Strategi perdagangan stop-profit dinamis multi-level berdasarkan indikator Bolber dan penyaringan kuantil volume

BBP EMA ATR TP
Tanggal Pembuatan: 2025-01-06 16:16:04 Akhirnya memodifikasi: 2025-01-06 16:16:04
menyalin: 1 Jumlah klik: 436
1
fokus pada
1617
Pengikut

Strategi perdagangan stop-profit dinamis multi-level berdasarkan indikator Bolber dan penyaringan kuantil volume

Ringkasan

Strategi ini adalah strategi perdagangan kuantitatif yang menggabungkan indikator Bull Bear Power dengan sistem pengambilan untung dinamis bertingkat berdasarkan persentil volume. Strategi ini membangun sistem perdagangan yang sangat adaptif dan terkendali risiko dengan menganalisis data multidimensi seperti harga, volume, dan momentum. Logika intinya meliputi penggunaan nilai standar Z-Score dari indikator BBP sebagai kondisi pemicu sinyal perdagangan, dan menggabungkan analisis persentil volume untuk menyesuaikan tingkat take-profit secara dinamis, sehingga tercapai pemahaman akurat mengenai berbagai status volatilitas pasar.

Prinsip Strategi

Perhitungan inti strategi ini mencakup bagian-bagian utama berikut:

  1. Perhitungan indikator BBP: Mengukur perbandingan kekuatan pasar dengan menghitung jumlah selisih antara harga tertinggi dan EMA (bull power) dan selisih antara harga terendah dan EMA (bear power).
  2. Standardisasi Z-Score: Nilai BBP distandarisasi untuk menentukan tingkat deviasi kekuatan pasar saat ini.
  3. Analisis volume: Hitung volume saat ini relatif terhadap rata-rata pergerakan untuk menentukan aktivitas pasar.
  4. Analisis kuantil: Hitung kuantil historis harga dan volume untuk distribusi probabilitas kondisi pasar.
  5. Take Profit Dinamis: Sesuaikan jarak take profit secara dinamis berdasarkan skor komprehensif ATR, persentil volume, dan persentil harga.

Keunggulan Strategis

  1. Analisis multidimensi: Pertimbangan komprehensif tentang momentum harga, volume dan posisi pasar untuk memberikan perspektif pasar yang lebih komprehensif.
  2. Kemampuan beradaptasi yang kuat: Melalui mekanisme pengambilan untung yang disesuaikan secara dinamis, dapat beradaptasi dengan berbagai lingkungan pasar.
  3. Diversifikasi risiko: mengadopsi strategi pengambilan untung bertingkat untuk merealisasikan pelepasan laba pada tingkat harga yang berbeda.
  4. Keunggulan probabilitas: Melalui Z-Score dan analisis kuantil, ia memiliki keunggulan signifikan secara statistik.
  5. Ekstensibilitas: Kerangka kebijakan memiliki ekstensibilitas yang baik dan dimensi analisis baru dapat ditambahkan sesuai kebutuhan.

Risiko Strategis

  1. Sensitivitas parameter: Strategi mengandung beberapa parameter dan perlu dioptimalkan untuk lingkungan pasar yang berbeda.
  2. Ketergantungan pada lingkungan pasar: Mungkin berkinerja buruk selama periode volatilitas ekstrem atau pergeseran tren.
  3. Keterlambatan eksekusi: Perintah take-profit bertingkat mungkin menghadapi keterlambatan eksekusi, yang memengaruhi laba aktual.
  4. Kompleksitas komputasi: Perhitungan beberapa indikator secara real-time dapat menimbulkan beban sistem tertentu.
  5. Risiko Sinyal Palsu: Sinyal perdagangan palsu dapat dihasilkan di pasar yang bergerak menyamping.

