ianzeng123
Ringkasan
Strategi multi-dimensi yang beradaptasi dengan matriks moving average dan ATR adalah sistem perdagangan kuantitatif canggih yang dirancang untuk kondisi pasar yang berubah dengan cepat. Inti dari strategi ini adalah menggabungkan berbagai jenis filter moving average dan ATR (rata-rata real amplitude) untuk membentuk matriks perdagangan yang sangat fleksibel dan beradaptasi. Dengan menangkap tren dan volatilitas pasar dengan tepat, strategi ini dapat mengidentifikasi tempat masuk dan tempat keluar dengan probabilitas tinggi dalam lingkungan perdagangan frekuensi tinggi, sambil menerapkan langkah-langkah kontrol risiko yang ketat.
Prinsip Strategi
Prinsip-prinsip inti dari strategi ini didasarkan pada kerja sama beberapa komponen utama:
Matriks rata-rata bergerak tingkat tinggiStrategi ini mengimplementasikan hingga 11 jenis rata-rata bergerak yang berbeda, termasuk SMA, EMA, SMMA, HMA, TEMA, WMA, VWMA, ZLEMA, ALMA, KAMA, dan DEMA. Setiap rata-rata bergerak memiliki metode perhitungan dan karakteristik reaksi yang unik, yang dapat dipilih secara fleksibel sesuai dengan kondisi pasar. Sistem ini menggunakan dua rata-rata bergerak (cepat dan lambat) sebagai indikator tren utama, dan persimpangan dan posisi relatifnya digunakan untuk menghasilkan sinyal perdagangan dasar.
Manajemen risiko berbasis ATRStrategi: Menggunakan indikator ATR untuk mengukur volatilitas pasar dan menerapkannya dalam beberapa aspek:
- Penilaian volatilitas: Menggunakan rasio ATR terhadap harga penutupan sebagai kriteria penyaringan volatilitas
- Filter masuk: memastikan bahwa harga harus berada cukup jauh dari rata-rata bergerak lambat (dihitung dengan kelipatan ATR) untuk masuk
- Pengendalian risiko dinamis: Berdasarkan ATR, pengaturan stop loss tetap, target profit, dan stop loss pelacak, sehingga manajemen risiko sesuai dengan volatilitas pasar saat ini
Filter tren multi-frame waktuStrategi: Meningkatkan keandalan sinyal dengan menelusuri tren rata-rata bergerak pada jangka waktu yang lebih tinggi (<15 menit) dan memastikan arah perdagangan konsisten dengan tren pasar yang lebih besar.
Verifikasi jumlah transaksi dan jendela waktu: Transaksi hanya dilakukan setelah memenuhi persyaratan volume transaksi minimum, terjadi penembusan volume transaksi dan dalam jendela waktu transaksi yang telah ditentukan, yang meningkatkan kualitas transaksi lebih lanjut.
Logika Generasi Sinyal：
- Kondisi multihead: harga lebih tinggi dari rata-rata bergerak cepat dan lambat, rata-rata bergerak cepat lebih tinggi dari rata-rata bergerak lambat, sambil memenuhi filter ATR, kondisi volume transaksi dan persyaratan jendela waktu
- Kondisi kosong: Kondisi yang setara dengan kondisi sebaliknya
Logika Keluar KomprehensifStrategi ini menggunakan mekanisme keluar tiga tingkat: stop loss tetap (multiplier ATR), target profit (multiplier ATR), dan tracking stop loss (adaptasi dinamis berdasarkan ATR), memberikan perlindungan risiko yang komprehensif untuk setiap perdagangan.
Keunggulan Strategis
Analisis kode strategi ini dapat disimpulkan sebagai keuntungan yang signifikan:
Adaptasi yang luar biasaStrategi dapat beradaptasi dengan kondisi pasar yang berbeda melalui beberapa jenis rata-rata bergerak yang dapat ditukar (dari HMA ke KAMA, dll.). Fleksibilitas ini memungkinkan pedagang untuk memilih indikator terbaik berdasarkan kondisi pasar saat ini tanpa harus menulis ulang seluruh strategi.
