
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.
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%)
Strategi ini menggabungkan berbagai indikator untuk mengetahui struktur pasar, yang dapat meningkatkan akurasi transaksi. Keunggulan spesifiknya adalah sebagai berikut:
Strategi ini juga memiliki beberapa risiko:
Strategi ini dapat dioptimalkan dalam beberapa hal:
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.
/*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)