Strategi Garis Tren Instan Ehlers
Ringkasan
Strategi Garis Tren Instan Ehler dikemukakan oleh John Ehlers dalam bukunya "Analisis Kontrol untuk Saham dan Futures". Strategi ini menggunakan indikator teknis untuk mengidentifikasi tren instan dari saham atau futures, dan membuka posisi saat terjadi pembalikan tren.
Prinsip Strategi
Inti dari strategi ini adalah perhitungan Garis Tren Instan (IT). Rumus perhitungan IT adalah sebagai berikut:
it := (a-((a*a)/4.0))*src+0.5*a*a*src[1]-(a-0.75*a*a)*src[2]+2*(1-a )*it[1]-(1-a )*(1-a )*it[2]
Di mana src mewakili harga, a adalah faktor penghalus dengan nilai default 0,07. Rumus ini adalah filter orde dua yang mampu menghaluskan harga dan menghasilkan tren.
Indikator kunci lainnya adalah garis lag (lag), dengan rumus perhitungan:
lag = 2.0 * it - nz(it[2])
Garis ini tertinggal satu periode dari garis IT. Ketika harga menembus ke atas garis lag, itu menandakan pembalikan tren, lakukan long; ketika harga menembus ke bawah garis lag, itu menandakan pembalikan tren, lakukan short.
Selain itu, strategi ini juga menetapkan stop loss untuk mengendalikan risiko.
Analisis Kelebihan
Strategi ini memiliki kelebihan sebagai berikut:
- Menggunakan garis IT untuk mengidentifikasi tren, mampu menyaring noise pasar secara efektif, meningkatkan kualitas sinyal
- Menerapkan filter orde dua, ruang optimasi parameter besar, fleksibilitas tinggi
- Menggabungkan garis lag untuk menghasilkan sinyal trading, menghindari pembukaan dan penutupan posisi berulang dalam tren
- Menetapkan stop loss untuk mengendalikan risiko, dapat menentukan persentase stop loss di muka
- Struktur kode jelas, mudah dipahami dan dimodifikasi
Analisis Risiko
Strategi ini juga memiliki beberapa risiko:
- Pengaturan parameter garis IT dan garis lag yang tidak tepat dapat menyebabkan sinyal yang salah
- Penentuan titik stop loss yang tidak tepat dapat menyebabkan stop loss terlalu awal atau rentang stop loss terlalu besar
- Frekuensi trading mungkin tinggi, biaya transaksi mempengaruhi profitabilitas
- Waktu holding posisi yang terkonsentrasi terlalu lama dapat menyebabkan efek magnifikasi yang mempengaruhi tingkat pengembalian
Risiko-risiko ini dapat dikurangi dengan cara berikut:
- Menerapkan algoritma pembelajaran mesin untuk mengoptimalkan parameter
- Menetapkan titik stop loss adaptif
- Menyesuaikan jumlah posisi yang dibuka secara tepat, mengurangi frekuensi trading
- Menetapkan stop loss berdasarkan periode holding
Arah Optimasi
Strategi ini dapat dioptimalkan dari beberapa arah berikut:
- Menguji pengaruh parameter filter yang berbeda terhadap hasil, mencari parameter optimal
- Mencoba menggabungkan indikator lain untuk menyaring sinyal trading, meningkatkan kualitas sinyal
- Mengoptimalkan logika pembukaan posisi, menambah ukuran posisi pada fase akselerasi tren
- Menetapkan strategi stop loss adaptif, menyesuaikan titik stop loss berdasarkan volatilitas pasar
- Melakukan analisis deret waktu, menentukan pengaruh waktu dan periode trading terhadap hasil
Kesimpulan
Secara keseluruhan, strategi Garis Tren Instan Ehler menggunakan indikator teknis untuk mengidentifikasi tren real-time dari saham/futures, dan membuka posisi saat terjadi pembalikan tren. Strategi ini memiliki kelebihan seperti penyaringan noise yang efektif, fleksibilitas parameter yang tinggi, logika pembuatan sinyal yang jelas, dan pengendalian risiko bawaan. Melalui optimasi lebih lanjut pada pemilihan parameter, penyaringan sinyal, ukuran posisi, dan penyesuaian stop loss, strategi ini dapat mencapai kinerja yang lebih baik. Struktur kode yang jelas juga membuatnya mudah dipahami dan dimodifikasi. Singkatnya, ini adalah sistem pelacakan yang efisien dan layak untuk diuji serta ditingkatkan.
/*backtest
start: 2022-12-13 00:00:00
end: 2023-12-19 00:00:00
period: 1d
basePeriod: 1h
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/
//@version=3
strategy("Ehlers Instantaneous Trendline Strategy", shorttitle = "Ehlers Instantaneous Trendline Strategy", overlay = true, default_qty_type = strategy.percent_of_equity, default_qty_value = 100.0, pyramiding = 1, backtest_fill_limits_assumption = 1)
src = input(hl2, title="Source")
a = input(0.07, title="Alpha", step=0.01) - 1