Manajemen risiko dinamisMetode ini memberikan perlindungan yang lebih baik di pasar yang lebih berfluktuasi, sementara memungkinkan untuk menangkap lebih banyak keuntungan di pasar yang sedang tren.
Filter sinyal multi-lapisanStrategi ini secara efektif mengurangi kesalahan sinyal dan meningkatkan kualitas perdagangan dengan menggabungkan crossover moving average, analisis volume transaksi, volatility thresholds, dan pemfilteran tren multi-frame. Fungsi pemfilteran tren pada frame waktu 15 menit, khususnya, secara signifikan mengurangi kemungkinan perdagangan berlawanan arah.
Persyaratan masuk yang tepatStrategi ini tidak hanya bergantung pada crossover indikator teknis, tetapi juga memerlukan jarak ATR yang cukup antara harga dan rata-rata bergerak lambat, yang membantu menghindari perdagangan yang sering terjadi di pasar horizontal dan mengurangi kerugian akibat terobosan palsu.
Pemantauan kinerja yang transparanTabel internal memberikan tampilan real-time dari indikator kinerja utama, termasuk keuntungan / kerugian saat ini, ekuitas, ATR (nilai awal dan persentase) dan selisih antara rata-rata bergerak, memungkinkan pedagang untuk menilai status strategi kapan saja.
Risiko Strategis
Meskipun strategi ini dirancang dengan baik, ada beberapa risiko potensial:
Parameter Trap OptimisasiStrategi mengandung sejumlah besar parameter (misalnya jenis dan siklus rata-rata bergerak, siklus ATR dan perkalian, dll.), Overstimasi dapat menyebabkan fit-the-curve yang membuat strategi tidak berkinerja baik dalam perdagangan langsung. Solusinya adalah melakukan pengujian lintas-pasar dan lintas-periode yang solid untuk menghindari penyesuaian parameter yang berlebihan.
Risiko terbalik dengan cepatMeskipun menggunakan stop loss dinamis ATR, pada saat pasar tiba-tiba berbalik (seperti setelah siaran pers besar), harga dapat melonjak sebelum stop loss dipicu, menyebabkan kerugian melebihi ekspektasi. Disarankan untuk menerapkan kontrol risiko malam hari tambahan atau menghentikan perdagangan sebelum peristiwa yang sangat berfluktuasi.
Penundaan sinyalSemua rata-rata bergerak pada dasarnya tertunda. Bahkan varian latensi rendah seperti HMA atau ZLEMA mungkin kehilangan titik masuk yang ideal di pasar yang cepat.
Ketergantungan volumeStrategi memberi sinyal ketika ada lonjakan lalu lintas, tetapi dalam pasar atau periode tertentu, lalu lintas dapat menyesatkan. Jika perlu, penyaring lalu lintas harus disesuaikan atau pertimbangkan untuk menonaktifkan fitur ini dalam kondisi pasar tertentu.
Pembatasan jendela waktu: Jendela waktu perdagangan yang ditentukan mungkin melewatkan peluang malam atau awal yang penting. Disarankan untuk menyesuaikan waktu perdagangan sesuai dengan waktu paling aktif di pasar tertentu.
Arah optimasi strategi
Setelah menganalisis kode, berikut adalah beberapa kemungkinan optimasi:
Penyesuaian parameter adaptasiStrategi saat ini menggunakan pengaturan parameter tetap. Optimasi tingkat tinggi adalah parameter yang dapat disesuaikan secara otomatis berdasarkan kondisi pasar (tren, fluktuasi, kisaran). Misalnya, ATR dapat secara otomatis ditingkatkan pada saat fluktuasi tinggi, atau beralih jenis rata-rata bergerak dalam lingkungan pasar yang berbeda.
