FRAMA dan Strategi Perdagangan Crossover Rata-rata Bergerak Berdasarkan Rata-rata Bergerak Ganda

Penulis:ChaoZhang, Tanggal: 2023-12-22 16:08:23
Tag:

Gambaran umum

Strategi ini pertama-tama menghitung rata-rata bergerak sederhana 13 periode dan 26 periode, dan kemudian menghitung indikator FRAMA. Ini pergi panjang ketika garis cepat menembus garis lambat dari bawah ke atas, dan keluar dari posisi ketika garis cepat menembus garis lambat dari atas ke bawah atau ketika indikator FRAMA menembus harga penutupan dari atas ke bawah.

Prinsip Strategi

Strategi ini terutama menggunakan crossover rata-rata bergerak untuk menghasilkan sinyal perdagangan. Ketika rata-rata bergerak jangka pendek menembus rata-rata bergerak jangka panjang dari bawah ke atas, itu menunjukkan tren berubah dari penurunan ke kenaikan, dan pergi panjang. Ketika rata-rata bergerak jangka pendek melintasi di bawah yang jangka panjang, itu menunjukkan pembalikan yang akan datang, dan menutup posisi.

Sementara itu, indikator FRAMA diperkenalkan sebagai penilaian tambahan. Indikator FRAMA adalah garis rata-rata bergerak adaptif yang ditingkatkan berdasarkan hipotesis pasar fraktal. Dengan menghitung tingkat perubahan logaritma amplitudo fluktuasi harga selama periode yang berbeda, ia memperkirakan dimensi fraktal pasar secara real time untuk menyesuaikan kelancaran rata-rata bergerak secara dinamis. Ketika indikator FRAMA melintasi di bawah harga penutupan, itu menunjukkan sinyal pembalikan tren. Dikombinasikan dengan sinyal crossover rata-rata bergerak, itu meningkatkan akurasi penilaian.

Analisis Keuntungan

Strategi ini menggabungkan crossover rata-rata bergerak ganda dan indikator FRAMA, yang secara efektif dapat menyaring sinyal pecah palsu dan meningkatkan kualitas sinyal perdagangan.

Dibandingkan dengan indikator dan model tunggal, strategi ini dapat secara signifikan meningkatkan kualitas sinyal dan mengurangi kemungkinan penilaian yang salah. Sementara itu, menggabungkan rata-rata bergerak cepat dan lambat, dapat mengikuti tren untuk menghindari terjebak.

Analisis Risiko

Risiko utama dari strategi ini terletak pada bahwa rata-rata bergerak ganda dapat menghasilkan lebih banyak sinyal pecah palsu, dan pengaturan parameter indikator FRAMA juga akan mempengaruhi efektivitas.

Untuk mengendalikan risiko di atas, parameter seperti periode rata-rata bergerak dapat disesuaikan sesuai, atau disaring dengan indikator lain. Selain itu, parameter indikator FRAMA termasuk panjang, faktor fraktal juga perlu ditetapkan dengan tepat sesuai dengan pasar yang berbeda, untuk menghindari terlalu halus atau terlalu sensitif.

Arahan Optimasi

Strategi dapat dioptimalkan dalam aspek berikut:

Uji lebih banyak kombinasi dan periode rata-rata bergerak untuk menemukan pasangan parameter yang optimal.
Tambahkan strategi stop loss untuk mengendalikan kerugian tunggal.
Menggabungkan indikator volume perdagangan untuk menghindari pecah palsu di bawah volume rendah.
Tambahkan model pembelajaran mesin untuk mengevaluasi status pasar secara real time dan menyesuaikan parameter secara dinamis.
Menggabungkan indikator sentimen, berita dan faktor multi lainnya untuk meningkatkan kualitas keputusan.

Kesimpulan

Strategi awal ini menggabungkan penerapan crossover rata-rata bergerak ganda dan indikator FRAMA. Berdasarkan menjaga kesederhanaan dan intuisi, secara efektif telah meningkatkan kualitas sinyal dan layak untuk pengujian dan pengoptimalan lebih lanjut. Dengan pengoptimalan seperti penyesuaian parameter, pengenalan indikator baru, strategi ini dapat diharapkan menjadi strategi perdagangan yang stabil dan andal.

/*backtest
start: 2023-12-14 00:00:00
end: 2023-12-16 00:00:00
period: 30m
basePeriod: 15m
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/

//@version=2
strategy("Fractal Adaptive Moving Average",shorttitle="FRAMA",overlay=true)


ma_fast = sma(close,13)

ma_slow = sma(close,26)
plot(ma_fast,color = green)
plot(ma_slow, color = yellow)
price = input(hl2)
len = input(defval=16,minval=1)
FC = input(defval=1,minval=1)
SC = input(defval=198,minval=1)
len1 = len/2
w = log(2/(SC+1))
H1 = highest(high,len1)
L1 = lowest(low,len1)
N1 = (H1-L1)/len1
H2 = highest(high,len)[len1]
L2 = lowest(low,len)[len1]
N2 = (H2-L2)/len1
H3 = highest(high,len)
L3 = lowest(low,len)
N3 = (H3-L3)/len
dimen1 = (log(N1+N2)-log(N3))/log(2)
dimen = iff(N1>0 and N2>0 and N3>0,dimen1,nz(dimen1[1]))
alpha1 = exp(w*(dimen-1))
oldalpha = alpha1>1?1:(alpha1<0.01?0.01:alpha1)
oldN = (2-oldalpha)/oldalpha
N = (((SC-FC)*(oldN-1))/(SC-1))+FC
alpha_ = 2/(N+1)
alpha = alpha_<2/(SC+1)?2/(SC+1):(alpha_>1?1:alpha_)
out = (1-alpha)*nz(out[1]) + alpha*price
plot(out,title="FRAMA",color=purple,transp=0)
entry() => crossover(ma_fast, ma_slow) and (out < close)
exit() => crossover(ma_slow, ma_fast) or crossunder(out, close)

strategy.entry(id= "MA cross", long = true, when = entry())
strategy.close(id= "MA cross", when = exit())

Lebih banyak

2019 FMZ - Semua hak dilindungi