga berdiri di atas garis 200-day, sinyal multihead. Sebaliknya, ketika first equilibrium table berada dalam tren turun dan harga jatuh di bawah garis 200-day, sinyal kosong.
Pengadilan dari beberapa indikator yang terintegrasi dapat memfilter beberapa sinyal palsu dan membuat keputusan perdagangan lebih dapat diandalkan. Strategi ini hanya akan menghasilkan sinyal perdagangan yang sebenarnya ketika RSI membentuk tim berani mati, tabel keseimbangan sekilas menilai arah tren, dan hubungan harga dengan garis 200 hari sesuai dengan ekspektasi.
Keunggulan Strategis
Keuntungan terbesar dari strategi penggabungan multi-indikator ini adalah kemampuan untuk menyaring sinyal palsu dan membuat keputusan perdagangan lebih dapat diandalkan.
Pertama-tama, RSI memiliki kemampuan untuk memprediksi kemungkinan pembalikan harga. Namun, bentuk RSI tidak cukup untuk menentukan sinyal perdagangan.
Kedua, dengan memperkenalkan indikator tabel ekuilibrium pertama, arah tren dapat dipastikan dengan lebih baik, dan sinyal yang salah dapat dihindari dalam situasi getaran. Kombinasi garis terdepan dalam tabel ekuilibrium pertama sangat efektif untuk menilai tren.
Akhirnya, dukungan dan resistensi dari 200-day moving average juga membantu untuk lebih mengkonfirmasi keandalan sinyal. Hanya ketika tabel ekuilibrium pertama mengkonfirmasi tren dan harga sesuai dengan hubungan 200-day line, sinyal perdagangan akan dihasilkan.
Secara keseluruhan, strategi penggabungan multi-indikator ini dapat melindungi sejumlah besar sinyal palsu, dan hanya menghasilkan sinyal nyata ketika beberapa indikator mencapai konsensus, sehingga meningkatkan akurasi keputusan perdagangan. Ini adalah keuntungan terbesar dari strategi ini.
Risiko Strategis
Meskipun strategi integrasi multi-indikator dapat membantu meningkatkan kualitas sinyal, strategi ini juga memiliki risiko tertentu yang perlu diperhatikan.
Pertama, strategi kombinasi multi-indikator akan melewatkan beberapa peluang untuk menangkap beberapa indikator tunggal. Terlalu konservatif dapat menyebabkan kurangnya sinyal.
Kedua, mungkin ada perbedaan dan konflik antara indikator yang berbeda. Misalnya, RSI menunjukkan bentuk tim berani mati, tetapi penilaian tren pada tabel keseimbangan pertama kali sebaliknya. Bagaimana membandingkan beberapa indikator juga merupakan masalah.
Selain itu, pengaturan parameter juga dapat memiliki pengaruh yang lebih besar pada strategi. Periode rata-rata bergerak, parameter RSI dan pengaturan yang tidak tepat dapat menyebabkan dampak strategi yang besar.
Terakhir, ada banyak ruang untuk optimasi antara kode. Algoritma pembelajaran mesin dapat diperkenalkan untuk mengoptimalkan pengaturan parameter secara dinamis. Anda juga dapat menguji lebih banyak indikator untuk mencari kombinasi yang lebih baik.
Secara keseluruhan, risiko terbesar dari strategi ini adalah meningkatnya kompleksitas dan meningkatnya kesulitan dalam mengoptimalkan kombinasi multi-indikator. Perlu terus-menerus diuji dan dioptimalkan untuk lingkungan pasar yang berbeda untuk mendapatkan manfaat maksimal dari strategi.
Optimasi Strategi
Ada beberapa hal yang dapat dioptimalkan dari strategi ini:
Uji berbagai parameter indikator, optimasi parameter. Periode rata-rata bergerak, parameter RSI, dan lain-lain dapat diuji untuk menemukan kombinasi parameter yang optimal.
Cobalah untuk memperkenalkan indikator lain, seperti MACD, Blink, dan lain-lain, yang kaya dengan kombinasi multi-indikator, dan temukan cara yang lebih baik untuk menggabungkan indikator tersebut.
Menggunakan algoritma pembelajaran mesin untuk mengoptimalkan parameter secara dinamis. Bergantung pada kondisi pasar yang berbeda, biarkan strategi mengoptimalkan parameter secara otomatis.
Tambahkan strategi stop loss untuk mengendalikan risiko perdagangan. Pertimbangkan untuk keluar dari stop loss ketika harga menembus support atau resistance.
Optimalkan peluang masuk dari strategi. Anda dapat mendapatkan lebih banyak peluang dengan menurunkan kriteria penyaringan, tetapi perlu mempertimbangkan keseimbangan risiko-penghasilan.
