Strategi CAT Fluktuasi Reversal

Penulis:ChaoZhang, Tanggal: 2024-02-19 14:29:51
Tag:

img

Gambaran umum

Strategi CAT Fluktuasi Reversal adalah strategi perdagangan kuantitatif berdasarkan indikator teknis. Strategi ini menilai tren pasar dan posisi support/resistance melalui MA, EMA dan indikator lainnya, dan menggabungkan indikator angsa hitam dan angsa putih khusus untuk menentukan fluktuasi abnormal, sehingga menerapkan strategi perdagangan tren membeli rendah dan menjual tinggi.

Prinsip Strategi

Logika inti dari strategi CAT Fluktuasi Reversal adalah menilai tren keseluruhan melalui indikator teknis seperti MA dan EMA, dan kemudian menangkap peluang fluktuasi abnormal menggunakan indikator angsa hitam dan angsa putih yang disesuaikan.

  1. Gunakan indikator seperti SMA dan EMA untuk menentukan arah tren keseluruhan. Misalnya, EMA144 yang melintasi EMA169 dianggap sinyal bullish, dan EMA144 yang melintasi EMA169 dianggap sinyal bearish.

  2. Indikator angsa hitam khusus didefinisikan sebagai (close - open) / close. Ini mencerminkan tingkat fluktuasi abnormal dari lilin. Ketika indikator angsa hitam melebihi ambang batas (seperti 0,0191) dan penutupan lebih rendah dari yang terbuka, itu menunjukkan fluktuasi abnormal ke bawah yang menyajikan peluang shorting.

  3. Indikator angsa putih mirip dengan indikator angsa hitam, yang juga mencerminkan tingkat fluktuasi abnormal candlestick. Ketika indikator angsa putih melebihi ambang batas dan penutupan lebih tinggi dari yang terbuka, itu menunjukkan fluktuasi abnormal ke atas yang menyajikan peluang rindu.

  4. Setelah menangkap peluang fluktuasi yang tidak normal, ia akan menunggu sinyal pembalikan dari indikator seperti EMA untuk menutup posisi, sehingga mencapai pembelian rendah dan penjualan tinggi.

Strategi ini menggabungkan penggunaan rata-rata bergerak untuk menentukan tren dan indikator khusus untuk menangkap anomali, yang menerapkan strategi kuantitatif perdagangan pembalikan yang khas.

Analisis Keuntungan

Strategi CAT Fluktuasi Reversal memiliki keuntungan berikut:

  1. Catching abnormal fluctuations with relatively high win rate. indikator black swan dan white swan dapat secara efektif menangkap fluktuasi harga abnormal. fluktuasi ini sering menyiratkan pembalikan, sehingga tingkat kemenangan perdagangan lebih tinggi.

  2. Aturan masuk dan keluar yang jelas menghindari mengikuti tren secara membabi buta. Kriteria masuk dan keluar dari strategi ini sangat jelas, yang membantu menghindari operasi acak dan emosional oleh pedagang.

  3. Berbagai parameter dan indikator untuk optimasi dan penyesuaian. Seperti parameter siklus MA dan EMA, parameter ambang indikator angsa hitam dan angsa putih, dll, dapat dioptimalkan dan disesuaikan untuk membuat strategi lebih sesuai dengan produk dan lingkungan perdagangan yang berbeda.

  4. Strategi ini menggabungkan tren dan pembalikan, dan dapat dikonfigurasi untuk siklus waktu yang berbeda untuk digunakan dalam skenario perdagangan frekuensi tinggi dan frekuensi rendah.

  5. Strategi ini mengadopsi persentase ekuitas untuk penempatan pesanan dan juga memiliki mekanisme stop loss untuk secara efektif mengendalikan kerugian perdagangan tunggal.

Analisis Risiko

Strategi CAT Fluktuasi Pembalikan juga memiliki beberapa risiko, terutama:

  1. Risiko optimasi parameter. Pengaturan parameter seperti angsa hitam dan angsa putih memiliki dampak besar pada kinerja strategi. Jika parameter ditetapkan dengan tidak benar, itu akan sangat mengurangi profitabilitas strategi.

  2. Risiko penarikan: Ketika pasar menunjukkan tren sepihak yang lebih lama, strategi ini dapat menghasilkan kerugian berturut-turut dan penarikan yang lebih besar.

  3. Risiko breakout palsu. Breakout palsu sering muncul dalam realitas dalam jangka pendek. Jika parameter terlalu sensitif itu dapat menyebabkan terlalu banyak perdagangan yang tidak perlu.

Menanggapi risiko di atas, langkah-langkah berikut dapat diadopsi:

  1. Menetapkan mekanisme pengoptimalan parameter, menggunakan data historis untuk backtesting dan pengoptimalan yang ketat untuk memastikan pengaturan parameter yang wajar.

  2. Menetapkan mekanisme stop loss. Stop loss yang wajar dapat secara efektif mengendalikan kerugian perdagangan tunggal dan penarikan maksimum.

  3. Hindari pengaturan parameter yang terlalu sensitif dengan menambahkan kondisi penyaringan tertentu untuk menghindari gangguan pecah palsu.

