Strategi perdagangan cryptocurrency frekuensi tinggi yang menggabungkan TrippleMACD Crossover dan Relative Strength Index

Penulis:ChaoZhang, Tanggal: 2024-03-22 15:41:46
Tag:

img

Gambaran umum

Artikel ini memperkenalkan strategi perdagangan cryptocurrency frekuensi tinggi yang menggabungkan crossover TrippleMACD dengan Relative Strength Index (RSI). Strategi ini menggunakan tiga set indikator MACD dengan parameter yang berbeda dan rata-rata garis sinyal mereka, sementara juga menggabungkan indikator RSI untuk menentukan waktu beli dan jual yang optimal. Strategi ini dirancang untuk perdagangan otomatis pada jangka waktu 1 menit, hanya mempertimbangkan perdagangan panjang. Selain itu, strategi ini menggunakan regresi linier untuk mengidentifikasi fase konsolidasi di pasar, menghindari perdagangan selama kondisi pasar yang berbelit-belit.

Prinsip Strategi

Inti dari strategi ini adalah dengan memanfaatkan tiga set indikator MACD dengan parameter yang berbeda untuk menangkap sinyal tren pada berbagai skala waktu. Dengan rata-rata garis sinyal dari ketiga indikator MACD ini, kebisingan dapat secara efektif dihaluskan, memberikan sinyal perdagangan yang lebih dapat diandalkan. Pada saat yang sama, indikator RSI digunakan untuk mengkonfirmasi kekuatan tren bullish. Strategi menghasilkan sinyal beli hanya ketika ketiga indikator MACD menunjukkan sinyal bullish dan indikator RSI juga mengkonfirmasi kekuatan tren bullish.

Selain itu, strategi menggunakan regresi linier untuk mengidentifikasi fase konsolidasi di pasar. Dengan menghitung rasio panjang bayangan atas dan bawah terhadap panjang tubuh lilin, dapat ditentukan apakah pasar saat ini berada dalam keadaan konsolidasi. Jika panjang bayangan atas dan bawah lebih dari dua kali panjang tubuh, pasar dianggap berada dalam fase konsolidasi, dan strategi akan menghindari perdagangan selama waktu ini.

Analisis Keuntungan

  1. Analisis multi-frame waktu: Dengan menggunakan tiga set indikator MACD dengan parameter yang berbeda, strategi dapat menangkap sinyal tren pada berbagai skala waktu, meningkatkan akurasi dan keandalan perdagangan.

  2. Perataan sinyal: Rata-rata garis sinyal dari tiga indikator MACD secara efektif meratakan kebisingan, menghindari sinyal yang menyesatkan yang dapat dihasilkan oleh satu indikator.

  3. Konfirmasi tren: Menggabungkan indikator RSI untuk mengkonfirmasi kekuatan tren bullish lebih meningkatkan keandalan sinyal perdagangan.

  4. Identifikasi konsolidasi: Menggunakan regresi linier untuk mengidentifikasi fase konsolidasi di pasar memungkinkan strategi untuk menghindari perdagangan selama kondisi pasar yang bergolak, mengurangi risiko strategi.

  5. Perdagangan otomatis: Strategi ini dirancang untuk perdagangan otomatis dalam jangka waktu 1 menit, memungkinkan respons cepat terhadap perubahan pasar dan pelaksanaan perdagangan yang efisien.

Analisis Risiko

  1. Optimasi parameter: Strategi melibatkan beberapa parameter, seperti periode garis cepat dan lambat dari tiga indikator MACD dan periode indikator RSI. Pilihan parameter ini memiliki dampak yang signifikan pada kinerja strategi. Jika parameter tidak dioptimalkan dengan benar, kinerja strategi dapat menurun.

  2. Risiko overfitting: Strategi mungkin berkinerja baik pada data historis tertentu tetapi mungkin gagal beradaptasi dengan perubahan pasar dalam aplikasi aktual, yang mengarah pada kegagalan strategi.

  3. Black Swan Events: Strategi ini terutama didasarkan pada indikator teknis dan mungkin tidak merespon secara memadai terhadap peristiwa fundamental yang signifikan, yang dapat menyebabkan kinerja yang buruk dalam kondisi pasar yang ekstrim.

Arah Optimalisasi

  1. Penyesuaian parameter dinamis: Mengatur secara dinamis parameter dalam strategi, seperti periode garis cepat dan lambat dari indikator MACD dan periode indikator RSI, berdasarkan perubahan kondisi pasar untuk beradaptasi dengan lingkungan pasar yang berbeda.

  2. Masukkan indikator tambahan: Selain indikator MACD dan RSI yang ada, pertimbangkan untuk memasukkan indikator teknis lainnya, seperti Bollinger Bands dan moving average, untuk meningkatkan akurasi dan keandalan sinyal perdagangan.

