Indikator relaksasi momentum dan strategi pola 123
ChaoZhang
Ringkasan
Strategi ini menggabungkan indikator momentum dan bentuk 123 untuk membentuk sinyal perdagangan yang komprehensif untuk meningkatkan probabilitas keuntungan. Di antaranya, indikator momentum melacak volatilitas pasar dan menyesuaikan parameter RSI untuk menangkap tren jangka pendek.
Prinsip Strategi
123 bentuk
123 bentuk dibagi menjadi tiga tahap, tahap pertama harga saham turun selama dua hari berturut-turut, kemudian tahap kedua harga saham naik selama dua hari berturut-turut, dan akhirnya tahap ketiga harga saham turun lagi. Berdasarkan bentuk ini, kita dapat menilai bahwa posisi kepala kosong dapat dibentuk ketika harga saham naik pada tahap kedua, sedangkan posisi kepala kosong dapat dibentuk ketika harga saham turun pada tahap ketiga.
Secara khusus, ketika harga penutupan turun dua hari berturut-turut, jika pada hari ketiga harga penutupan lebih tinggi dari harga penutupan hari sebelumnya, sementara pada hari ke-9 Stochastic Slow lebih rendah dari 50, itu adalah sinyal beli; ketika harga penutupan naik dua hari berturut-turut, jika pada hari ketiga harga penutupan lebih rendah dari harga penutupan hari sebelumnya, sementara pada hari ke-9 Stochastic Fast lebih tinggi dari 50, itu adalah sinyal jual.
Indikator Kinerja
Proses pembentukan indikator momentum ketegangan hampir sama dengan RSI. Perbedaan utama adalah bahwa panjang siklus indeks momentum ketegangan adalah variabel. Secara khusus, panjang siklus indikator dipengaruhi oleh fluktuasi harga baru-baru ini.
Rumus perhitungan untuk Indeks Kekuatan Zhang Yang adalah sebagai berikut:
DMI = RSI(DTime)
其中:
DTime = 14 / X日收盘价标准差的10日均值
Indikator ini memiliki kisaran yang sama dengan RSI, dengan area kosong sebagai berikut:
DMI > 30 Daerah kosong: DMI < 70
Sinyal beli dihasilkan ketika indikator dari daerah kosong menuju daerah multihead, dan sinyal jual dihasilkan ketika daerah multihead menuju daerah kosong.
Analisis Keunggulan
Bentuk 123 sederhana dan efektif. Bentuk ini memanfaatkan karakteristik harga saham yang berbalik dalam waktu singkat, membeli di bagian bawah bawah dan menjual di bagian atas, menghindari perdagangan di pertengahan tren.
Indeks momentum Zhang Yi lebih sensitif. Karakteristik perubahan kecepatan indikator memungkinkan mereka untuk beradaptasi dengan pasar, menangkap titik balik tepat waktu dalam fluktuasi yang kuat.
Dua strategi dapat secara efektif menyaring misinformasi. Ketika 123 bentuk menghasilkan sinyal, maka DMI menilai latar belakang pasar, dapat mengurangi kerugian yang ditimbulkan oleh perdagangan dalam tren.
Dengan menggunakan dua strategi tersebut, DMI cocok untuk digunakan sebagai filter, dan dengan 123 mode dapat meningkatkan stabilitas sistem secara signifikan.
Analisis risiko
Kemungkinan untuk menghasilkan sinyal yang salah. Kedua bentuk DMI dan 123 dapat menghasilkan sinyal yang salah jika harga hanya berfluktuasi jangka pendek dan tidak berputar.
Frekuensi perdagangan mungkin terlalu tinggi. Sifat siklus DMI membuatnya sangat sensitif terhadap kebisingan pasar dan perlu menyesuaikan parameter dengan tepat untuk mengontrol frekuensi perdagangan.
Bentuk 123 mungkin melewatkan peluang pertengahan tren. Bentuk ini terutama menangkap pembalikan jangka pendek dan tidak dapat terus menghasilkan keuntungan dari tren garis tengah-panjang.
Perlu membatasi jumlah transaksi dengan tepat. Terlalu banyak transaksi dapat menyebabkan biaya yang tinggi dan biaya slippage.
Arah optimasi
Mengoptimalkan parameter Indeks Changchun Dinamis. Dapat menguji parameter RSI dari berbagai DMI, parameter interval perdagangan, dan menemukan kombinasi parameter yang optimal.
Optimalkan 123 kondisi penyaringan bentuk. Anda dapat menguji parameter yang berbeda dari indikator Stoch atau indikator penyaringan lainnya seperti MACD.