Arahan Optimasi

Strategi CAT Fluktuasi Reversal juga memiliki ruang besar untuk optimasi.

  1. Perbaiki lebih lanjut indikator angsa hitam dan angsa putih dengan mengatur kombinasi parameter yang berbeda untuk mengidentifikasi fluktuasi abnormal dengan lebih akurat dan komprehensif.

  2. Meningkatkan algoritma pembelajaran mesin, menggunakan jaringan saraf atau metode pembelajaran ensemble untuk mengoptimalkan konfigurasi parameter secara otomatis sehingga parameter strategi menyesuaikan secara dinamis untuk beradaptasi dengan perubahan pasar.

  3. Menggunakan teknologi pembelajaran mendalam untuk mengidentifikasi pola grafik untuk membantu menilai sinyal pembalikan harga dan meningkatkan kinerja strategi.

  4. Tambahkan kontrol logika fuzzy atas sensitivitas parameter, menjaga parameter tetap stabil ketika tren jelas, dan meningkatkan sensitivitas parameter pada titik perubahan ketika tren berbalik.

  5. Menggabungkan metode optimasi global seperti algoritma genetik bebas parameter dan simulasi penggilingan untuk mencapai optimasi multi-parameter secara keseluruhan.

  6. Meningkatkan varietas perdagangan, meningkatkan varietas lain seperti saham dan cryptocurrency untuk arbitrage lintas pasar.

Melalui model sistematis dan optimasi parameter, ketahanan strategi CAT Fluktuasi Reversal dapat ditingkatkan lebih lanjut, sehingga memperoleh hasil perdagangan yang unggul.

Kesimpulan

Strategi CAT Fluktuasi Reversal menggabungkan rata-rata bergerak dan indikator khusus untuk secara efektif mengidentifikasi pembalikan pasar dalam strategi perdagangan kuantitatif. Strategi ini memiliki keuntungan seperti menangkap fluktuasi abnormal, aturan masuk dan keluar default, dan ruang optimasi yang besar. Efeknya dapat ditingkatkan lebih lanjut melalui optimasi parameter dan model. Risiko seperti risiko optimasi parameter, risiko penarikan, dan risiko pecah palsu perlu dijaga. Secara keseluruhan, gagasan strategi ini masuk akal dan memiliki kepraktisan yang baik.


/*backtest
start: 2024-01-01 00:00:00
end: 2024-01-31 23:59:59
period: 2h
basePeriod: 15m
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/

//@version=4


//适合1分钟-3分钟的k线,发生波动超过百分之二时,自动报警
strategy("BlackSwan strategy", overlay=true,
         initial_capital=10000, currency='USD', default_qty_type=strategy.percent_of_equity,
         default_qty_value=100, commission_type= strategy.commission.percent, commission_value=0.075,pyramiding=3)
//-------------------------------------------
//-------------------------------------------
timecondition =  timeframe.period =="480"  or timeframe.period =="240" or timeframe.period =="D"  or timeframe.period =="720"
// Make input options that configure backtest date range
startDate = input(title="Start Date", type=input.integer,
     defval=1, minval=1, maxval=31)
startMonth = input(title="Start Month", type=input.integer,
     defval=11, minval=1, maxval=12)
startYear = input(title="Start Year", type=input.integer,
     defval=2018, minval=1800, maxval=2100)
endDate = input(title="End Date", type=input.integer,
     defval=1, minval=1, maxval=31)
endMonth = input(title="End Month", type=input.integer,
     defval=11, minval=1, maxval=12)
endYear = input(title="End Year", type=input.integer,
     defval=2031, minval=1800, maxval=2100)
// Look if the close time of the current bar
// falls inside the date range
inDateRange = (time >= timestamp(syminfo.timezone, startYear,
         startMonth, startDate, 0, 0)) and
     (time < timestamp(syminfo.timezone, endYear, endMonth, endDate, 0, 0))
     
     

// Inputs
a = input(1,     title = "Key Vaule. 'This changes the sensitivity'")
c = input(10,    title = "ATR Period")
h = input(false, title = "Signals from Heikin Ashi Candles")


ma60 = sma(close,60)
ema144 = ema(close,144)

ema169 = ema(close,169)
ma20=sma(close,20)

     
plot(ema144,color=color.yellow, title="144")
plot(ema169,color=color.orange, title="169")

    
heitiane=(close-open)
heitiane:=abs(heitiane)
heitiane:=heitiane/close

if (inDateRange and  heitiane >0.0191 and close<open) //  and close>f3
    strategy.entry("botsell20", strategy.short, comment = "黑天鹅追空"+tostring(heitiane))

if(crossover(ema144,ema169))
    strategy.close("botsell20", comment = "平空")
if (inDateRange and  heitiane >0.0191 and close>open) //  and close>f3
    strategy.entry("botbuy20", strategy.long, comment = "白天鹅追多"+tostring(heitiane))

if(crossunder(ema144,ema169))
    strategy.close("botbuy20", comment = "平多")
  


Lebih banyak