  3. Optimasi manajemen risiko: Melaksanakan langkah-langkah manajemen risiko yang lebih komprehensif dalam strategi, seperti stop-loss dinamis dan manajemen posisi, untuk mengurangi risiko keseluruhan strategi.

  4. Optimasi pembelajaran mesin: Menggunakan algoritma pembelajaran mesin, seperti jaringan saraf dan mesin vektor pendukung, untuk mengoptimalkan parameter dan aturan perdagangan strategi, meningkatkan kemampuan beradaptasi dan ketahanan strategi.

Kesimpulan

Artikel ini memperkenalkan strategi perdagangan cryptocurrency frekuensi tinggi yang menggabungkan crossover TrippleMACD dengan indikator RSI. Strategi ini menggunakan tiga set indikator MACD dengan parameter yang berbeda dan indikator RSI untuk menghasilkan sinyal perdagangan yang dapat diandalkan sambil memanfaatkan regresi linier untuk mengidentifikasi fase konsolidasi di pasar, menghindari perdagangan selama kondisi pasar yang berbelit-belit. Keuntungan strategi ini terletak pada analisis multi-frame time, smoothing sinyal, konfirmasi tren konsolidasi, identifikasi, dan perdagangan otomatis. Namun, juga menghadapi risiko perdagangan seperti optimasi parameter, overfit, dan peristiwa black swan.


/*backtest
start: 2024-02-01 00:00:00
end: 2024-02-29 23:59:59
period: 1h
basePeriod: 15m
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/

//@version=5
//indicator("Triplle",shorttitle="Triplle MACD", overlay=true, scale = scale.none)
//indicator("Triplle","TrippleMACD",true)
strategy(title="TrippleMACD", shorttitle="TrippleMACD + RSI strategy", format=format.price, precision=4, overlay=true)

// RSI 
ma(source, length, type) =>
    switch type
        "SMA" => ta.sma(source, length)
        "Bollinger Bands" => ta.sma(source, length)
        "EMA" => ta.ema(source, length)
        "SMMA (RMA)" => ta.rma(source, length)
        "WMA" => ta.wma(source, length)
        "VWMA" => ta.vwma(source, length)

rsiLengthInput = input.int(14, minval=1, title="RSI Length", group="RSI Settings")
rsiSourceInput = input.source(close, "Source", group="RSI Settings")
maTypeInput = input.string("SMA", title="MA Type", options=["SMA", "Bollinger Bands", "EMA", "SMMA (RMA)", "WMA", "VWMA"], group="MA Settings")
maLengthInput = input.int(14, title="MA Length", group="MA Settings")
bbMultInput = input.float(2.0, minval=0.001, maxval=50, title="BB StdDev", group="MA Settings")
showDivergence = input.bool(false, title="Show Divergence", group="RSI Settings")

up = ta.rma(math.max(ta.change(rsiSourceInput), 0), rsiLengthInput)
down = ta.rma(-math.min(ta.change(rsiSourceInput), 0), rsiLengthInput)
rsi = down == 0 ? 100 : up == 0 ? 0 : 100 - (100 / (1 + up / down))
rsiMA = ma(rsi, maLengthInput, maTypeInput)
isBB = maTypeInput == "Bollinger Bands"

//rsiPlot = plot(rsi, "RSI", color=#7E57C2)
//plot(rsiMA, "RSI-based MA", color=color.yellow)
//rsiUpperBand = hline(70, "RSI Upper Band", color=#787B86)
//midline = hline(50, "RSI Middle Band", color=color.new(#787B86, 50))
//rsiLowerBand = hline(30, "RSI Lower Band", color=#787B86)
//fill(rsiUpperBand, rsiLowerBand, color=color.rgb(126, 87, 194, 90), title="RSI Background Fill")
bbUpperBand = plot(isBB ? rsiMA + ta.stdev(rsi, maLengthInput) * bbMultInput : na, title = "Upper Bollinger Band", color=color.green)
bbLowerBand = plot(isBB ? rsiMA - ta.stdev(rsi, maLengthInput) * bbMultInput : na, title = "Lower Bollinger Band", color=color.green)
//fill(bbUpperBand, bbLowerBand, color= isBB ? color.new(color.green, 90) : na, title="Bollinger Bands Background Fill")

//midLinePlot = plot(50, color = na, editable = false, display = display.none)
//fill(rsiPlot, midLinePlot, 100, 70, top_color = color.new(color.green, 0), bottom_color = color.new(color.green, 100),  title = "Overbought Gradient Fill")
//fill(rsiPlot, midLinePlot, 30,  0,  top_color = color.new(color.red, 100), bottom_color = color.new(color.red, 0),      title = "Oversold Gradient Fill")

