ChaoZhang
1
fokus pada
1617
Pengikut
Ringkasan
Strategi ini adalah sistem pelacakan tren adaptif berdasarkan penyaringan beberapa indikator teknis. Menggabungkan berbagai indikator teknis seperti rata-rata pergerakan eksponensial (EMA), rata-rata pergerakan sederhana (SMA), dan rata-rata pergerakan konvergensi divergensi (MACD), dan secara dinamis menyesuaikan parameter untuk beradaptasi dengan lingkungan pasar yang berbeda untuk mencapai penangkapan tren yang efisien dan pengendalian risiko. Strategi ini mengadopsi mekanisme penyaringan berlapis dan secara signifikan meningkatkan keandalan sinyal perdagangan melalui kerja sama terkoordinasi dari berbagai indikator teknis.
Prinsip Strategi
Logika inti dari strategi ini didasarkan pada mekanisme penyaringan tiga lapis:
- Lapisan pengenalan tren adaptif: Gunakan kombinasi EMA cepat dan lambat untuk menghitung garis dasar tren, dan secara dinamis menyesuaikan garis lintasan atas dan bawah berdasarkan volatilitas pasar.
- Filter SMA: Gunakan rata-rata pergerakan sederhana untuk memastikan bahwa arah pergerakan harga konsisten dengan tren keseluruhan.
- Lapisan konfirmasi MACD: Gunakan fungsi konfirmasi tren pada indikator MACD untuk memverifikasi lebih lanjut validitas sinyal perdagangan.
Pembuatan sinyal perdagangan memerlukan terpenuhinya semua kondisi filter: perubahan tren, konfirmasi arah SMA, dan dukungan garis sinyal MACD. Strategi ini juga mencakup sistem manajemen posisi dinamis berdasarkan ekuitas akun, yang secara otomatis menyesuaikan ukuran posisi melalui faktor leverage.
Keunggulan Strategis
- Kemampuan beradaptasi yang kuat: Dengan menyesuaikan parameter secara dinamis, strategi dapat beradaptasi dengan lingkungan pasar yang berbeda.
- Kontrol risiko yang sempurna: Berbagai mekanisme penyaringan secara signifikan mengurangi kemungkinan sinyal palsu.
- Kustomisasi tinggi: Pengguna dapat menyesuaikan berbagai parameter sesuai dengan gaya perdagangan pribadi mereka.
- Otomatisasi tingkat tinggi: Mendukung pesan peringatan dalam format JSON, memudahkan koneksi dengan sistem perdagangan otomatis.
- Efek visualisasi yang baik: memberikan umpan balik visual yang kaya, termasuk pita tren, penanda sinyal, dll.
Risiko Strategis
- Ketergantungan Tren: Sinyal palsu yang sering terjadi dapat terjadi di pasar yang bergejolak.
- Risiko histeresis: Beberapa mekanisme penyaringan dapat menyebabkan keterlambatan waktu entri.
- Sensitivitas parameter: Kombinasi parameter yang berbeda dapat menyebabkan perbedaan besar dalam kinerja strategi.
- Risiko leverage: Leverage yang berlebihan dapat memperbesar kerugian.
Arah optimasi strategi
- Adaptasi Volatilitas: Menambahkan mekanisme stop loss dinamis berdasarkan ATR.
- Identifikasi lingkungan pasar: Tambahkan sistem klasifikasi status pasar dan gunakan kombinasi parameter yang berbeda di lingkungan pasar yang berbeda.
- Penilaian kualitas sinyal: Tetapkan sistem penilaian kekuatan sinyal dan sesuaikan posisi secara dinamis berdasarkan kekuatan sinyal.
- Optimalisasi pengelolaan dana: Perkenalkan algoritma pengelolaan dana yang lebih kompleks untuk mencapai kontrol posisi yang lebih canggih.
Meringkaskan
Strategi ini mencapai efek pelacakan tren yang lebih andal melalui mekanisme penyaringan berlapis-lapis dan penyesuaian parameter dinamis. Meskipun terdapat risiko keterlambatan dan ketergantungan parameter tertentu, kinerja yang stabil masih dapat dicapai dalam transaksi aktual melalui optimalisasi parameter yang wajar dan langkah-langkah pengendalian risiko. Disarankan agar pedagang melakukan verifikasi pengujian ulang sepenuhnya sebelum penggunaan waktu nyata dan menyesuaikan pengaturan parameter sesuai dengan toleransi risiko pribadi mereka.
