ChaoZhang
Ringkasan
Strategi ini menggunakan indikator Stochastic Slow sebagai sinyal perdagangan utama, dan digabungkan dengan Simple Moving Average (SMA) 200 periode sebagai filter tren. Selain itu, strategi ini juga memperkenalkan indikator AI virtual untuk memberikan sinyal masuk tambahan. Ide utama strategi ini adalah membeli di area oversold dan menjual di area oversold, sambil memastikan bahwa harga membeli di atas 200 SMA dan menjual di bawah 200 SMA, sesuai dengan tren saat ini.
Prinsip Strategi
Hitung nilai K dan nilai D dari indikator kecepatan lambat acak, di mana nilai K memiliki 26 siklus, dan nilai D memiliki 3 siklus SMA dari nilai K.
Tetapkan OverBought ke 81, OverSold ke 20, dan MinKValue ke 11.
Sebuah sinyal beli dihasilkan ketika garis K melewati garis D dan nilai K lebih kecil dari zona oversold dan lebih besar dari nilai K minimum.
Sinyal jual dihasilkan ketika K di bawah garis melintasi garis D dan K lebih besar dari zona overbought dan lebih besar dari K minimum.
Menggunakan SMA 200 sebagai filter tren, memungkinkan untuk membeli ketika harga di atas SMA 200 dan menjual ketika di bawah SMA 200.
Memperkenalkan indikator AI virtual ((menggunakan RSI>50 untuk bullish, RSI <50 untuk bearish), membeli ketika indikator AI bullish dan menjual ketika bearish
Sinyal dari indikator acak, filter tren, dan indikator AI, menghasilkan sinyal perdagangan akhir.
Stop loss 10% untuk pembelian dan 10% untuk penjualan.
Keunggulan Strategis
Indikator Slow Random secara efektif mengidentifikasi zona overbought dan oversold di pasar, memberikan titik masuk yang baik untuk perdagangan.
Menggunakan 200 SMA sebagai filter tren untuk memastikan bahwa perdagangan konsisten dengan tren saat ini, meningkatkan tingkat keberhasilan.
Menambahkan metrik AI memberikan lebih banyak kesempatan untuk masuk ke dalam strategi dan berpotensi meningkatkan keuntungan dari strategi.
Mengatur Stop Loss Order, mengontrol risiko secara efektif.
Risiko Strategis
Indikator acak mungkin menghasilkan lebih banyak sinyal palsu di pasar yang bergoyang.
Indikator AI saat ini hanya merupakan indikator virtual, dan efek sebenarnya masih harus diverifikasi.
Pengaturan Stop Loss dapat menyebabkan sebagian dari keuntungan Anda dihentikan lebih awal.
Arah optimasi strategi
Optimalkan parameter indikator acak untuk menemukan siklus optimal dan overbought/oversold threshold setting.
Dengan memperkenalkan model AI yang lebih kompleks dan lebih efektif, sinyal AI akan lebih akurat.
Optimalkan pengaturan stop loss dan stop loss untuk lebih mengontrol risiko dan mengunci keuntungan.
Pertimbangkan untuk memperkenalkan indikator teknis atau data fundamental lainnya yang efektif untuk meningkatkan kehandalan strategi.
Meringkaskan
Strategi ini membentuk strategi perdagangan multi-faktor dengan menggabungkan indikator lambat acak, filter tren, dan sinyal AI. Indikator acak memberikan sinyal overbought dan oversold yang efektif, filter tren memastikan arah perdagangan sesuai dengan tren besar, dan sinyal AI memberikan lebih banyak peluang masuk ke strategi. Meskipun ada beberapa risiko potensial dan ruang untuk pengoptimalan, strategi ini secara keseluruhan jelas, logis, dan layak untuk dieksplorasi dan ditingkatkan.
/*backtest
start: 2024-03-01 00:00:00
end: 2024-03-31 23:59:59
period: 1h
basePeriod: 15m
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/
//@version=5
strategy("Stochastic Slow Strategy with More Entries and AI", overlay=true)
length = input.int(26, minval=1)
OverBought = input(81)
OverSold = input(20)
smoothK = input.int(3, minval=1)
smoothD = input.int(3, minval=1)
minKValue = input(11, title="Minimum K Value")
// Stochastic calculations
k = ta.sma(ta.stoch(close, high, low, length), smoothK)
d = ta.sma(k, smoothD)
co = ta.crossover(k, d)
cu = ta.crossunder(k, d)
// Trend filter (200-period simple moving average)
ema200 = ta.sma(close, 200)
// Artificial Intelligence indicator (dummy example)
// Aquí puedes colocar la lógica de tu red neuronal artificial
// Por ahora, simplemente usaremos una señal aleatoria
ai_signal = ta.rsi(close, 14) > 50 ? 1 : -1
// Entry conditions
longCondition = ta.crossover(close, ema200) and k < OverSold and k > minKValue and ai_signal == 1
shortCondition = ta.crossunder(close, ema200) and k > OverBought and k > minKValue and ai_signal == -1
if (not na(k) and not na(d))
if (co and k < OverSold and k > minKValue)
strategy.entry("StochLE", strategy.long, comment="StochLE")
if (cu and k > OverBought and k > minKValue)
strategy.entry("StochSE", strategy.short, comment="StochSE")
if (longCondition)
strategy.entry("LongEntry", strategy.long, comment="LongEntry")
strategy.exit("StopLoss", "LongEntry", loss = close * 0.9) // Stop loss del 10%
if (shortCondition)
strategy.entry("ShortEntry", strategy.short, comment="ShortEntry")
strategy.exit("StopLoss", "ShortEntry", loss = close * 1.1) // Stop loss del 10%
// Plotting
plot(ema200, color=color.blue, title="200 SMA")