Arah optimasi

  1. Adaptasi parameter: Memperkenalkan metode pembelajaran mesin untuk mencapai pengoptimalan parameter secara otomatis.
  2. Prediksi pasar: Tambahkan modul klasifikasi lingkungan pasar untuk mengidentifikasi lingkungan perdagangan yang tidak menguntungkan sebelumnya.
  3. Optimalisasi stop loss: Perkenalkan mekanisme stop loss dinamis untuk meningkatkan akurasi pengendalian risiko.
  4. Penyaringan sinyal: Tambahkan filter kekuatan tren untuk mengurangi sinyal palsu.
  5. Manajemen posisi: mengoptimalkan algoritma alokasi posisi dan meningkatkan efisiensi penggunaan modal.

Meringkaskan

Strategi ini menggabungkan indikator BBP tradisional dengan metode analisis kuantitatif modern untuk membangun sistem perdagangan dengan landasan teori yang kuat dan kepraktisan yang kuat. Melalui pengambilan keuntungan bertingkat dan mekanisme penyesuaian dinamis, keseimbangan yang lebih baik antara keuntungan dan risiko tercapai. Meskipun ada tingkat kesulitan tertentu dalam pengoptimalan parameter, skalabilitas kerangka strategi menyediakan ruang yang cukup untuk pengoptimalan berikutnya. Dalam penerapan aktual, pedagang disarankan untuk membuat penyesuaian yang ditargetkan berdasarkan karakteristik pasar tertentu dan preferensi risiko mereka sendiri.

Kode Sumber Strategi
/*backtest
start: 2019-12-23 08:00:00
end: 2025-01-04 08:00:00
period: 1d
basePeriod: 1d
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/

// This Pine Script™ code is subject to the terms of the Mozilla Public License 2.0 at https://mozilla.org/MPL/2.0/
// © PresentTrading

// The BBP Strategy with Volume-Percentile TP by PresentTrading emerges as a sophisticated approach that integrates multiple analytical layers to enhance trading precision and profitability. 
// Unlike traditional strategies that rely solely on price movements or volume indicators, this strategy synergizes Bollinger Bands Power (BBP) with volume percentile analysis to determine optimal entry and exit points. Additionally, it employs a dynamic take-profit mechanism based on ATR (Average True Range) multipliers adjusted by volume and percentile factors, ensuring adaptability to varying market conditions. 
// This multi-faceted approach not only enhances signal accuracy but also optimizes risk management, setting it apart from conventional trading methodologies.

//@version=5
strategy("BBP Strategy with Volume-Percentile TP - Strategy [presentTrading] ", overlay=false, precision=3, commission_value= 0.1, commission_type=strategy.commission.percent, slippage= 1, currency=currency.USD, default_qty_type = strategy.percent_of_equity, default_qty_value = 10, initial_capital=10000)


// ————————
// Bull Bear Power Strategy Settings
// ————————
lengthInput = input.int(21, "EMA Length")
zLength     = input.int(252, "Z-Score Length")
zThreshold  = input.float(1.618, "Z-Score Threshold")

// ————————
// Take Profit Settings
// ————————
tp_group = "Take Profit Settings"
// Enable/disable take profit function
useTP = input.bool(true, "Use Take Profit", group=tp_group)

// === ATR Base Settings ===
// ATR calculation period for determining base price movement range
baseAtrLength = input.int(20, "ATR Period", minval=1, group=tp_group, tooltip="ATR period for calculating base price movement range. Shorter periods are more sensitive to recent volatility")

// === Take Profit Multiplier Settings ===
// First take profit ATR multiplier, usually the most conservative target
atrMult1 = input.float(1.618, "TP1 ATR Multiplier", minval=0.1, step=0.1, group=tp_group, tooltip="First take profit level ATR multiplier, recommended 1.5-2.0")
// Second take profit ATR multiplier, medium profit target
atrMult2 = input.float(2.382, "TP2 ATR Multiplier", minval=0.1, step=0.1, group=tp_group, tooltip="Second take profit level ATR multiplier, recommended 2.5-3.0")
// Third take profit ATR multiplier, most aggressive target
atrMult3 = input.float(3.618, "TP3 ATR Multiplier", minval=0.1, step=0.1, group=tp_group, tooltip="Third take profit level ATR multiplier, recommended 4.0-5.0")

