ChaoZhang
1
fokus pada
1617
Pengikut
Ringkasan
Strategi ini adalah sistem perdagangan komprehensif yang menggabungkan algoritma pembelajaran mesin K-nearest neighbor (KNN), pengenalan pola kandil, dan analisis volume. Strategi ini membentuk kerangka analisis tiga dimensi untuk pasar melalui metode analisis multidimensi, termasuk saluran rata-rata bergerak, verifikasi ambang batas volume, dan statistik probabilitas, sehingga menangkap peluang perdagangan potensial.
Prinsip Strategi
Logika inti dari strategi ini didasarkan pada elemen-elemen kunci berikut:
- Gunakan moving average (SMA) dan deviasi standar untuk membangun saluran harga guna mengidentifikasi area overbought dan oversold
- Mengenali sembilan pola kandil klasik melalui kondisi yang ditentukan secara terprogram, termasuk palu, bintang jatuh, menelan, dsb.
- Perkenalkan algoritma KNN untuk mempelajari tren harga historis dan memprediksi kemungkinan tren harga di masa mendatang
- Penggunaan volume perdagangan sebagai indikator konfirmasi sinyal mengharuskan volume perdagangan harus lebih tinggi dari ambang batas yang ditetapkan saat sinyal dipicu
- Hitung distribusi probabilitas naik dan turun dan gunakan sebagai salah satu kondisi penyaringan sinyal
Keunggulan Strategis
- Mekanisme konfirmasi sinyal multi-level secara signifikan meningkatkan keandalan transaksi
- Pengenalan algoritma KNN memberikan perspektif pembelajaran mesin untuk analisis teknis tradisional
- Mekanisme verifikasi volume secara efektif menghindari terobosan palsu
- Gambar dinamis garis support dan resistance membantu mengidentifikasi level harga yang penting
- Sistem peringatan yang komprehensif memastikan Anda tidak akan melewatkan peluang perdagangan penting
- Parameter strategi sangat dapat disesuaikan dan dapat beradaptasi dengan lingkungan pasar yang berbeda
Risiko Strategis
- Algoritma KNN mungkin tertinggal di pasar yang bergejolak
- Kondisi penyaringan sinyal yang berlebihan dapat menyebabkan hilangnya beberapa peluang perdagangan
- Ambang batas volume tetap mungkin perlu disesuaikan secara dinamis dalam periode yang berbeda
- Terlalu banyak sinyal palsu yang mungkin dihasilkan selama fase samping Direkomendasikan:
- Sesuaikan parameter algoritma secara dinamis
- Memperkenalkan mekanisme identifikasi lingkungan pasar
- Tetapkan batas kerugian maksimum
- Membangun sistem manajemen pergudangan
Arah optimasi strategi
- Memperkenalkan mekanisme penyesuaian parameter adaptif untuk memungkinkan strategi menyesuaikan parameter secara otomatis sesuai dengan kondisi pasar
- Integrasikan algoritma pembelajaran mendalam untuk meningkatkan akurasi prediksi
- Menambahkan lebih banyak indikator mikrostruktur pasar
- Mengoptimalkan metode perhitungan dinamis ambang batas volume perdagangan
- Membangun sistem pengendalian risiko yang lebih lengkap
Meringkaskan
Strategi ini membangun sistem perdagangan yang kuat dengan menggabungkan analisis teknis tradisional dengan metode pembelajaran mesin modern. Kerangka kerja analisis multidimensi dan mekanisme konfirmasi sinyal yang ketat dari strategi ini menyediakan dasar yang dapat diandalkan untuk keputusan perdagangan. Melalui optimalisasi berkelanjutan dan pengendalian risiko, strategi ini diharapkan dapat mempertahankan kinerja yang stabil di berbagai lingkungan pasar.