// Divergence
lookbackRight = 5
lookbackLeft = 5
rangeUpper = 60
rangeLower = 5
bearColor = color.red
bullColor = color.green
textColor = color.white
noneColor = color.new(color.white, 100)

plFound = na(ta.pivotlow(rsi, lookbackLeft, lookbackRight)) ? false : true
phFound = na(ta.pivothigh(rsi, lookbackLeft, lookbackRight)) ? false : true
_inRange(cond) =>
	bars = ta.barssince(cond == true)
	rangeLower <= bars and bars <= rangeUpper

//------------------------------------------------------------------------------
// Regular Bullish
// rsi: Higher Low

rsiHL = rsi[lookbackRight] > ta.valuewhen(plFound, rsi[lookbackRight], 1) and _inRange(plFound[1])

// Price: Lower Low

priceLL = low[lookbackRight] < ta.valuewhen(plFound, low[lookbackRight], 1)
bullCondAlert = priceLL and rsiHL and plFound
bullCond = showDivergence and bullCondAlert

// plot(
//      plFound ? rsi[lookbackRight] : na,
//      offset=-lookbackRight,
//      title="Regular Bullish",
//      linewidth=2,
//      color=(bullCond ? bullColor : noneColor)
//      )

// plotshape(
// 	 bullCond ? rsi[lookbackRight] : na,
// 	 offset=-lookbackRight,
// 	 title="Regular Bullish Label",
// 	 text=" Bull ",
// 	 style=shape.labelup,
// 	 location=location.absolute,
// 	 color=bullColor,
// 	 textcolor=textColor
// 	 )

//------------------------------------------------------------------------------
// Regular Bearish
// rsi: Lower High

rsiLH = rsi[lookbackRight] < ta.valuewhen(phFound, rsi[lookbackRight], 1) and _inRange(phFound[1])

// Price: Higher High

priceHH = high[lookbackRight] > ta.valuewhen(phFound, high[lookbackRight], 1)

bearCondAlert = priceHH and rsiLH and phFound
bearCond = showDivergence and bearCondAlert

// plot(
// 	 phFound ? rsi[lookbackRight] : na,
// 	 offset=-lookbackRight,
// 	 title="Regular Bearish",
// 	 linewidth=2,
// 	 color=(bearCond ? bearColor : noneColor)
// 	 )

// plotshape(
// 	 bearCond ? rsi[lookbackRight] : na,
// 	 offset=-lookbackRight,
// 	 title="Regular Bearish Label",
// 	 text=" Bear ",
// 	 style=shape.labeldown,
// 	 location=location.absolute,
// 	 color=bearColor,
// 	 textcolor=textColor
// 	 )
// END RSI

// Getting inputs
stopLuse          = input(1.040)
fast_length = input(title = "Fast Length", defval = 5)
slow_length = input(title = "Slow Length", defval = 8)
fast_length2 = input(title = "Fast Length2", defval = 13)
slow_length2 = input(title = "Slow Length2", defval = 21)
fast_length3 = input(title = "Fast Length3", defval = 34)
slow_length3 = input(title = "Slow Length3", defval = 144)
fast_length4 = input(title = "Fast Length3", defval = 68)
slow_length4 = input(title = "Slow Length3", defval = 288)
src = input(title = "Source", defval = close)
signal_length2 = input.int(title="Signal Smoothing", minval = 1, maxval = 200, defval = 11)
signal_length = input.int(title = "Signal Smoothing",  minval = 1, maxval = 50, defval = 9)
sma_source = input.string(title = "Oscillator MA Type",  defval = "EMA", options = ["SMA", "EMA"])
sma_signal = input.string(title = "Signal Line MA Type", defval = "EMA", options = ["SMA", "EMA"])
// Calculating
fast_ma = sma_source == "SMA" ? ta.sma(src, fast_length) : ta.ema(src, fast_length)
slow_ma = sma_source == "SMA" ? ta.sma(src, slow_length) : ta.ema(src, slow_length)

fast_ma2 = sma_source == "SMA2" ? ta.sma(src, fast_length2) : ta.ema(src, fast_length2)
slow_ma2 = sma_source == "SMA2" ? ta.sma(src, slow_length2) : ta.ema(src, slow_length2)

fast_ma3 = sma_source == "SMA3" ? ta.sma(src, fast_length3) : ta.ema(src, fast_length3)
slow_ma3 = sma_source == "SMA3" ? ta.sma(src, slow_length3) : ta.ema(src, slow_length3)

fast_ma4 = sma_source == "SMA3" ? ta.sma(src, fast_length3) : ta.ema(src, fast_length3)
slow_ma4 = sma_source == "SMA3" ? ta.sma(src, slow_length3) : ta.ema(src, slow_length3)

