Strategi Kuantitatif Ciuman Ular Watkins


Tanggal Pembuatan: 2024-02-18 15:36:22 Akhirnya memodifikasi: 2024-02-18 15:36:22
menyalin: 0 Jumlah klik: 527
1
fokus pada
1617
Pengikut

Strategi Kuantitatif Ciuman Ular Watkins

Ringkasan

Strategi kuantitatif Wawkins Snake Kiss the Clouds terutama menggabungkan satu indikator cloud chart dan indikator RSI acak, dengan menilai penilaian sinyal kedua indikator, untuk membangun sinyal strategi perdagangan kuantitatif, untuk melakukan perdagangan otomatis pada jenis sekuritas. Strategi ini secara menyeluruh mempertimbangkan sinyal indikator cloud chart dan sinyal indikator Stoch RSI dengan intensitas yang berbeda, untuk membuat keputusan perdagangan lebih halus dan stabil dengan menetapkan bobot.

Prinsip Strategi

Strategi ini menggunakan indikator-indikator seperti garis konversi, garis patokan, garis depan 1 dan garis depan 2 dalam grafik awan untuk dikombinasikan dengan garis K dan garis D dalam StochRSI. Bagian dari grafik awan, jika garis konversi lebih tinggi dari garis patokan dan garis depan 1 lebih tinggi dari garis depan 2 sebagai sinyal yang kuat, jika garis konversi lebih rendah dari garis patokan dan garis depan 1 lebih rendah dari garis depan 2 sebagai sinyal kosong yang kuat. Selain itu, garis konversi yang lebih tinggi atau lebih rendah dari garis patokan juga menghasilkan sinyal lemah yang dapat menjadi lebih atau lebih kosong.

Analisis Keunggulan

Strategi ini menggabungkan menggunakan satu grafik awan dan dua indikator StochRSI, yang dapat menilai arah tren dan overbought oversold, sinyal lebih komprehensif dan dapat diandalkan. Dibandingkan dengan menggunakan satu indikator saja, dapat mengurangi terjadinya sinyal yang salah. Indikator grafik awan lebih akurat dalam menilai tren lini panjang dan menengah, indikator StochRSI dapat mengukur fenomena overbought oversold jangka pendek, keduanya digabungkan membuat strategi cocok untuk berbagai siklus.

Analisis risiko

Risiko terbesar dari strategi ini adalah bahwa grafik awan dan indikator StochRSI dapat menghasilkan sinyal yang salah, terutama dalam situasi yang bergolak, yang dapat meningkatkan jumlah transaksi yang tidak perlu. Selain itu, pengaturan nilai bobot dan parameter juga dapat berdampak besar pada efektivitas strategi. Jika bobot tidak diatur dengan benar, sinyal penting dapat dilewatkan atau terlalu banyak sinyal yang salah. Beberapa parameter kunci seperti panjang RSI, panjang Stoch, dan lain-lain juga perlu diuji dan dioptimalkan untuk berbagai jenis produk dan lingkungan pasar, yang dapat mempengaruhi efektivitas strategi.

Arah optimasi

Strategi ini juga memiliki ruang optimasi yang besar. Pertama, dapat dipertimbangkan untuk menambahkan lebih banyak indikator, seperti garis Brin, indikator KD, dan lain-lain, untuk membuat penilaian sinyal lebih komprehensif. Kedua, dapat menggunakan metode seperti pembelajaran mesin atau algoritma genetik untuk mengoptimalkan parameter secara otomatis, bukan menggunakan parameter tetap, untuk membuat strategi lebih cerdas dan adaptif. Ketiga, dapat dipelajari bagaimana memperbaiki algoritma indikator untuk mengurangi produksi sinyal yang salah.

Meringkaskan

Strategi kuantitatif Watkins Snake Kissing Clouds yang menggunakan grafik awan dan dua indikator StochRSI, membentuk sinyal perdagangan melalui desain berat dan parameter, dapat secara otomatis menangkap perubahan tren pasar, memiliki adaptasi yang baik untuk berbagai varietas dan siklus, merupakan strategi kuantitatif yang layak untuk diteliti dan diterapkan secara mendalam. Strategi ini juga memiliki potensi untuk diperluas dan dioptimalkan lebih lanjut, seperti memperkenalkan lebih banyak indikator dan alat teknis, dan lain-lain, dengan harapan mendapatkan efek perdagangan yang lebih baik.

Kode Sumber Strategi
/*backtest
start: 2024-01-01 00:00:00
end: 2024-01-31 23:59:59
period: 1h
basePeriod: 15m
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/

//@version=3
strategy("Baracuda Ichimoku/StochRSI Strategy", overlay=true)

DecisionWeight = input(50, minval = 0, title="BUY/SELL decision weight")

ichimokuStrong = input(35, minval = 0, title="Ichimoku strong weight")
ichimokuStandard = input(20, minval = 0, title="Ichimoku standard weight")
ichimokuWeak = input(20, minval = 0, title="Ichimoku weak weight")
stochRSIWweak = input(30, minval = 0, title="Stoch RSI weight")

conversionPeriods = input(9, minval=1, title="Conversion Line Periods")
basePeriods = input(26, minval=1, title="Base Line Periods")
laggingSpan2Periods = input(52, minval=1, title="Lagging Span 2 Periods")
displacement = input(5, minval=1, title="Displacement")

donchian(len) => avg(lowest(len), highest(len))

conversionLine = donchian(conversionPeriods)
baseLine = donchian(basePeriods)
leadLine1 = avg(conversionLine, baseLine)
leadLine2 = donchian(laggingSpan2Periods)

lengthRSI = input(8, minval=8) //14
lengthStoch = input(5, minval=5)//14
smoothK = input(3,minval=3) 
smoothD = input(3,minval=3)
OverSold = input(20)
OverBought = input(80)
rsi1 = rsi(close, lengthRSI)
k = sma(stoch(rsi1, rsi1, rsi1, lengthStoch), smoothK)
d = sma(k, smoothD)


stronglong = conversionLine > baseLine and leadLine1 > leadLine2
strongshort = conversionLine < baseLine and leadLine1 < leadLine2

weaklong = conversionLine > baseLine
weakshort = conversionLine < baseLine

RSIlong = k > d and k < OverSold and d < OverSold
RSIshort = k < d and k > OverBought and d > OverBought

long=(((stronglong ? 1:0)*ichimokuStrong) + ((weaklong? 1:0)*ichimokuWeak) + ((RSIlong? 1:0)*stochRSIWweak)) > DecisionWeight
short=(((strongshort? 1:0)*ichimokuStrong) + ((weakshort? 1:0)*ichimokuWeak) + ((RSIshort? 1:0)*stochRSIWweak)) > DecisionWeight

strategy.entry("long", strategy.long, when=long)
strategy.entry("short", strategy.short, when=short)