Strategi ambang batas dinamis adaptif berdasarkan data deret waktu

Ringkasan

Strategi ini adalah sebuah data dari urutan waktu nilai bersih berdasarkan saham atau aset keuangan lainnya, dengan cara menghitung secara dinamis rasio efisiensi (ER) sebagai indeks moving average (EMA) sebagai faktor kelancaran, sehingga secara adaptif menyesuaikan ke atas dan ke bawah untuk memicu sinyal jual beli. Ide utama dari strategi ini adalah menggunakan semua informasi yang terkandung dalam data nilai bersih itu sendiri, dengan cara menghitung tingkat kompleksitas perubahan nilai bersih (ER) untuk secara dinamis menyesuaikan faktor kelancaran EMA, dan kemudian mendapatkan perubahan dinamis ke atas dan ke bawah.

Prinsip Strategi

1. Perhitungan rasio efisiensi data nilai bersih (ER), yaitu rasio perubahan nilai bersih terhadap perubahan total. Nilai ER yang lebih kecil menunjukkan perubahan nilai bersih yang lebih merata; nilai ER yang lebih besar menunjukkan perubahan nilai bersih yang lebih tajam.
2. Menggunakan ER sebagai faktor perataan alpha dari fungsi pine_ema, secara dinamis menghitung EMA rata-rata dan deviasi mutlak dari nilai bersih.
3. Tambahkan EMA rata-rata dan kurangi deviasi mutlak untuk mendapatkan tren naik turun dari perubahan dinamis.
4. Jika nilai bersih saat ini melampaui batas, maka posisi akan terbuka lebih banyak. Jika nilai bersih saat ini melampaui batas, maka posisi akan kosong.

Keunggulan Strategis

1. Menggunakan seluruh informasi yang terkandung dalam data time series net, tidak perlu mengatur parameter dan optimasi, metode sederhana dan alami.
2. EMA Smoothing Factor disesuaikan secara dinamis dengan menghitung ER, dapat beradaptasi dengan kompleksitas perubahan nilai bersih, dan fleksibel dalam menanggapi perubahan pasar.
3. Dibandingkan dengan EMA parameter tetap tradisional, EMA dinamis dapat secara efektif mengurangi jumlah transaksi dan waktu penyimpanan, mengurangi biaya transaksi dan risiko.
4. Strategi ini dapat mengurangi maksimum penarikan 2-3 kali lipat, atau meningkatkan pendapatan 2-3 kali lipat dengan penarikan yang sama, dibandingkan dengan pembelian dan kepemilikan.
5. Kombinasi dari beberapa strategi dapat dengan mudah diterapkan untuk tujuan mengubah strategi secara otomatis.

Risiko Strategis

1. Strategi ini didasarkan pada data time-series nilai bersih, dan mungkin lebih lambat untuk memicu posisi kosong jika terjadi perputaran harga yang radikal, sehingga mempengaruhi keuntungan.
2. Meskipun strategi ini dapat menyesuaikan parameternya secara adaptif, ada banyak hal yang harus dipelajari mengenai adaptasi terhadap situasi ekstrem.
3. Strategi ini saat ini terutama ditujukan untuk situasi overdoing, dan situasi underdoing perlu diperbaiki lebih lanjut.
4. Dalam penerapan praktis, strategi ini memiliki persyaratan kualitas yang lebih tinggi untuk memilih indikator, yang membutuhkan pilihan indikator yang bergerak ke atas dalam jangka panjang.

Arah optimasi strategi

1. Metode penghitungan ER dapat dipertimbangkan untuk dioptimalkan lebih lanjut, memperkenalkan lebih banyak indikator yang mencerminkan karakteristik perubahan nilai bersih, meningkatkan stabilitas dan efektivitas ER.
2. Kondisi untuk membuka posisi terbuka dapat disempurnakan lebih lanjut, seperti mempertimbangkan untuk memasukkan stop loss bergerak, stop loss persentase, dan lain-lain, untuk meningkatkan profitabilitas strategi dan ketahanan terhadap risiko.
3. Untuk berbagai standar dan lingkungan pasar, strategi dapat dioptimalkan parameter dan penyesuaian adaptasi, meningkatkan universalitas strategi.
4. Strategi ini dapat dikombinasikan dengan strategi lain (seperti trend tracking, averaging regression, dan lain-lain) untuk memanfaatkan keuntungan dari strategi yang berbeda dan meningkatkan stabilitas dan keuntungan dari portofolio.

Meringkaskan

Strategi ini memanfaatkan informasi yang terkandung dalam data urutan waktu bersih, tidak memerlukan terlalu banyak pengaturan dan pengoptimalan parameter, metode ini sederhana dan alami, dapat secara fleksibel menanggapi perubahan pasar, pengendalian dan penarikan yang efektif. Namun, adab strategi ini untuk situasi ekstrem masih harus diperiksa lebih lanjut, perhatikan pilihan yang diperlukan dalam aplikasi nyata.