Kode Sumber Strategi
/*backtest
start: 2024-01-17 00:00:00
end: 2025-01-16 00:00:00
period: 2d
basePeriod: 2d
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT","balance":49999}]
*/
//@version=6
strategy("Candle Pattern Analyzer with Volume", overlay=true)
// Input parameters
length = input.int(20, "Channel Length", minval=1)
mult = input.float(2.0, "Volatility Multiplier", minval=0.1)
candleLength = input.int(5, "Candle Length", minval=1)
k = input.int(5, "KNN Neighbors", minval=1)
volumeThreshold = input.int(100000, "Volume Threshold", minval=1)
// Calculate channel
basis = ta.sma(close, length)
dev = mult * ta.stdev(close, length)
upper = basis + dev
lower = basis - dev
// Plot channel
plot(basis, color=color.blue)
plot(upper, color=color.green)
plot(lower, color=color.red)
// Identify candle patterns
isBullish = close > open
isBearish = close < open
// Pre-calculate SMAs
smaLow = ta.sma(low, candleLength)
smaHigh = ta.sma(high, candleLength)
smaClose = ta.sma(close, candleLength)
// Hammer pattern
isHammer = isBullish and
low < smaLow and
close > smaClose and
(close - low) / (high - low) > 0.6 and
low < low[1]
// Shooting Star pattern
isShootingStar = isBearish and
high > smaHigh and
close < smaClose and
(high - close) / (high - low) > 0.6 and
high > high[1]
// Inverse Hammer pattern
isInverseHammer = isBullish and
high > smaHigh and
close < smaClose and
(high - close) / (high - low) > 0.6 and
high > high[1]
// Bullish Engulfing pattern
isBullishEngulfing = isBullish and
close > high[1] and
open < low[1]
// Bearish Engulfing pattern
isBearishEngulfing = isBearish and
close < low[1] and
open > high[1]
// Morning Star pattern
isMorningStar = isBullish and close[2] < open[2] and close[1] < open[1] and close > open[1]
// Evening Star pattern
isEveningStar = isBearish and close[2] > open[2] and close[1] > open[1] and close < open[1]
// Three Black Crows pattern
isThreeBlackCrows = isBearish and
close < close[1] and
close[1] < close[2] and
close[2] < close[3]
// Three White Soldiers pattern
isThreeWhiteSoldiers = isBullish and close > close[1] and close[1] > close[2] and close[2] > close[3]
// Compare previous candles
prevCandleUp = close[1] > open[1]
prevCandleDown = close[1] < open[1]
// Calculate probability
probUp = ta.sma(close > open ? 1 : 0, candleLength) / candleLength
probDown = ta.sma(close < open ? 1 : 0, candleLength) / candleLength
// Generate signals
buySignal = isHammer and prevCandleDown and probUp > probDown and volume > volumeThreshold
sellSignal = isShootingStar and prevCandleUp and probDown > probUp and volume > volumeThreshold
// Highlight patterns
color candleColor = na
if (isHammer)
candleColor := color.green
label.new(bar_index, high, "Hammer", color=color.green, style=label.style_label_up)
else if (isShootingStar)
candleColor := color.red
label.new(bar_index, low, "Shooting Star", color=color.red, style=label.style_label_down)
else if (isInverseHammer)
candleColor := color.blue
label.new(bar_index, high, "Inverse Hammer", color=color.blue, style=label.style_label_up)
else if (isBullishEngulfing)
candleColor := color.yellow
label.new(bar_index, high, "Bullish Engulfing", color=color.yellow, style=label.style_label_up)
else if (isBearishEngulfing)
candleColor := color.purple
label.new(bar_index, low, "Bearish Engulfing", color=color.purple, style=label.style_label_down)
else if (isMorningStar)
candleColor := color.orange
label.new(bar_index, high, "Morning Star", color=color.orange, style=label.style_label_up)
else if (isEveningStar)
candleColor := color.new(color.red, 80)
label.new(bar_index, low, "Evening Star", color=color.new(color.red, 80), style=label.style_label_down)
else if (isThreeBlackCrows)
candleColor := color.black
label.new(bar_index, low, "Three Black Crows", color=color.black, style=label.style_label_down)
else if (isThreeWhiteSoldiers)
candleColor := color.white
label.new(bar_index, high, "Three White Soldiers", color=color.white, style=label.style_label_up)
// Plot candles
barcolor(candleColor)
// KNN algorithm
var float[] knnData = array.new_float(k, na)
var float[] knnLabels = array.new_float(k, na) // Create an array to store KNN labels
array.set(knnLabels, 0, 1.0) // Label for "up" movement
// Shift KNN dataset to make room for new data point
for i = 1 to k-1
array.set(knnData, i, array.get(knnData, i-1))
array.set(knnLabels, i, array.get(knnLabels, i-1))
// Predict next movement using KNN algorithm
float prediction = 0.0
for i = 0 to k-1
float distance = math.abs(close - array.get(knnData, i))
prediction += array.get(knnLabels, i) / distance
prediction /= k
// Plot prediction
// line.new(bar_index, close, bar_index + 1, prediction, color=color.purple)
// Plot resistance and support lines
float resistance = ta.sma(high, length)
float support = ta.sma(low, length)
// line.new(bar_index, resistance, bar_index + 1, resistance, color=color.green, style=line.style_dashed)
// line.new(bar_index, support, bar_index + 1, support, color=color.red, style=line.style_dashed)
// Plot buy and sell signals with prices
if (buySignal)
// label.new(bar_index, low, "Buy at " + str.tostring(low), color=color.green, style=label.style_label_up)
strategy.entry("Buy", strategy.long, comment="Buy at " + str.tostring(low))
if (sellSignal)
// label.new(bar_index, high, "Sell at " + str.tostring(high), color=color.red, style=label.style_label_down)
strategy.entry("Sell", strategy.short, comment="Sell at " + str.tostring(high))
// Create alerts
alertcondition(buySignal, title="Buy Signal", message="Buy signal generated!")
alertcondition(sellSignal, title="Sell Signal", message="Sell signal generated!")