Mengoptimalkan kode berdasarkan umpan balik, mengurangi penggunaan sumber daya, dan meningkatkan efisiensi strategi.
Menjelajahi hubungan multi-indikator yang lebih kompleks, mencari sinyal kombinasi yang lebih kuat. Masukkan lebih banyak kondisi dan aturan, tetapi waspadalah terhadap risiko over-optimisasi.
Meringkaskan
Strategi RSI Fusion Strategi RSI Fusion Strategi untuk membuat keputusan perdagangan dengan menggabungkan beberapa indikator, dapat secara efektif menyaring sinyal noise dan meningkatkan kualitas sinyal. Keuntungan utama dari strategi ini adalah mekanisme konfirmasi multi-indikator, yang dapat mengurangi sinyal palsu, tetapi ada juga masalah dengan peningkatan kompleksitas tertentu. Masih ada ruang yang besar untuk optimasi di masa depan, terutama dalam hal optimasi parameter dan optimasi kombinasi indikator.
/*backtest
start: 2023-10-02 00:00:00
end: 2023-11-01 00:00:00
period: 3h
basePeriod: 15m
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/
// This source code is subject to the terms of the Mozilla Public License 2.0 at https://mozilla.org/MPL/2.0/
// © tradethrills
//@version=4
strategy("RSI Divergence X Ichimoku Cloud X 200EMA", overlay=true)
//RSI Indicator
len = input(defval=14, minval=1)
src = input(defval=close)
lbR = input(defval=5)
lbL = input(defval=5)
takeProfitLevellong = input(minval = 70, defval = 75)
takeProfitLevelshort = input(minval = 30, defval = 25)
rangeUpper = input(defval=60)
rangeLower = input(defval=5)
//200 EMA
ema200 = ema(close, 200)
//Ichimoku Cloud Indicator
conversionPeriods = input(9, minval=1)
basePeriods = input(26, minval=1)
laggingSpan2Periods = input(52, minval=1)
displacement = input(26, minval=1)
donchian(len) => avg(lowest(len), highest(len))
conversionLine = donchian(conversionPeriods)
baseLine = donchian(basePeriods)
leadLine1 = avg(conversionLine, baseLine)
leadLine2 = donchian(laggingSpan2Periods)
abovecloud = max(leadLine1, leadLine2)
belowcloud = min(leadLine1, leadLine2)
//RSI Divergence Strategy
osc = rsi(src, len)
_inrange(cond) =>
bars = barssince(cond == true)
rangeLower <= bars and bars <= rangeUpper
pricelowfound = na(pivotlow(osc, lbL, lbR)) ? false : true
pricehighfound = na(pivothigh(osc, lbL, lbR)) ? false : true
//Regular Bullish
osc_higherlow = osc[lbR] > valuewhen(pricelowfound, osc[lbR], 1) and _inrange(pricelowfound[1])
price_lowerlow = low[lbR] < valuewhen(pricelowfound, low[lbR], 1)
bullCond = price_lowerlow and osc_higherlow and pricelowfound
//Hidden Bullish
osc_lowerlow = osc[lbR] < valuewhen(pricelowfound, osc[lbR], 1) and _inrange(pricelowfound[1])
price_higherlow = low[lbR] > valuewhen(pricelowfound, low[lbR], 1)
hiddenbullCond = price_higherlow and osc_lowerlow and pricelowfound
//Regular Bearish
osc_lowerhigh = osc[lbR] < valuewhen(pricehighfound, osc[lbR], 1) and _inrange(pricehighfound[1])
price_higherhigh = high[lbR] > valuewhen(pricehighfound, high[lbR], 1)
bearCond = price_higherhigh and osc_lowerhigh and pricehighfound
//Hidden Bearish
osc_higherhigh = osc[lbR] > valuewhen(pricehighfound, osc[lbR], 1) and _inrange(pricehighfound[1])
price_lowerhigh = high[lbR] < valuewhen(pricehighfound, high[lbR], 1)
hiddenbearCond = price_lowerhigh and osc_higherhigh and pricehighfound
//Entry and Exit
longCondition = (bullCond or hiddenbullCond) and (abovecloud > ema200)
closelongCondition = crossover(osc, takeProfitLevellong)
shortCondition = (bearCond or hiddenbearCond) and (ema200 > belowcloud)
closeshortCondition = crossover(osc, takeProfitLevelshort)
strategy.entry("Long", strategy.long, when=longCondition)
strategy.close("Long", when=closelongCondition)
strategy.entry("Short", strategy.short, when=shortCondition)
strategy.close("Short", when=closeshortCondition)