1. Persegi
  2. Strategi Momentum Trading Berdasarkan CMO dan WMA

Strategi Momentum Trading Berdasarkan CMO dan WMA

Penulis:ChaoZhang, Tanggal: 2023-11-28 16:42:54
Tag:

img

Gambaran umum

Strategi ini disebut Momentum Trading Strategy Based on CMO dan WMA. Strategi ini menggunakan Chande Momentum Oscillator (CMO) dan Weighted Moving Average (WMA) untuk membangun sinyal perdagangan.

Logika Strategi

Indikator inti dari strategi ini adalah CMO. CMO terkait erat dengan indikator momentum lainnya seperti RSI, tetapi juga memiliki keunikan. CMO secara langsung mengukur momentum perubahan harga. Perhitungannya didasarkan pada data mentah yang tidak dihaluskan, sehingga mencerminkan perubahan harga jangka pendek yang ekstrim. Nilai CMO berkisar dari +100 hingga -100, yang membuatnya nyaman untuk membandingkan kekuatan momentum absolut di seluruh sekuritas.

Strategi pertama menghitung perubahan harga satu hari abs ((close - close[1]) sebagai momentum asli xMom. Kemudian menghitung SMA xMom selama hari Panjang, yang ditandai sebagai xSMA_mom. Setelah itu, menghitung perubahan harga selama hari Panjang xMomLength, yaitu dekat - dekat[Length]. Akhirnya, CMO dihitung sebagai xMomLength dibagi dengan xSMA_mom kemudian dikalikan dengan 100. CMO ini dihaluskan oleh WMA (parameter LengthWMA) untuk memperoleh xWMACMO. Sinyal perdagangan adalah untuk pergi panjang (pendek) ketika CMO melintasi di atas (di bawah) WMA-nya.

Keuntungan

Keuntungan terbesar dari strategi ini adalah menangkap karakteristik momentum dalam tren harga. Desain terbatas dari CMO mencerminkan perubahan momentum lebih langsung. Dibandingkan dengan SMA, WMA meratakan kebisingan jangka pendek lebih baik. Jadi strategi ini dapat secara efektif mengidentifikasi titik masuk dalam tren jangka menengah hingga panjang. Selain itu, kombinasi CMO dan WMA memberikan stabilitas yang lebih baik daripada satu indikator.

Risiko

Risiko terbesar dari strategi ini adalah frekuensi perdagangan yang tinggi yang menyebabkan peningkatan biaya slippage. baik CMO dan WMA memiliki parameter jangka pendek, yang dapat menyebabkan whipsaws yang berlebihan yang tidak berarti. ini terutama parah ketika kendaraan perdagangan memiliki fluktuasi besar.

Kami dapat mempertimbangkan untuk memperkenalkan optimasi adaptif dari parameter CMO dan WMA, memungkinkan mereka untuk menyesuaikan secara dinamis. Menambahkan kondisi filter untuk mengurangi perdagangan yang tidak perlu adalah pilihan lain. Mengurangi volatilitas melalui diversifikasi portofolio juga membantu.

Arah Peningkatan

Strategi dapat ditingkatkan dari aspek berikut:

  1. Tambahkan mekanisme parameter CMO yang adaptif untuk menemukan parameter optimal untuk rezim volatilitas yang berbeda;

  2. Tambahkan mekanisme parameter WMA adaptif sehingga efek pelembabannya berubah sesuai;

  3. Tambahkan kondisi filter seperti Volatility Index untuk mengontrol whipsaws yang tidak berarti;

  4. Pertimbangkan untuk menggabungkan dengan indikator lain untuk meningkatkan stabilitas;

  5. Mengoptimalkan mekanisme stop loss, mengatur garis stop loss dinamis untuk secara aktif mengontrol satu ronde loss.

Kesimpulan

Strategi ini merealisasikan tren yang sederhana dan efektif berdasarkan CMO dan WMA. Keuntungannya terletak pada karakteristik momentum harga yang jelas. Tapi juga memiliki beberapa kelemahan dalam kemampuan retensi keuntungan setelah membuka posisi. Baik penyesuaian parameter dan combo dapat sangat meningkatkan stabilitas. Secara keseluruhan, strategi ini memiliki banyak ruang dan nilai untuk perbaikan.

/*backtest
start: 2022-11-21 00:00:00
end: 2023-11-27 00:00:00
period: 1d
basePeriod: 1h
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/

//@version=2
////////////////////////////////////////////////////////////
//  Copyright by HPotter v1.0 13/02/2017
//    This indicator plots Chandre Momentum Oscillator and its WMA on the 
//    same chart. This indicator plots the absolute value of CMO.
//    The CMO is closely related to, yet unique from, other momentum oriented 
//    indicators such as Relative Strength Index, Stochastic, Rate-of-Change, 
//    etc. It is most closely related to Welles Wilder?s RSI, yet it differs 
//    in several ways:
//    - It uses data for both up days and down days in the numerator, thereby 
//        directly measuring momentum;
//    - The calculations are applied on unsmoothed data. Therefore, short-term 
//        extreme movements in price are not hidden. Once calculated, smoothing 
//        can be applied to the CMO, if desired;
//    - The scale is bounded between +100 and -100, thereby allowing you to clearly 
//        see changes in net momentum using the 0 level. The bounded scale also allows 
//        you to conveniently compare values across different securities.
////////////////////////////////////////////////////////////
strategy(title="CMO & WMA", shorttitle="CMO & WMA")
Length = input(9, minval=1)
LengthWMA = input(9, minval=1)
reverse = input(false, title="Trade reverse")
hline(0, color=gray, linestyle=line)
xMom = abs(close - close[1])
xSMA_mom = sma(xMom, Length)
xMomLength = close - close[Length]
nRes = 100 * (xMomLength / (xSMA_mom * Length))
xWMACMO = wma(nRes, LengthWMA)
pos = iff(nRes > xWMACMO, 1,
	   iff(nRes <= xWMACMO, -1, nz(pos[1], 0))) 
possig = iff(reverse and pos == 1, -1,
         iff(reverse and pos == -1, 1, pos))	   
if (possig == 1) 
    strategy.entry("Long", strategy.long)
if (possig == -1)
    strategy.entry("Short", strategy.short)	   	    
barcolor(possig == -1 ? red: possig == 1 ? green : blue)
plot(nRes, color=blue, title="CMO")
plot(xWMACMO, color=red, title="WMA")
Lebih banyak

2019 FMZ - Semua hak dilindungi