Meningkatkan mekanisme penangguhan kerugian. Pengurangan penangguhan kerugian yang tepat dapat mengurangi kerugian tunggal.
Menambahkan modul manajemen posisi. Misalnya, perdagangan jumlah tetap, perdagangan tingkat pemanfaatan dana tetap, dan lain-lain dapat meningkatkan kontrol risiko strategi.
Meringkaskan
Strategi ini bertujuan untuk menilai pasar dari dua sudut dengan menggabungkan indeks momentum Changchun dan bentuk 123. Ini bertujuan untuk meningkatkan efektivitas sinyal perdagangan. Namun, tidak ada strategi tunggal yang dapat menyesuaikan diri dengan perubahan pasar secara sempurna.
/*backtest
start: 2024-01-17 00:00:00
end: 2024-01-24 00:00:00
period: 1m
basePeriod: 1m
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/
//@version=4
////////////////////////////////////////////////////////////
// Copyright by HPotter v1.0 18/03/2020
// This is combo strategies for get a cumulative signal.
//
// First strategy
// This System was created from the Book "How I Tripled My Money In The
// Futures Market" by Ulf Jensen, Page 183. This is reverse type of strategies.
// The strategy buys at market, if close price is higher than the previous close
// during 2 days and the meaning of 9-days Stochastic Slow Oscillator is lower than 50.
// The strategy sells at market, if close price is lower than the previous close price
// during 2 days and the meaning of 9-days Stochastic Fast Oscillator is higher than 50.
//
// Second strategy
// This indicator plots Dynamic Momentum Index indicator. The Dynamic Momentum
// Index (DMI) was developed by Tushar Chande and Stanley Kroll. The indicator
// is covered in detail in their book The New Technical Trader.
// The DMI is identical to Welles Wilder`s Relative Strength Index except the
// number of periods is variable rather than fixed. The variability of the time
// periods used in the DMI is controlled by the recent volatility of prices.
// The more volatile the prices, the more sensitive the DMI is to price changes.
// In other words, the DMI will use more time periods during quiet markets, and
// less during active markets. The maximum time periods the DMI can reach is 30
// and the minimum is 3. This calculation method is similar to the Variable
// Moving Average, also developed by Tushar Chande.
// The advantage of using a variable length time period when calculating the RSI
// is that it overcomes the negative effects of smoothing, which often obscure short-term moves.
// The volatility index used in controlling the time periods in the DMI is based
// on a calculation using a five period standard deviation and a ten period average
// of the standard deviation.
//
// WARNING:
// - For purpose educate only
// - This script to change bars colors.
////////////////////////////////////////////////////////////
Reversal123(Length, KSmoothing, DLength, Level) =>
vFast = sma(stoch(close, high, low, Length), KSmoothing)
vSlow = sma(vFast, DLength)
pos = 0.0
pos := iff(close[2] < close[1] and close > close[1] and vFast < vSlow and vFast > Level, 1,
iff(close[2] > close[1] and close < close[1] and vFast > vSlow and vFast < Level, -1, nz(pos[1], 0)))
pos
DMI(RSILen, BuyZone,SellZone,UpLimit,LoLimit) =>
pos = 0
xStdDev = stdev(close, 5)
xSMAStdDev = sma(xStdDev, 10)
DTime = round(14 / xSMAStdDev - 0.5)
xDMI = iff(DTime > UpLimit, UpLimit,
iff(DTime < LoLimit, LoLimit, DTime))
xRSI = rsi(xDMI, RSILen)
pos := iff(xRSI > BuyZone, 1,
iff(xRSI < SellZone, -1, nz(pos[1], 0)))
pos
strategy(title="Combo Backtest 123 Reversal & Dynamic Momentum Index", shorttitle="Combo", overlay = true)
Length = input(14, minval=1)
KSmoothing = input(1, minval=1)
DLength = input(3, minval=1)
Level = input(50, minval=1)
//-------------------------
RSILen = input(14, minval=1)
BuyZone = input(30, minval=1)
SellZone = input(70, minval=1)
UpLimit = input(30, minval=1)
LoLimit = input(5, minval=1)
reverse = input(false, title="Trade reverse")
posReversal123 = Reversal123(Length, KSmoothing, DLength, Level)
posDMI = DMI(RSILen, BuyZone,SellZone,UpLimit,LoLimit)
pos = iff(posReversal123 == 1 and posDMI == 1 , 1,
iff(posReversal123 == -1 and posDMI == -1, -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)
if (possig == 0)
strategy.close_all()
barcolor(possig == -1 ? #b50404: possig == 1 ? #079605 : #0536b3 )