// === Position Size Allocation ===
// First take profit position size, usually larger for securing basic profits
tp1_size = input.float(13, "TP1 Position %", minval=1, maxval=100, group=tp_group, tooltip="Position size percentage for first take profit, recommended 30-40%")
// Second take profit position size, medium allocation
tp2_size = input.float(13, "TP2 Position %", minval=1, maxval=100, group=tp_group, tooltip="Position size percentage for second take profit, recommended 30-40%")
// Third take profit position size, usually smaller for catching larger moves
tp3_size = input.float(13, "TP3 Position %", minval=1, maxval=100, group=tp_group, tooltip="Position size percentage for third take profit, recommended 20-30%")

// ————————
// Volume Analysis Settings
// ————————
vol_group = "Volume Analysis Settings"
// Volume MA period for determining relative volume levels
vol_period = input.int(100, "Volume MA Period", minval=1, group=vol_group, tooltip="Period for calculating volume moving average, recommended 20-30")

// === Volume Level Thresholds ===
// High volume threshold relative to MA
vol_high = input.float(2.0, "High Volume Multiplier", minval=1.0, step=0.1, group=vol_group, tooltip="High volume threshold multiplier, typically 2x MA or above")
// Medium volume threshold
vol_med = input.float(1.5, "Medium Volume Multiplier", minval=1.0, step=0.1, group=vol_group, tooltip="Medium volume threshold multiplier, typically around 1.5x MA")
// Low volume threshold
vol_low = input.float(1.0, "Low Volume Multiplier", minval=0.5, step=0.1, group=vol_group, tooltip="Low volume threshold multiplier, typically around 1x MA")

// === Volume Adjustment Factors ===
// High volume adjustment factor, usually extends take profit targets
vol_high_mult = input.float(1.5, "High Volume Factor", minval=0.1, step=0.1, group=vol_group, tooltip="Take profit adjustment factor for high volume")
// Medium volume adjustment factor
vol_med_mult = input.float(1.3, "Medium Volume Factor", minval=0.1, step=0.1, group=vol_group, tooltip="Take profit adjustment factor for medium volume")
// Low volume adjustment factor
vol_low_mult = input.float(1.0, "Low Volume Factor", minval=0.1, step=0.1, group=vol_group, tooltip="Take profit adjustment factor for low volume")

// ————————
// Percentile Analysis Settings
// ————————
perc_group = "Percentile Analysis Settings"
// Percentile calculation period for evaluating price position
perc_period = input.int(100, "Percentile Period", minval=20, group=perc_group, tooltip="Historical period for percentile calculations, recommended 100-200")

// === Percentile Thresholds ===
// High percentile threshold, typically indicates relative high levels
perc_high = input.float(90, "High Percentile", minval=50, maxval=100, group=perc_group, tooltip="High level percentile threshold, typically above 90")
// Medium percentile threshold
perc_med = input.float(80, "Medium Percentile", minval=50, maxval=100, group=perc_group, tooltip="Medium level percentile threshold, typically around 80")
// Low percentile threshold
perc_low = input.float(70, "Low Percentile", minval=0, maxval=100, group=perc_group, tooltip="Low level percentile threshold, typically around 70")

// === Percentile Adjustment Factors ===
// High percentile adjustment factor
perc_high_mult = input.float(1.5, "High Percentile Factor", minval=0.1, step=0.1, group=perc_group, tooltip="Take profit adjustment factor for high percentile levels")
// Medium percentile adjustment factor
perc_med_mult = input.float(1.3, "Medium Percentile Factor", minval=0.1, step=0.1, group=perc_group, tooltip="Take profit adjustment factor for medium percentile levels")
// Low percentile adjustment factor
perc_low_mult = input.float(1.0, "Low Percentile Factor", minval=0.1, step=0.1, group=perc_group, tooltip="Take profit adjustment factor for low percentile levels")


