Strategi pelacakan volatilitas berdasarkan rata-rata pergerakan ganda
ChaoZhang
Ringkasan
Strategi pelacakan volatilitas dua rata-rata menggabungkan strategi pegadaian dan strategi pelacakan indikator volatilitas rata-rata. Penentuan pegadaian dan pegadaian dilakukan dengan menghitung simplisia crossover rata-rata bergerak dari periode yang berbeda, dan digabungkan dengan Bollinger Bands dan indikator VIDA untuk menilai tren dan volatilitas pasar, untuk menilai tren dengan jelas dan menangkap titik-titik penting dengan efisien.
Prinsip Strategi
Strategi ini terdiri dari indikator-indikator inti yang terdiri dari rata-rata bergerak sederhana, Bollinger Bands, dan rata-rata indeks volatilitas VIDA. Strategi ini diatur dengan berbagai siklus SMA dan LMA garis cepat dan lambat, dengan persilangan emas garis cepat dan lambat sebagai sinyal multiples, dan persilangan mati sebagai sinyal posisi kosong. Sementara itu, Bollinger Bands menilai situasi di mana harga menerobos naik dan turun dalam proses memegang posisi.
Secara khusus, sinyal yang melakukan lebih banyak logika untuk melewati garis lambat pada garis cepat, dan harga lebih tinggi dari kurva VIDYA, menunjukkan adanya kecenderungan kenaikan dan penguatan fluktuasi; sinyal posisi tenang untuk melewati garis lambat di bawah garis cepat atau harga lebih rendah dari kurva VIDYA, menunjukkan pembalikan tren atau kecenderungan fluktuasi untuk menyusut.
Analisis Keunggulan
Keuntungan terbesar dari strategi pelacakan volatilitas dua garis rata-rata adalah kombinasi dua indikator untuk menilai kondisi pasar, yang dapat meningkatkan akurasi pengambilan keputusan. Secara khusus, keunggulan ditunjukkan oleh:
- Strategi Gold Fork Dead Fork sederhana dan efektif, dan dapat dengan jelas mengidentifikasi titik-titik perubahan tren.
- Indikator Volatilitas Vidya secara dinamis melacak perubahan fluktuasi pasar;
- Bollinger Bands memungkinkan strategi untuk bereaksi terhadap pergerakan harga.
Secara keseluruhan, strategi ini mengintegrasikan informasi dari berbagai dimensi seperti tren, rebound, dan volatilitas, sehingga lebih cepat merespons perubahan pasar, sehingga lebih mungkin untuk mendapatkan keuntungan tambahan.
Analisis risiko
Meskipun ada banyak keuntungan dari strategi ini, ada beberapa risiko yang perlu diperhatikan:
- Penetapan parameter yang tidak tepat dapat menyebabkan perdagangan yang terlalu sering, meningkatkan biaya transaksi dan kehilangan slippage;
- Jika ada konflik sinyal dalam penilaian indikator ganda, prioritas yang jelas diperlukan, atau kemungkinan kehilangan waktu masuk yang optimal;
- Ada risiko over-fitting dalam strategi retesting, dan mungkin ada perbedaan besar antara kinerja real-time dan hasil retesting.
Untuk mengurangi risiko di atas, disarankan untuk mengoptimalkan pengaturan parameter, menentukan prioritas sinyal indikator, meningkatkan kontrol slippage, dan beberapa kali memverifikasi kehandalan strategi di berbagai lingkungan pasar.
Arah optimasi
Optimasi utama dari strategi ini berfokus pada pengaturan parameter dan kondisi penyaringan, yang dapat dilakukan dari beberapa dimensi berikut:
- mengoptimalkan parameter siklus rata-rata garis cepat dan lambat;
- Menyesuaikan parameter bandwidth untuk Bollinger Bands;
- Optimalkan parameter kelancaran α dalam VIDA;
- Kondisi penyaringan yang tidak biasa untuk meningkatkan harga atau volume transaksi.
Dengan kombinasi optimasi parameter dan optimasi aturan, stabilitas dan tingkat pengembalian strategi dapat ditingkatkan lebih lanjut.
Meringkaskan
Strategi pelacakan fluktuasi rata-rata biner menggunakan berbagai indikator untuk menilai keadaan pasar, memperhatikan fluktuasi harga sambil menangkap pergeseran tren, merupakan strategi yang efektif untuk mengimbangi risiko dan keuntungan. Strategi ini memiliki ruang untuk dioptimalkan dan layak untuk dieksplorasi dan diverifikasi lebih lanjut, dan diharapkan menghasilkan keuntungan tambahan yang signifikan di pasar nyata.
/*backtest
start: 2024-01-29 00:00:00
end: 2024-02-28 00:00:00
period: 1h
basePeriod: 15m
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/
//@version=5
strategy("Combined Golden Cross and Progressive Trend Tracker", shorttitle="GCC-PTT", overlay=true)
// Inputs
fastMA_period = input(50, title="Fast MA Period")
slowMA_period = input(200, title="Slow MA Period")
src = input(close, title="Source")
lengthBB = input(20, title="Bollinger Bands Length")
mult = input(2.0, title="Bollinger Bands Multiplier")
mavType = input.string(title="Moving Average Type", defval="VAR", options=['SMA', 'EMA', 'WMA', 'TMA', 'VAR', 'WWMA', 'ZLEMA', 'TSF'])
// Calculate Moving Averages for Golden Cross
fastMA = ta.sma(src, fastMA_period)
slowMA = ta.sma(src, slowMA_period)
bullish_cross = ta.crossover(fastMA, slowMA)
bearish_cross = ta.crossunder(fastMA, slowMA)
// Progressive Trend Tracker Components (Adjusted for NA assignment issue)
Var_Func(src, length) =>
valpha = 2 / (length + 1)
vud1 = src > src[1] ? src - src[1] : 0
vdd1 = src < src[1] ? src[1] - src : 0
vUD = math.sum(vud1, length)
vDD = math.sum(vdd1, length)
vCMO = (vUD - vDD) / (vUD + vDD)
VAR = 0.0 // Adjusted here, assign an initial value
VAR := ta.ema(src * math.abs(vCMO), length)
VAR
VAR = Var_Func(src, 14) // Example VAR calculation, adjust as needed
// Bollinger Bands for dynamic support and resistance
BBandTop = fastMA + mult * ta.stdev(src, lengthBB)
BBandBot = fastMA - mult * ta.stdev(src, lengthBB)
// Plotting
plot(fastMA, color=color.blue, title="Fast MA")
plot(slowMA, color=color.red, title="Slow MA")
plot(BBandTop, color=color.green, title="Bollinger Band Top")
plot(BBandBot, color=color.red, title="Bollinger Band Bottom")
plot(VAR, color=color.purple, title="VAR", linewidth=2)
// Strategy Logic (Adjusted for strategy use)
// Long Entry when bullish cross and close above VAR
// Exit when bearish cross or close below VAR
if (bullish_cross and close > VAR)
strategy.entry("CGC_PTT_Long", strategy.long)
if (bearish_cross or close < VAR)
strategy.close("CGC_PTT_Long")