Strategi perdagangan sistem rata-rata pergerakan multi-garis waktu
ChaoZhang
Ringkasan
Strategi ini menggunakan sistem linier rata-rata dari beberapa waktu, menggabungkan berbagai indikator teknis seperti indikator RSI, untuk mencapai multi-rajah otomatis. Strategi ini disebut Multi-Timeframe Moving Average System Trading Strategy.
Prinsip Strategi
Strategi ini menggunakan beberapa indikator rata-rata seperti JMA, TEMA, DEMA untuk menghitung tren harga dalam periode yang berbeda seperti 15 menit, 30 menit, 60 menit. Strategi ini kemudian membandingkan pergerakan harga dalam periode yang berbeda untuk menentukan apakah ada perpecahan antara garis panjang dan garis pendek. Jika ada sinyal perpecahan yang signifikan, sinyal perdagangan dihasilkan.
Secara khusus, trend, trend2 dan trend3 dalam strategi mewakili tren harga 15 menit, 30 menit, dan 60 menit. Jika harga 15 menit berbalik, dan 30 menit dan 60 menit belum berbalik, maka ada perbedaan antara garis pendek dan panjang, dan sinyal perdagangan dihasilkan. Jika semua tren siklus konsisten, maka tidak ada sinyal perdagangan dihasilkan.
Dengan membandingkan hubungan antara beberapa siklus, memfilter beberapa sinyal palsu, menghasilkan sinyal perdagangan yang lebih andal, yang merupakan inti dari strategi tersebut.
Analisis Keunggulan
Strategi ini memiliki beberapa keuntungan utama:
- Menggunakan analisis multi-aksara waktu untuk meningkatkan keandalan sinyal dan memfilter sinyal palsu;
- Menggabungkan berbagai indikator untuk menilai secara menyeluruh, menghindari masalah yang ditimbulkan oleh satu indikator;
- Otomatis melakukan multihead switch, tanpa intervensi manual, mengurangi kesulitan operasi.
Analisis risiko
Strategi ini juga memiliki beberapa risiko:
- Analisis multi-aksara waktu akan meningkatkan ketidakpastian pada saat transaksi, dan kemungkinan kehilangan waktu terbaik untuk masuk;
- Pada saat yang sama, kombinasi dari berbagai indikator, parameter indikator yang tidak tepat dapat menyebabkan penurunan kualitas sinyal perdagangan.
- Ada risiko over-optimisasi multihead yang beralih secara otomatis, dan efek disk mungkin lebih lemah dari pengembalian.
Untuk mengurangi risiko tersebut, kita dapat mengambil langkah-langkah berikut:
- Menyesuaikan parameter garis waktu untuk memastikan bahwa sinyal garis pendek masuk dengan vez;
- Mengoptimalkan parameter indikator secara terus menerus melalui pengetesan data yang besar;
- Intervensi yang tepat di pasar nyata, menghindari sistem otomatis yang melakukan perdagangan buta.
Arah optimasi
Strategi ini masih memiliki ruang untuk dioptimalkan lebih jauh:
- Algoritma pembelajaran mesin dapat diperkenalkan untuk mengoptimalkan parameter multi-indikator secara otomatis melalui pelatihan model.
- Anda dapat menambahkan pengaturan slider adaptif, menyesuaikan ukuran slider sesuai dengan fluktuasi pasar, dan meningkatkan efek disk;
- Mekanisme konfirmasi kuantitatif dapat diperkenalkan untuk menghindari kerugian akibat perubahan tren yang cepat.
Meringkaskan
Strategi ini menghasilkan sinyal perdagangan dengan mempertimbangkan hubungan garis panjang dan pendek dari pergerakan harga pada waktu yang lebih banyak. Strategi ini menghasilkan sinyal perdagangan dengan kombinasi analisis komprehensif dari berbagai indikator. Strategi ini juga memiliki ruang untuk perbaikan. Strategi ini dapat dioptimalkan di masa depan dengan mengintegrasikan pembelajaran mesin, slip adaptif, dan konfirmasi harga.