// ————————
// Core Bull Bear Power Calculations
// ————————
emaClose  = ta.ema(close, lengthInput)
bullPower = high - emaClose
bearPower = low  - emaClose
bbp       = bullPower + bearPower

bbp_mean  = ta.sma(bbp, zLength)
bbp_std   = ta.stdev(bbp, zLength)
zscore    = (bbp - bbp_mean) / bbp_std

// ————————
// Volume & Percentile Analysis
// ————————
// 成交量分析
vol_sma = ta.sma(volume, vol_period)
vol_mult = volume / vol_sma

// 百分位數計算
calcPercentile(src) =>
    var values = array.new_float(0)
    array.unshift(values, src)
    if array.size(values) > perc_period
        array.pop(values)
    array.size(values) > 0 ? array.percentrank(values, array.size(values)-1) * 100 : 50

price_perc = calcPercentile(close)
vol_perc = calcPercentile(volume)

// 止盈動態調整系數計算
getTpFactor() =>
    vol_score = vol_mult > vol_high ? vol_high_mult : vol_mult > vol_med ? vol_med_mult : vol_mult > vol_low ? vol_low_mult : 0.8
    price_score = price_perc > perc_high ? perc_high_mult :price_perc > perc_med ? perc_med_mult :price_perc > perc_low ? perc_low_mult : 0.8 
    math.avg(vol_score, price_score)

// ————————
// Entry/Exit Logic
// ————————
longCondition  = ta.crossover(zscore,  zThreshold)
shortCondition = ta.crossunder(zscore, -zThreshold)
exitLongCondition  = ta.crossunder(zscore, 0)
exitShortCondition = ta.crossover(zscore,  0)

if (barstate.isconfirmed)
    if longCondition
        strategy.entry("Long", strategy.long)
    if shortCondition
        strategy.entry("Short", strategy.short)
    if exitLongCondition
        strategy.close("Long")
    if exitShortCondition
        strategy.close("Short")

// ————————
// Take Profit Execution
// ————————
if useTP and strategy.position_size != 0
    base_move = ta.atr(baseAtrLength)
    tp_factor = getTpFactor()
    is_long = strategy.position_size > 0
    entry_price = strategy.position_avg_price
    
    if is_long
        tp1_price = entry_price + (base_move * atrMult1 * tp_factor)
        tp2_price = entry_price + (base_move * atrMult2 * tp_factor)
        tp3_price = entry_price + (base_move * atrMult3 * tp_factor)
        
        strategy.exit("TP1", "Long", qty_percent=tp1_size, limit=tp1_price)
        strategy.exit("TP2", "Long", qty_percent=tp2_size, limit=tp2_price)
        strategy.exit("TP3", "Long", qty_percent=tp3_size, limit=tp3_price)
    else
        tp1_price = entry_price - (base_move * atrMult1 * tp_factor)
        tp2_price = entry_price - (base_move * atrMult2 * tp_factor)
        tp3_price = entry_price - (base_move * atrMult3 * tp_factor)
        
        strategy.exit("TP1", "Short", qty_percent=tp1_size, limit=tp1_price)
        strategy.exit("TP2", "Short", qty_percent=tp2_size, limit=tp2_price)
        strategy.exit("TP3", "Short", qty_percent=tp3_size, limit=tp3_price)

// ————————
// Plotting
// ————————
plot(bbp, color=bbp >= 0 ? color.new(color.green, 0) : color.new(color.red, 0), 
     title="BBPower", style=plot.style_columns)
hline(0, "Zero Line", color=color.gray, linestyle=hline.style_dotted)
plot(zscore, title="Z-Score", color=color.blue, linewidth=2)
hline(zThreshold, "Upper Threshold", color=color.orange, linestyle=hline.style_dashed)
hline(-zThreshold, "Lower Threshold", color=color.orange, linestyle=hline.style_dashed)