ianzeng123
Ringkasan
Strategi ini adalah sistem perdagangan pelacakan tren yang didasarkan pada metode perkiraan inti Nadaraya-Watson dan crossover rata-rata bergerak. Strategi ini menggunakan fungsi inti Gaussian untuk memperlancar data harga, menggabungkan sinyal crossover rata-rata bergerak untuk menangkap tren pasar, dan melakukan perdagangan pelacakan tren yang cerdas.
Prinsip Strategi
Inti dari strategi ini adalah metode Nadaraya-Watson Core Estimation, yang menggunakan fungsi Gaussian Core untuk melakukan smoothing non-parameter pada data harga. Implementasi konkret meliputi langkah-langkah berikut:
- Menggunakan fungsi Gaussian Core untuk menghitung berat, bandwidth parameter h diatur ke 8.0
- Perbaikan berat pada 500 titik data harga terakhir
- Menghitung rata-rata bergerak sederhana dari data setelah smoothing (SMA) dengan periode mundur 15 siklus
- Ketika Anda melewati rata-rata bergerak pada kurva yang halus, Anda menghasilkan sinyal multitasking
- Ketika rata-rata bergerak di bawah kurva rata-rata, menghasilkan sinyal kosong
- Menggunakan variabel status posisi untuk melacak posisi saat ini dan menghindari pembukaan posisi berulang
Keunggulan Strategis
- Menggunakan metode estimasi non-parameter, tidak perlu mengasumsikan distribusi data, lebih beradaptasi dengan perubahan pasar
- Fungsi Gaussian Core Smoothing dapat secara efektif mengurangi dampak noise dan meningkatkan kualitas sinyal
- Mengurangi sinyal palsu dengan cross-validasi moving average
- Menggunakan sistem manajemen posisi untuk mengendalikan risiko
- Kode yang sederhana, efisien, dan mudah untuk dijaga dan dioptimalkan
- Strategi logis yang jelas untuk berdagang dalam berbagai periode waktu
Risiko Strategis
- Risiko sensitivitas parameter: pilihan bandwidth h dan periode rata-rata bergerak secara signifikan mempengaruhi kinerja strategi
- Resiko keterlambatan: Perkiraan inti dan rata-rata bergerak memiliki keterlambatan, kemungkinan kehilangan tren dramatis
- Risiko pasar bergoyang: Pasar bergoyang horizontal dapat menghasilkan sinyal palsu
- Perhitungan biaya: perlu untuk menangani sejumlah besar data historis, yang dapat mempengaruhi kinerja real-time
- Risiko overfit: Optimalisasi parameter dapat menyebabkan overfit data historis
Arah optimasi strategi
- Memperkenalkan bandwidth adaptif: parameter bandwidth yang disesuaikan secara dinamis dengan fluktuasi pasar
- Meningkatkan filter kondisi pasar: Menambahkan indikator kekuatan tren untuk mengambil posisi di pasar tren yang kuat
- Mekanisme penghematan yang dioptimalkan: desain penghematan dinamis berdasarkan fluktuasi
- Meningkatkan manajemen posisi: menyesuaikan ukuran posisi berdasarkan intensitas sinyal dan fluktuasi pasar
- Memperkenalkan analisis siklus multi waktu: penilaian tren yang menggabungkan siklus yang lebih panjang
Meringkaskan
Strategi ini secara inovatif menggabungkan estimasi inti Nadaraya-Watson dengan analisis teknis tradisional untuk membangun sistem pelacakan tren yang solid. Strategi ini secara efektif menangkap tren pasar, sambil mengendalikan risiko, melalui Gaussian smoothing dan moving average crossing. Strategi ini memiliki skalabilitas dan ruang optimasi yang baik, cocok untuk pengembangan dan aplikasi praktis lebih lanjut.
/*backtest
start: 2024-02-21 00:00:00
end: 2025-02-18 08:00:00
period: 1d
basePeriod: 1d
exchanges: [{"eid":"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/
// © UniCapInvest
//@version=5
strategy("Nadaraya-Watson Strategy with Moving Average Crossover", overlay=true, default_qty_type=strategy.percent_of_equity, default_qty_value=10, max_bars_back=500)
// Girdiler
h = input.float(8.,'Bandwidth', minval = 0)
src = input(close,'Source')
lookback = input.int(15, "Moving Average Lookback", minval=1)
// Gaussian fonksiyonu
gauss(x, h) => math.exp(-(math.pow(x, 2)/(h * h * 2)))
// Nadaraya-Watson smoothed değerini hesaplama
var float smoothed = na
sum_w = 0.0
sum_xw = 0.0
for i = 0 to 499
w = gauss(i, h)
sum_w += w
sum_xw += src[i] * w
smoothed := sum_w != 0 ? sum_xw / sum_w : na
// Hareketli ortalama hesaplama
ma = ta.sma(smoothed, lookback)
// Alım ve satım koşulları (kesişimlere göre)
longCondition = ta.crossover(smoothed, ma)
shortCondition = ta.crossunder(smoothed, ma)
// Pozisyon durumu
var bool inPosition = false
// Strateji giriş ve çıkış koşulları
if (longCondition and not inPosition)
strategy.entry("Long", strategy.long)
inPosition := true
if (shortCondition and inPosition)
strategy.entry("Short", strategy.short)
inPosition := false
// Plotting
plot(smoothed, color=color.blue, title="Nadaraya-Watson Smoothed")
plot(ma, color=color.red, title="Moving Average")