/*backtest
start: 2023-11-11 00:00:00
end: 2023-12-11 00:00:00
period: 4h
basePeriod: 15m
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/
//@version=2
strategy("Drexel Strategy", overlay=true )
Length1=7
Length2=9
Multiplier=input(1.5,"Multiplier")
jma(src,length) =>
beta = 0.45*(length-1)/(0.45*(length-1)+2)
alpha = beta
tmp0 = (1-alpha)*src + alpha*nz(tmp0[1])
tmp1 = (src - tmp0[0])*(1-beta) + beta*nz(tmp1[1])
tmp2 = tmp0[0] + tmp1[0]
tmp3 = (tmp2[0] - nz(tmp4[1]))*((1-alpha)*(1-alpha)) + (alpha*alpha)*nz(tmp3[1])
tmp4 = nz(tmp4[1]) + tmp3[0]
JMA = tmp4
JMA
rsx(src,length) =>
f90_ = (nz(f90_[1]) == 0.0) ? 1.0 : (nz(f88[1]) <= nz(f90_[1])) ? nz(f88[1])+1 : nz(f90_[1])+1
f88 = (nz(f90_[1]) == 0.0) and (length-1 >= 5) ? length-1.0 : 5.0
f8 = 100.0*(src)
f18 = 3.0 / (length + 2.0)
f20 = 1.0 - f18
f10 = nz(f8[1])
v8 = f8 - f10
f28 = f20 * nz(f28[1]) + f18 * v8
f30 = f18 * f28 + f20 * nz(f30[1])
vC = f28 * 1.5 - f30 * 0.5
f38 = f20 * nz(f38[1]) + f18 * vC
f40 = f18 * f38 + f20 * nz(f40[1])
v10 = f38 * 1.5 - f40 * 0.5
f48 = f20 * nz(f48[1]) + f18 * v10
f50 = f18 * f48 + f20 * nz(f50[1])
v14 = f48 * 1.5 - f50 * 0.5
f58 = f20 * nz(f58[1]) + f18 * abs(v8)
f60 = f18 * f58 + f20 * nz(f60[1])
v18 = f58 * 1.5 - f60 * 0.5
f68 = f20 * nz(f68[1]) + f18 * v18
f70 = f18 * f68 + f20 * nz(f70[1])
v1C = f68 * 1.5 - f70 * 0.5
f78 = f20 * nz(f78[1]) + f18 * v1C
f80 = f18 * f78 + f20 * nz(f80[1])
v20 = f78 * 1.5 - f80 * 0.5
f0 = ((f88 >= f90_) and (f8 != f10)) ? 1.0 : 0.0
f90 = ((f88 == f90_) and (f0 == 0.0)) ? 0.0 : f90_
v4_ = ((f88 < f90) and (v20 > 0.0000000001)) ? (v14 / v20 + 1.0) * 50.0 : 50.0
rsx = ((v4_ > 100.0) ? 100.0 : (v4_ < 0.0) ? 0.0 : v4_)-50
rsx
xPrice=open
emaA = ema(xPrice, Length2)
Xprice = rsx(open,14)
XPrice = high, xprice = low
xe1 = jma(xPrice, Length1)
xe11 = jma(Xprice[1],Length1)
xe111 = jma(XPrice[1],Length1)
xe1111=jma(xprice[1],Length1)
xe2 = jma(xe1, Length1)
xe21 = jma(xe111, Length1)
xe3 = jma(xe2, Length1)
xe31 = jma(xe1111,Length2)
xe3a = jma(xe2,Length1)
xe4 = jma(xe3, Length1)
xe5 = jma(xe4, Length1)
xe6 = jma(xe5, Length1)
b = 0.7
c1 = -b*b*b
c2 = 3*b*b+3*b*b*b
c3 = -6*b*b-3*b-3*b*b*b
c3a = nz(c3a[1])
c4 = 1+3*b+b*b*b+3*b*b
TEMA = c1 * xe6 + c2 * xe5 + c3 * xe4 + c4 * xe3
DEMA = 2 * emaA - ema(emaA, Length2)
Length(mod)=>(mod*c3a)+Length2
Trend1=TEMA/DEMA
