ChaoZhang
1
fokus pada
1617
Pengikut
Ringkasan
Strategi ini adalah sistem perdagangan canggih berdasarkan indikator KDJ, yang menangkap tren pasar dengan melakukan analisis mendalam terhadap pola persilangan garis K, garis D, dan garis J. Strategi ini memadukan algoritma penghalusan BCWSMA khusus dan meningkatkan keandalan sinyal dengan mengoptimalkan kalkulasi indikator stokastik. Sistem ini mengadopsi mekanisme pengendalian risiko yang ketat, termasuk fungsi stop loss dan trailing stop loss, untuk mencapai manajemen dana yang baik.
Prinsip Strategi
Logika inti dari strategi ini didasarkan pada elemen-elemen kunci berikut:
- Indikator KDJ dihitung menggunakan algoritma BCWSMA (weighted moving average) khusus, yang meningkatkan kelancaran dan stabilitas indikator.
- Dengan menghitung RSV (nilai acak belum matang), harga diubah menjadi nilai dalam kisaran 0-100 untuk lebih mencerminkan posisi harga antara titik tinggi dan rendah.
- Merancang mekanisme validasi silang J-line dan J5-line (indikator derivatif) yang unik untuk meningkatkan akurasi sinyal perdagangan melalui beberapa konfirmasi
- Mekanisme konfirmasi tren berdasarkan kontinuitas telah ditetapkan, yang mengharuskan garis J tetap berada di atas garis D selama tiga hari berturut-turut untuk mengonfirmasi validitas tren.
- Sistem pengendalian risiko komposit yang mengintegrasikan persentase stop loss dan trailing stop loss
Keunggulan Strategis
- Mekanisme pembangkitan sinyal tingkat lanjut: Melalui validasi silang beberapa indikator teknis, dampak sinyal palsu berkurang secara signifikan
- Kontrol risiko yang sempurna: mengadopsi mekanisme kontrol risiko multi-level, termasuk stop loss tetap dan stop loss bergerak, untuk secara efektif mengendalikan risiko penurunan
- Kemampuan penyesuaian parameter yang kuat: parameter utama seperti siklus KDJ, koefisien penghalusan sinyal, dll. dapat disesuaikan secara fleksibel sesuai dengan kondisi pasar
- Efisiensi komputasi yang tinggi: Menggunakan algoritma BCWSMA yang dioptimalkan mengurangi kompleksitas komputasi dan meningkatkan efisiensi eksekusi strategi
- Kemampuan beradaptasi yang baik: dapat beradaptasi dengan lingkungan pasar yang berbeda dan mengoptimalkan kinerja strategi melalui penyesuaian parameter
Risiko Strategis
- Risiko pasar yang fluktuatif: Sinyal breakout palsu yang sering terjadi dapat terjadi di pasar yang fluktuatif dan menyamping, sehingga meningkatkan biaya transaksi
- Risiko lag: Karena penggunaan moving average smoothing, sinyal mungkin mengalami lag sampai batas tertentu
- Sensitivitas parameter: Efek strategi sensitif terhadap pengaturan parameter. Pengaturan parameter yang tidak tepat dapat mengurangi efek strategi secara signifikan.
- Ketergantungan lingkungan pasar: Dalam lingkungan pasar tertentu, kinerja strategi mungkin tidak ideal.
Arah optimasi strategi
- Optimalisasi mekanisme penyaringan sinyal: Indikator tambahan seperti volume perdagangan dan volatilitas dapat diperkenalkan untuk meningkatkan keandalan sinyal
- Penyesuaian parameter dinamis: Sesuaikan parameter KDJ dan parameter stop loss secara dinamis sesuai dengan fluktuasi pasar
- Identifikasi lingkungan pasar: Tambahkan modul penilaian lingkungan pasar untuk mengadopsi strategi perdagangan yang berbeda di lingkungan pasar yang berbeda
- Peningkatan pengendalian risiko: Langkah-langkah pengendalian risiko tambahan seperti pengendalian penarikan maksimum dan batas waktu penahanan posisi dapat ditambahkan
- Optimalisasi kinerja: mengoptimalkan lebih lanjut algoritma BCWSMA untuk meningkatkan efisiensi perhitungan
Meringkaskan
Strategi ini membangun sistem perdagangan lengkap melalui kombinasi inovatif indikator teknis dan pengendalian risiko yang ketat. Keuntungan inti dari strategi ini terletak pada mekanisme konfirmasi sinyal ganda dan sistem pengendalian risiko yang sempurna, tetapi perhatian juga harus diberikan pada masalah-masalah seperti optimalisasi parameter dan kemampuan beradaptasi terhadap lingkungan pasar. Melalui pengoptimalan dan perbaikan berkelanjutan, strategi ini diharapkan dapat mempertahankan kinerja yang stabil di berbagai lingkungan pasar.