Kode Sumber Strategi
/*backtest
start: 2024-12-29 00:00:00
end: 2025-01-05 00:00:00
period: 45m
basePeriod: 45m
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/
//@version=6
strategy("Adaptive Trend Flow Strategy with Filters for SPX", overlay=true, max_labels_count=500,
initial_capital=1000, commission_type=strategy.commission.cash_per_order, commission_value=0.01, slippage=2,
margin_long=20, margin_short=20, default_qty_type=strategy.percent_of_equity, default_qty_value=100)
// User-defined inputs for trend logic
atr = input.int(14, "Main Length", minval=2, group = "Find more strategies like this on pineindicators.com")
length = input.int(2, "Main Length", minval=2)
smooth_len = input.int(2, "Smoothing Length", minval=2)
sensitivity = input.float(2.0, "Sensitivity", step=0.1)
// User-defined inputs for SMA filter
use_sma_filter = input.bool(true, "Enable SMA Filter?")
sma_length = input.int(4, "SMA Length", minval=1)
// User-defined inputs for MACD filter
use_macd_filter = input.bool(true, "Enable MACD Filter?")
macd_fast_length = input.int(2, "MACD Fast Length", minval=1)
macd_slow_length = input.int(7, "MACD Slow Length", minval=1)
macd_signal_length = input.int(2, "MACD Signal Length", minval=1)
// User-defined inputs for leverage
leverage_factor = input.float(4.5, "Leverage Factor", minval=1.0, step=0.1)
id = input("besttrader123", title= "Your TradingView username", group = "Automate this strategy with plugpine.com")
key = input("nc739ja84gf", title= "Unique identifier (UID)")
ticker = input("SPX", title= "Ticker/symbol of your broker")
bullcolor = #0097a7
bearcolor = #ff195f
showbars = input.bool(true, "Color Bars?")
showbg = input.bool(true, "Background Color?")
showsignals = input.bool(true, "Show Signals?")
// Trend calculation functions
calculate_trend_levels() =>
typical = hlc3
fast_ema = ta.ema(typical, length)
slow_ema = ta.ema(typical, length * 2)
basis = (fast_ema + slow_ema) / 2
vol = ta.stdev(typical, length)
smooth_vol = ta.ema(vol, smooth_len)
upper = basis + (smooth_vol * sensitivity)
lower = basis - (smooth_vol * sensitivity)
[basis, upper, lower]
get_trend_state(upper, lower, basis) =>
var float prev_level = na
var int trend = 0
if na(prev_level)
trend := close > basis ? 1 : -1
prev_level := trend == 1 ? lower : upper
if trend == 1
if close < lower
trend := -1
prev_level := upper
else
prev_level := lower
else
if close > upper
trend := 1
prev_level := lower
else
prev_level := upper
[trend, prev_level]
[basis, upper, lower] = calculate_trend_levels()
[trend, level] = get_trend_state(upper, lower, basis)
// SMA filter
sma_value = ta.sma(close, sma_length)
sma_condition = use_sma_filter ? close > sma_value : true
// MACD filter
[macd_line, signal_line, _] = ta.macd(close, macd_fast_length, macd_slow_length, macd_signal_length)
macd_condition = use_macd_filter ? macd_line > signal_line : true
// Signal detection with filters
long_signal = trend == 1 and trend[1] == -1 and sma_condition and macd_condition
short_signal = trend == -1 and trend[1] == 1
// Plotting visuals
p2 = plot(basis, color=trend == 1 ? bullcolor : bearcolor, linewidth=2)
p1 = plot(level, color=close > level ? bullcolor : bearcolor, linewidth=2, style=plot.style_linebr)
// if showsignals and ta.crossover(close, level)
// label.new(bar_index, level, "▲", color=bullcolor, textcolor=chart.bg_color, style=label.style_label_upper_right)
// if showsignals and ta.crossunder(close, level)
// label.new(bar_index, level, "▼", color=bearcolor, textcolor=chart.fg_color, style=label.style_label_lower_right)
qty = strategy.equity / close * leverage_factor
// Automated alerts
if long_signal
alert('{"AccountID": "' + id + '","Key": "' + key + '", "symbol": "' + ticker + '", "action": "long", "volume": ' + str.tostring(qty) + '}', alert.freq_once_per_bar)
if short_signal
alert('{"AccountID": "' + id + '","Key": "' + key + '", "symbol": "' + ticker + '", "action": "closelong"}', alert.freq_once_per_bar)
// Strategy entries and exits
if long_signal
strategy.entry("Long", strategy.long, qty=qty)
if short_signal
strategy.close("Long")
// Optional SMA and MACD plot
plot(use_sma_filter ? sma_value : na, color=color.new(color.blue, 80), title="SMA")
plot(use_macd_filter ? macd_line : na, color=color.new(color.orange, 80), title="MACD Line")
plot(use_macd_filter ? signal_line : na, color=color.new(color.red, 80), title="Signal Line")