macd = fast_ma - slow_ma
macd2 = fast_ma2 - slow_ma2
macd3 = fast_ma3 - slow_ma3
macd4 = fast_ma4 - slow_ma4

signal = sma_signal == "SMA" ? ta.sma(macd, signal_length) : ta.ema(macd, signal_length)
signal2 = sma_signal == "SMA" ? ta.sma(macd2, signal_length) : ta.ema(macd2, signal_length)
signal3 = sma_signal == "SMA" ? ta.sma(macd3, signal_length) : ta.ema(macd3, signal_length)
signal4 = sma_signal == "SMA" ? ta.sma(macd4, signal_length) : ta.ema(macd4, signal_length)
//hist = (macd + macd2 + macd3)/1 - (signal + signal2 + signal3)/1
hist = (macd + macd2 + macd3 + macd4)/4 - (signal + signal2 + signal3 + signal4)/4
signal5 = (signal + signal2 + signal3)/3

sma_signal2 = input.bool(title="Simple MA (Signal Line)", defval=true)

lin_reg = input.bool(title="Lin Reg", defval=true)
linreg_length = input.int(title="Linear Regression Length", minval = 1, maxval = 200, defval = 11)

bopen = lin_reg ? ta.linreg(open, linreg_length, 0) : open
bhigh = lin_reg ? ta.linreg(high, linreg_length, 0) : high
blow = lin_reg ? ta.linreg(low, linreg_length, 0) : low
bclose = lin_reg ? ta.linreg(close, linreg_length, 0) : close

shadow = (bhigh - bclose) + (bopen - blow)
body = bclose - bopen
perc = (shadow/body)
cond2 = perc >=2 and bclose+bclose[1]/2 > bopen+bopen[1]/2

r = bopen < bclose

//signal5 = sma_signal2 ? ta.sma(bclose, signal_length) : ta.ema(bclose, signal_length)
plotcandle(r ? bopen : na, r ? bhigh : na, r ? blow: na, r ? bclose : na, title="LinReg Candles", color= color.green, wickcolor=color.green, bordercolor=color.green, editable= true)
plotcandle(r ? na : bopen, r ? na : bhigh, r ? na : blow, r ? na : bclose, title="LinReg Candles", color=color.red, wickcolor=color.red, bordercolor=color.red, editable= true)
//alertcondition(hist[1] >= 0 and hist < 0, title = 'Rising to falling', message = 'The MACD histogram switched from a rising to falling state')
//alertcondition(hist[1] <= 0 and hist > 0, title = 'Falling to rising', message = 'The MACD histogram switched from a falling to rising state')

green = hist >= 0 ? (hist[1] < hist ? "G" : "GL") : (hist[1] < hist ? "RL" : "R")
Buy = green == "G" and green[1] != "G" and green[1] != "GL" and bopen < bclose and rsi < 55.0 //and not cond2
//StopBuy = (green == "R" or green == "RL" or green == "RL") and bopen > bclose and bopen[1] < bclose[1]
StopBuy = bopen > bclose and bopen[1] < bclose[1] and (green == "G" or green == "GL" or green == "R") and bopen[2] < bclose[2] and bopen[3] < bclose[3]
hists = close[3] < close[2] and close[2] < close[1]
//Buy = green == "RL" and hist[0] > -0.07 and hist[0] < 0.00 and rsi < 55.0 and hists
//StopBuy = green == "GL" or green == "R"
alertcondition(Buy, "Long","Покупка в лонг")
alertcondition(StopBuy, "StopLong","Закрытие сделки")

//hline(0, "Zero Line", color = color.new(#787B86, 50))
plot(hist + (close - (close * 0.03)), title = "Histogram", style = plot.style_line, color = (hist >= 0 ? (hist[1] < hist ? #26A69A : #B2DFDB) : (hist[1] < hist ? #FFCDD2 : #FF5252)))
plotshape(Buy ? low : na, 'Buy', shape.labelup, location.belowbar , color=color.new(#0abe40, 50), size=size.small, offset=0)
plotshape(StopBuy ? low : na, 'Buy', shape.cross, location.abovebar , color=color.new(#be0a0a, 50), size=size.small, offset=0)
plot(macd4  + (close - (close * 0.01)),   title = "MACD",   color = #2962FF)
plot(signal5 + (close - (close * 0.01)), title = "Signal", color = #FF6D00)

plotchar(cond2 , char='↓', color = color.rgb(0, 230, 119), text = "-")

if (Buy)
    strategy.entry("long", strategy.long)

// if (startShortTrade)
//     strategy.entry("short", strategy.short)

profitTarget = strategy.position_avg_price * stopLuse
strategy.exit("Take Profit", "long", limit=profitTarget)
// strategy.exit("Take Profit", "short", limit=profitTarget)

Lebih banyak