Strategi Perdagangan Pembalikan RSI Rata-rata Pergerakan Ganda Connor


Tanggal Pembuatan: 2023-11-21 14:20:43 Akhirnya memodifikasi: 2023-11-21 14:20:43
menyalin: 0 Jumlah klik: 686
1
fokus pada
1617
Pengikut

Strategi Perdagangan Pembalikan RSI Rata-rata Pergerakan Ganda Connor

Ringkasan

Strategi perdagangan reversal RSI biner-mean Connor menggabungkan indeks yang relatif kuat (RSI) dan biner-mean untuk mencari peluang perdagangan reversal yang memiliki probabilitas tinggi. Strategi ini menilai situasi yang akan berbalik dan membangun posisi ketika tren jangka pendek dan jangka panjang berbalik.

Prinsip Strategi

Strategi ini menggunakan RSI dan dua garis rata untuk menentukan tren pasar. Pertama, menghitung RSI 2 siklus untuk menentukan pembalikan tren jangka pendek. Kedua, menghitung rata-rata bergerak 200 siklus untuk menentukan arah tren jangka panjang.

Sinyal masuk: RSI lebih kecil dari zona oversold (default 5) dan harga jangka pendek lebih tinggi dari harga jangka panjang; RSI lebih besar dari zona overbuy (default 95) dan harga jangka pendek lebih rendah dari harga jangka panjang dan buka.

Keluar sinyal: keluar dari permainan ketika garis rata-rata jangka pendek 5 siklus mengeluarkan sinyal yang berlawanan dengan posisi masuk; atau stop loss ((default loss 3%)

Analisis Keunggulan Strategi

Strategi ini menggabungkan berbagai indikator untuk mengetahui struktur pasar, yang dapat meningkatkan akurasi transaksi. Keunggulan spesifiknya adalah sebagai berikut:

  1. Menggunakan RSI untuk menentukan titik balik jangka pendek, filter rata-rata bergerak keandalan sinyal reversal
  2. Garis ganda membentuk penyaringan yang kuat, untuk menghindari penimbunan
  3. Garis rata-rata jangka pendek kembali memverifikasi sinyal reversal, memastikan kemungkinan tinggi untuk keluar
  4. Pengendalian Risiko, Pengendalian Kerugian

Analisis Risiko Strategi

Strategi ini juga memiliki beberapa risiko:

  1. Indeks RSI lebih mungkin untuk memberi sinyal yang salah saat pasar bergejolak
  2. Pertimbangan kombinasi multi-indikator, optimasi parameter lebih rumit
  3. Reversal tidak selalu berhasil, perlu waktu yang tepat untuk menghentikan kerugian

Arah optimasi strategi

Strategi ini dapat dioptimalkan dalam beberapa hal:

  1. Optimalkan parameter RSI untuk menemukan kombinasi optimal dari parameter reversal
  2. Pengujian berbagai jenis parameter moving average
  3. Optimalkan strategi Stop Loss, Cari Stop Loss Terbaik
  4. Meningkatkan Indikator Penilaian Tren untuk Menghindari Kegagalan Reversal

Meringkaskan

Strategi perdagangan reversal RSI biner rata-rata Connor, dengan sinyal reversal RSI dan filter biner rata-rata, menangkap reversal di posisi probabilitas tinggi. Strategi ini menggunakan beberapa penilaian indikator, dapat secara efektif meningkatkan stabilitas strategi perdagangan. Langkah selanjutnya, dengan optimasi parameter dan perbaikan kontrol risiko, diharapkan untuk memperluas keunggulan strategi lebih lanjut, untuk mendapatkan efisiensi perdagangan yang lebih tinggi.

Kode Sumber Strategi
/*backtest
start: 2023-10-21 00:00:00
end: 2023-11-16 00:00:00
period: 1h
basePeriod: 15m
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/

//@version=5
strategy("Connors RSI-MA Strategy", overlay=true)

// Strategy parameters
rsiLength = input(2, title="RSI Length")
maLength = input(200, title="MA Length")
exitMaLength = input(5, title="Exit MA Length")
overboughtThreshold = input(95, title="Overbought Threshold")
oversoldThreshold = input(5, title="Oversold Threshold")
stopLossPercentage = input(3, title="Stop Loss Percentage")

// 2-period RSI
rsi2 = ta.rsi(close, rsiLength)

// 200-period MA
ma200 = ta.sma(close, maLength)

// 5-period MA for exit signals
ma5_exit = ta.sma(close, exitMaLength)

// Positive trend condition
positiveTrend = close > ma200

// Negative trend condition
negativeTrend = close < ma200

// Buy and sell conditions
buyCondition = rsi2 < oversoldThreshold and positiveTrend
sellCondition = rsi2 > overboughtThreshold and negativeTrend

// Exit conditions
exitLongCondition = close > ma5_exit
exitShortCondition = close < ma5_exit

// Stop Loss
stopLossLevelLong = strategy.position_avg_price * (1 - stopLossPercentage / 100)
stopLossLevelShort = strategy.position_avg_price * (1 + stopLossPercentage / 100)

// Strategy logic
if (buyCondition)
    strategy.entry("Buy", strategy.long)

if (sellCondition)
    strategy.entry("Sell", strategy.short)

if (exitLongCondition or close >= stopLossLevelLong)
    strategy.close("Buy")

if (exitShortCondition or close <= stopLossLevelShort)
    strategy.close("Sell")

// Plotting
plot(ma200, title="200 MA", color=color.blue)
plot(ma5_exit, title="Exit MA", color=color.red)

// Plot stop loss levels
plotshape(series=stopLossLevelLong, title="Long Stop Loss", color=color.green, style=shape.triangledown, size=size.small)
plotshape(series=stopLossLevelShort, title="Short Stop Loss", color=color.red, style=shape.triangleup, size=size.small)