a=rsx(open,Length(2))
b1=rsx(open,Length(3))
c=rsx(open,Length(5))
d=rsx(open,Length(8))
e=rsx(open,Length(13))
f=rsx(open,Length(21))
g=rsx(open,Length(34))
h=rsx(open,Length(55))
i=rsx(open,Length(89))
j=rsx(open,Length(144))
trend1 = (((a-b1)+(c-d)+(e-f)+(g-h)+(i-j))/10)
trend = trend1>0?avg(a,b,c4,c2):trend1==0?XPrice:avg(rsx(open,24),jma(open,24),rsx(jma(open,24),24))
trend2 = trend1>0?avg(d,e,c2,c1):trend1==0?XPrice:avg(rsx(open,48),jma(open,48),rsx(jma(open,48),48))
trend3 = trend1>0?avg(d,e,c2,c1):trend1==0?xprice:avg(rsx(open,96),jma(open,96),rsx(jma(open,96),96))
bc=request.security(syminfo.tickerid,'15',trend)
bc1=request.security(syminfo.tickerid,'15',trend2)
bc2=request.security(syminfo.tickerid,'15',trend3)
bd=request.security(syminfo.tickerid,'30',trend)
bd1=request.security(syminfo.tickerid,'30',trend2)
bd2=request.security(syminfo.tickerid,'30',trend3)
be=request.security(syminfo.tickerid,'60',trend)
be1=request.security(syminfo.tickerid,'60',trend2)
be2=request.security(syminfo.tickerid,'60',trend3)
bf=request.security(syminfo.tickerid,'120',trend)
bf1=request.security(syminfo.tickerid,'120',trend2)
bf2=request.security(syminfo.tickerid,'120',trend3)
bg=request.security(syminfo.tickerid,'240',trend)
bg1=request.security(syminfo.tickerid,'240',trend2)
bg2=request.security(syminfo.tickerid,'240',trend3)
bh=request.security(syminfo.tickerid,'D',trend)
bh1=request.security(syminfo.tickerid,'D',trend2)
bh2=request.security(syminfo.tickerid,'D',trend3)
Trend=((bc-bc1)+(bd-bd1)+(be-be1)+(bf-bf1)+(bg-bg1)+(bh))
Trend11=((bc-bc1)+(bd-bd1)+(be-be1)+(bf-bf1)+(bg-bg1)+(bh1))
Trend33 = max(min(min(min(bc2,bd2),min(be2,bf2)),bg2),bh2)
AverageTrend=sma(Trend1,1000)
StdDev=Multiplier*stdev(Trend1,1000)
TopBand=AverageTrend+StdDev
BotBand=AverageTrend-StdDev
ap=open
n1=10
n2=21
esa1 = jma(ap, n1)
d1 = jma(abs(ap - esa1), n1)
x1 = trend3==Trend33
y1 = trend2==Trend11
ci = (ap - esa1) / (0.015 * d1)
tci = jma(ci, n2)
wt1=tci
wt2=sma(wt1,4)
fast=jma(open,5)
slow=jma(open,13)
macd=fast-slow
signal=sma(macd,4)
WaveTrend1=wt1-wt2
JMACD1=macd-signal
rsi = (((rsi(open,6))-50)*3)
g1=rsi>Trend1 and WaveTrend1>Trend1 and JMACD1>Trend1
h1=g1?tci*c3a:nz(h[1])
strategy.entry("Long",true,when=x1)
strategy.close("Long",y1)
strategy.entry("Short",false,when=y1)
strategy.close("Short",x1)