Kode Sumber Strategi
/*backtest
start: 2024-01-06 00:00:00
end: 2025-01-05 00:00:00
period: 4h
basePeriod: 4h
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/
// © hexu90
//@version=6
// Date Range
// STEP 1. Create inputs that configure the backtest's date range
useDateFilter = input.bool(true, title="Filter Date Range of Backtest",
group="Backtest Time Period")
backtestStartDate = input(timestamp("1 Jan 2020"),
title="Start Date", group="Backtest Time Period",
tooltip="This start date is in the time zone of the exchange " +
"where the chart's instrument trades. It doesn't use the time " +
"zone of the chart or of your computer.")
backtestEndDate = input(timestamp("15 Dec 2024"),
title="End Date", group="Backtest Time Period",
tooltip="This end date is in the time zone of the exchange " +
"where the chart's instrument trades. It doesn't use the time " +
"zone of the chart or of your computer.")
// STEP 2. See if current bar falls inside the date range
inTradeWindow = true
//KDJ strategy
// indicator("My Customized KDJ", shorttitle="KDJ")
strategy("My KDJ Strategy", overlay = false)
// Input parameters
ilong = input(90, title="Period")
k_isig = input(3, title="K Signal")
d_isig = input(30, title="D Signal")
// Custom BCWSMA calculation outside the function
bcwsma(source, length, weight) =>
var float prev = na // Persistent variable to store the previous value
if na(prev)
prev := source // Initialize on the first run
prev := (weight * source + (length - weight) * prev) / length
prev
// Calculate KDJ
c = close
h = ta.highest(high, ilong)
l = ta.lowest(low, ilong)
RSV = 100 * ((c - l) / (h - l))
pK = bcwsma(RSV, k_isig, 1)
pD = bcwsma(pK, d_isig, 1)
pJ = 3 * pK - 2 * pD
pJ1 = 0
pJ2 = 80
pJ5 = (pJ-pK)-(pK-pD)
// Plot the K, D, J lines with colors
plot(pK, color=color.rgb(251, 121, 8), title="K Line") // Orange
plot(pD, color=color.rgb(30, 0, 255), title="D Line") // Blue
plot(pJ, color=color.new(color.rgb(251, 0, 255), 10), title="J Line") // Pink with transparency
plot(pJ5, color=#6f03f3e6, title="J Line") // Pink with transparency
// Background color and reference lines
// bgcolor(pJ > pD ? color.new(color.green, 75) : color.new(color.red, 75))
// hline(80, "Upper Band", color=color.gray)
// hline(20, "Lower Band", color=color.gray)
// Variables to track the conditions
var bool condition1_met = false
var int condition2_met = 0
// Condition 1: pJ drops below pJ5
if ta.crossunder(pJ, pJ5)
condition1_met := true
condition2_met := 0 // Reset condition 2 if pJ drops below pJ5 again
if ta.crossover(pJ, pD)
condition2_met += 1
to_long = ta.crossover(pJ, pD)
var int consecutiveDays = 0
// Update the count of consecutive days
if pJ > pD
consecutiveDays += 1
else
consecutiveDays := 0
// Check if pJ has been above pD for more than 3 days
consPJacrossPD = false
if consecutiveDays > 3
consPJacrossPD := true
// Entry condition: After condition 2, pJ crosses above pD a second time
// if condition1_met and condition2_met > 1
// strategy.entry("golden", strategy.long, qty=1000)
// condition1_met := false // Reset the conditions for a new cycle
// condition2_met = 0
//
if ta.crossover(pJ, pD)
// and pD < 40 and consPJacrossPD
// consecutiveDays == 1
// consecutiveDays == 3 and
strategy.entry("golden", strategy.long, qty=1)
// to_short =
// or ta.crossunder(pJ, 100)
// Exit condition
if ta.crossover(pD, pJ)
strategy.close("golden", qty = 1)
// Stop loss and trailing profit
trail_stop_pct = input.float(0.5, title="Trailing Stop activation (%)", group="Exit Lonng", inline="LTS", tooltip="Trailing Treshold %")
trail_offset_pct = input.float(0.5, title="Trailing Offset (%)", group="Exit Lonng", inline="LTS", tooltip="Trailing Offset %")
trail_stop_tick = trail_stop_pct * close/100
trail_offset_tick = trail_offset_pct * close/100
sl_pct = input.float(5, title="Stop Loss", group="SL and TP", inline="LSLTP")
// tp_pct = input.float(9, title="Take Profit", group="SL and TP", inline="LSLTP")
long_sl_price = strategy.position_avg_price * (1 - sl_pct/100)
// long_tp_price = strategy.position_avg_price * (1 + tp_pct/100)
strategy.exit('golden Exit', 'golden', stop = long_sl_price)
// trail_points = trail_stop_tick, trail_offset=trail_offset_tick