1. Persegi
  2. MACD 200 Day Moving Average Strategi Perdagangan Crossover

MACD 200 Day Moving Average Strategi Perdagangan Crossover

Penulis:ChaoZhang, Tanggal: 2024-01-03 11:50:56
Tag:

img

Gambaran umum

Strategi perdagangan ini adalah strategi kuantitatif yang didasarkan pada operasi crossover rata-rata bergerak 200 hari indikator MACD. Ini menggabungkan fungsi ganda indikator MACD untuk menilai sinyal beli dan jual pasar dan rata-rata bergerak 200 hari untuk menilai tren pasar, bertujuan untuk menemukan waktu masuk dan keluar yang lebih tepat.

Prinsip Strategi

Ada dua poin utama dari strategi ini:

  1. Indikator MACD perpindahan garis cepat dan lambat menghasilkan sinyal beli dan jual. Ketika garis cepat menembus garis lambat ke atas, sinyal beli dihasilkan. Ketika garis cepat menembus garis lambat ke bawah, sinyal jual dihasilkan.

  2. Rata-rata bergerak 200 hari menilai tren pasar secara keseluruhan. Harga di atas rata-rata bergerak 200 hari menunjukkan pasar bull, dan di bawahnya menunjukkan pasar bear. Sinyal beli hanya ditindaklanjuti di pasar bull, dan sinyal jual hanya di pasar bear.

Menurut dua poin ini, aturan perdagangan khusus dari strategi ini adalah:

Ketika garis cepat MACD menembus garis lambat MACD ke atas, histogram negatif, dan harga di atas rata-rata bergerak 200 hari, operasi beli dilakukan.

Analisis Keuntungan

  1. Konfirmasi ganda meningkatkan stabilitas dan tingkat keberhasilan strategi. MACD menilai sinyal beli dan jual, dan rata-rata bergerak 200 hari menilai tren pasar. Konfirmasi ganda dapat menyaring beberapa sinyal perdagangan dengan ketidakpastian yang lebih besar.

  2. Dalam pasar yang sedang mengalami tren yang kuat, strategi ini dapat membawa keuntungan yang relatif tinggi.

  3. Indikator MACD juga relatif sensitif untuk keluar dari fase konsolidasi. Ketika harga mengakhiri periode konsolidasi yang panjang dan memasuki fase tren, strategi ini dapat dengan cepat menangkap arah tren baru.

Analisis Risiko

  1. Strategi ini cukup sensitif terhadap pengaturan parameter. pengaturan parameter indikator MACD yang tidak benar dapat menyebabkan sinyal palsu.

  2. Di dekat titik balik tren, sinyal MACD cenderung menghasilkan lebih banyak kesalahan. Pada saat ini, mungkin ada penurunan yang lebih besar dalam profitabilitas strategi.

  3. Ketika harga berada dalam periode konsolidasi yang panjang, strategi ini tidak dapat menentukan arah tren yang jelas, yang mengarah pada peningkatan fluktuasi keuntungan/kerugian dan waktu penarikan yang lebih lama.

Optimalisasi

  1. Kombinasi parameter yang berbeda dapat diuji untuk menemukan parameter MACD yang menghasilkan sinyal yang lebih akurat.

  2. Pertimbangkan untuk menambahkan konfirmasi dari indikator teknis lainnya seperti RSI dan KD untuk membentuk konsensus dari beberapa indikator, sehingga meningkatkan keandalan strategi.

  3. Atur titik stop loss untuk mengontrol penarikan maksimum. Segera stop loss ketika harga membuat pembalikan yang signifikan, yang secara efektif dapat menghindari pembesaran kerugian.

Kesimpulan

Strategi crossover rata-rata bergerak 200 hari MACD menggabungkan fungsi ganda penilaian tren dan penilaian sinyal perdagangan, yang dapat secara efektif meningkatkan probabilitas profitabilitas. Ini adalah strategi perdagangan kuantitatif yang relatif kuat dan dapat diandalkan. Tetapi strategi ini juga bergantung pada parameter dan kondisi pasar. Optimasi dan pengujian berkelanjutan dapat lebih meningkatkan kemampuan menghasilkan keuntungan yang stabil dari strategi.

/*backtest
start: 2023-12-26 00:00:00
end: 2024-01-02 00:00:00
period: 1m
basePeriod: 1m
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/

// This source code is subject to the terms of the Mozilla Public License 2.0 at https://mozilla.org/MPL/2.0/
// © x11joe

//@version=4
//This strategy is based on a youtube strategy that suggested I do this...so I did!

strategy(title="MacD 200 Day Moving Average Signal Crossover Strategy", overlay=false, precision=2,commission_value=0.26, initial_capital=10000, currency=currency.USD, default_qty_type=strategy.percent_of_equity, default_qty_value=100)

// Getting inputs
fast_length = input(title="Fast Length", type=input.integer, defval=12)
slow_length = input(title="Slow Length", type=input.integer, defval=26)
src = input(title="Source", type=input.source, defval=close)
signal_length = input(title="Signal Smoothing", type=input.integer, minval = 1, maxval = 50, defval = 9)
sma_source = input(title="Simple MA(Oscillator)", type=input.bool, defval=false)
sma_signal = input(title="Simple MA(Signal Line)", type=input.bool, defval=false)

// Plot colors
col_grow_above = #26A69A
col_grow_below = #FFCDD2
col_fall_above = #B2DFDB
col_fall_below = #EF5350
col_macd = #0094ff
col_signal = #ff6a00

// Calculating
fast_ma = sma_source ? sma(src, fast_length) : ema(src, fast_length)
slow_ma = sma_source ? sma(src, slow_length) : ema(src, slow_length)
macd = fast_ma - slow_ma
signal = sma_signal ? sma(macd, signal_length) : ema(macd, signal_length)
hist = macd - signal

moving_avg_length = input(title="Moving Average Length", type=input.integer, defval=200)
moving_avg = sma(close,moving_avg_length)

moving_avg_normalized = close - moving_avg
plot(moving_avg_normalized, title="Moving Average Normalized", style=plot.style_line, color=color.orange,linewidth=3)

plot(hist, title="Histogram", style=plot.style_columns, color=(hist>=0 ? (hist[1] < hist ? col_grow_above : col_fall_above) : (hist[1] < hist ? col_grow_below : col_fall_below) ), transp=0 )
plot(macd, title="MACD", color=col_macd, transp=0)
plot(signal, title="Signal", color=col_signal, transp=0)

if(macd>signal and macd<0 and close>moving_avg)
    strategy.entry("buy",strategy.long)

if(close<moving_avg and macd<signal and macd>0)
    strategy.entry("sell",strategy.short)
Lebih banyak

2019 FMZ - Semua hak dilindungi