Strategi Perdagangan Prakiraan Regresi Linier RSI-ADX yang Ditingkatkan Tren

RSI ADX ML LINEAR REGRESSION DMI
Tanggal Pembuatan: 2025-02-21 13:46:54 Akhirnya memodifikasi: 2025-02-21 13:46:54
menyalin: 0 Jumlah klik: 433
avatar of ianzeng123 ianzeng123
2
fokus pada
319
Pengikut

Strategi Perdagangan Prakiraan Regresi Linier RSI-ADX yang Ditingkatkan Tren Strategi Perdagangan Prakiraan Regresi Linier RSI-ADX yang Ditingkatkan Tren

Ringkasan

Strategi ini merupakan sistem pelacakan tren yang menggabungkan indikator teknis dan metode pembelajaran mesin. Strategi ini mengintegrasikan indikator relatif kuat (RSI), indikator tren rata-rata (ADX) dan model prediksi regresi linier untuk menentukan tren pasar dan peluang perdagangan melalui analisis multi-dimensi.

Prinsip Strategi

Strategi ini menggunakan mekanisme penyaringan tiga tingkat untuk menentukan sinyal perdagangan:

  1. Indikator RSI digunakan untuk mengidentifikasi kondisi overbought dan oversold, ketika RSI menembus 30 (atau oversold) menghasilkan sinyal plus, dan menembus 70 (atau oversold) menghasilkan sinyal short
  2. Indikator ADX digunakan untuk mengkonfirmasi kekuatan tren, hanya memungkinkan perdagangan jika ADX lebih besar dari 25, memastikan operasi dalam lingkungan tren yang kuat
  3. Modul prediksi regresi linier memprediksi tingkat harga berikutnya dengan menganalisis data dari 20 siklus harga terakhir, menghitung kemiringan dan kesenjangan tren harga Strategi hanya akan mengirimkan sinyal perdagangan jika ketiga kondisi tersebut terpenuhi secara bersamaan.

Keunggulan Strategis

  1. Verifikasi multi-dimensi: Menggabungkan indikator teknis dan metode prediksi statistik untuk memberikan sinyal perdagangan yang lebih andal
  2. Pengesahan tren: memastikan perdagangan hanya di pasar tren kuat melalui penyaringan ADX, menghindari sinyal palsu dari pasar goyah
  3. Prediktif: Model prediksi regresi linier yang dapat digunakan untuk melakukan analisis prospektif terhadap pergerakan harga
  4. Fleksibilitas: parameter utama dapat disesuaikan dengan kondisi pasar yang berbeda
  5. Eksekusi yang jelas: aturan perdagangan yang jelas, kondisi pembuatan sinyal yang ketat, mengurangi pengaruh penilaian subjektif

Risiko Strategis

  1. Sensitivitas parameter: Efek strategi sangat bergantung pada pengaturan parameter RSI, ADX, dan siklus regresi
  2. Risiko keterlambatan: Indikator teknis sendiri memiliki keterlambatan, yang dapat menyebabkan sedikit penundaan waktu masuk
  3. Risiko perubahan tren: Jika tren tiba-tiba berbalik, mungkin ada kerugian karena reaksi sistem yang tidak tepat waktu
  4. Risiko over-fitting: Prediksi regresi linear dapat over-fitting data historis, mempengaruhi akurasi prediksi
  5. Kepercayaan pada kondisi pasar: Strategi yang mungkin gagal dalam pasar yang bergejolak

Arah optimasi strategi

  1. Penyesuaian parameter dinamis: Memperkenalkan mekanisme parameter adaptif yang secara otomatis menyesuaikan parameter RSI dan ADX sesuai dengan fluktuasi pasar
  2. Menambahkan filter kondisi pasar: Menambahkan indikator volatilitas, menyesuaikan parameter strategi atau menghentikan perdagangan dalam kondisi pasar yang berbeda
  3. Optimalkan model prediksi: Pertimbangkan untuk menggunakan model pembelajaran mesin yang lebih kompleks, seperti LSTM atau hutan acak, untuk meningkatkan akurasi prediksi
  4. Manajemen risiko yang lebih baik: Menambahkan mekanisme stop loss yang dinamis, menyesuaikan posisi stop loss sesuai dengan fluktuasi pasar
  5. Meningkatkan waktu penyaringan transaksi: menghindari waktu likuiditas rendah dan waktu siaran pers penting

Meringkaskan

Strategi ini dengan menggabungkan analisis teknis tradisional dan metode prediksi modern, membangun sistem perdagangan yang relatif lengkap. Keunggulan inti dari strategi ini adalah mekanisme konfirmasi sinyal multi-dimensi, yang dapat secara efektif mengurangi dampak sinyal palsu. Dengan memperbaiki model prediksi, mengoptimalkan mekanisme penyesuaian parameter dan meningkatkan manajemen risiko, strategi ini memiliki ruang optimasi yang lebih besar. Dalam aplikasi praktis, investor disarankan untuk menyesuaikan parameter strategi sesuai dengan karakteristik pasar tertentu dan toleransi risiko mereka sendiri.

Kode Sumber Strategi 
/*backtest
start: 2025-01-20 00:00:00
end: 2025-02-19 08:00:00
period: 1h
basePeriod: 1h
exchanges: [{"eid":"Binance","currency":"SOL_USDT"}]
*/

//@version=5
strategy("RSI + ADX + ML-like Strategy (5min)", overlay=true)

// ———— 1. Inputs ————
rsiLength = input(14, "RSI Length")
adxLength = input(14, "ADX Length")
mlLookback = input(20, "ML Lookback (Bars)")

// ———— 2. Calculate Indicators ————
// RSI
rsi = ta.rsi(close, rsiLength)

// ADX
[diPlus, diMinus, adx] = ta.dmi(adxLength, adxLength)

// ———— 3. Simplified ML-like Component (Linear Regression) ————
var float predictedClose = na
sumX = math.sum(bar_index, mlLookback)          // FIXED: Using math.sum()
sumY = math.sum(close, mlLookback)              // FIXED: Using math.sum()
sumXY = math.sum(bar_index * close, mlLookback) // FIXED: Using math.sum()
sumX2 = math.sum(bar_index * bar_index, mlLookback)

slope = (mlLookback * sumXY - sumX * sumY) / (mlLookback * sumX2 - sumX * sumX)
intercept = (sumY - slope * sumX) / mlLookback
predictedClose := slope * bar_index + intercept

// ———— 4. Strategy Logic ————
mlBullish = predictedClose > close
mlBearish = predictedClose < close

enterLong = ta.crossover(rsi, 30) and adx > 25 and mlBullish
enterShort = ta.crossunder(rsi, 70) and adx > 25 and mlBearish

// ———— 5. Execute Orders ————
strategy.entry("Long", strategy.long, when=enterLong)
strategy.entry("Short", strategy.short, when=enterShort)

// ———— 6. Plotting ————
plot(predictedClose, "Predicted Close", color=color.purple)
plotshape(enterLong, "Buy", shape.triangleup, location.belowbar, color=color.green)
plotshape(enterShort, "Sell", shape.triangledown, location.abovebar, color=color.red)
Forums
PINE Language FAQ Summary MyLanguage Web3 About Us
Product
Robot Strategy Node Platforms Tickets
API
Syntax guide User guide Trading api Blockchain Indicator

© 2015 - ∞ INVENTOR PTE LTD (SG)