Integrasi model pembelajaran mesin: Dengan memperkenalkan lapisan pembelajaran mesin untuk memprediksi jenis rata-rata bergerak yang mungkin akan berkinerja terbaik dalam kondisi pasar saat ini, sehingga secara otomatis memilih kombinasi rata-rata bergerak yang optimal. Hal ini dapat dilakukan dengan menganalisis kinerja relatif dari berbagai indikator dalam data historis.
Identifikasi tren perbaikanSelain filter tren 15 menit yang ada, algoritma pengenalan tren yang lebih kompleks, seperti indeks Hurst atau indikator gerakan arah (DMI), dapat dimasukkan untuk menentukan kekuatan dan keberlanjutan tren dengan lebih akurat.
Meningkatkan Strategi KeluarStrategi keluar saat ini dapat dioptimalkan lebih lanjut dengan menambahkan sinyal keluar berdasarkan struktur pasar, seperti garis tren yang pecah, titik dukungan / resistensi utama, atau perubahan tajam dalam volatilitas. Ini dapat membantu mengunci keuntungan sebelum akhir tren.
Ukuran posisi yang disesuaikan dengan risiko: Membuat penyesuaian skala posisi yang dinamis berdasarkan volatilitas saat ini dan dana akun, bukan menggunakan jumlah transaksi yang tetap. Misalnya, mengurangi posisi selama fluktuasi tinggi dan meningkatkan posisi secara moderat selama fluktuasi rendah untuk mengoptimalkan rasio risiko-pengembalian.
Penyaringan pasar terkaitUntuk meningkatkan kualitas sinyal dengan memantau pasar yang relevan (seperti VIX dalam perdagangan indeks saham) atau keterkaitan lintas aset. Ketika pasar yang relevan menunjukkan pergerakan arah yang konsisten, dapat meningkatkan kredibilitas perdagangan.
Meringkaskan
Multi-dimensi adaptif moving average matrix dengan ATR strategi perdagangan yang dinamis dan akurat mewakili metode perdagangan kuantitatif yang komprehensif dan canggih. Dengan menggabungkan keunggulan dari berbagai jenis moving average dengan kontrol risiko dasar ATR yang ketat, strategi ini dapat beradaptasi dengan kondisi pasar yang berbeda sambil mempertahankan manajemen risiko yang baik.
Nilai sebenarnya dari strategi ini adalah fleksibilitas dan adaptabilitasnya, yang memungkinkan pedagang untuk menyesuaikan dengan pasar tertentu dan preferensi risiko pribadi. Ada potensi untuk meningkatkan kinerja strategi lebih lanjut melalui arah optimasi yang disarankan, khususnya dengan penyesuaian parameter yang disesuaikan dan integrasi pembelajaran mesin.
Strategi ini memberikan kerangka kerja yang kuat bagi para pedagang yang mencari sistem yang kuat dan disiplin untuk digunakan dalam lingkungan perdagangan frekuensi tinggi, yang menggabungkan keakuratan teknis dan pengendalian risiko. Yang penting, pedagang harus memverifikasi kinerja strategi ini di pasar target mereka melalui pengembalian yang menyeluruh dan simulasi perdagangan, dan melakukan penyesuaian yang diperlukan sesuai dengan lingkungan perdagangan spesifik.
/*backtest
start: 2024-04-16 00:00:00
end: 2025-04-15 00:00:00
period: 1h
basePeriod: 1h
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/
//@version=6
strategy("Dskyz (DAFE) MAtrix with ATR-Powered Precision",
overlay=true,
default_qty_type=strategy.fixed,
initial_capital=1000000,
commission_value=0,
slippage=1,
pyramiding=10)
// ==================================================================
// USER-DEFINED FUNCTIONS
// ==================================================================
// Hull Moving Average (HMA)
hma(src, len) =>
halfLen = math.round(len * 0.5)
sqrtLen = math.round(math.sqrt(len))
wmaf = ta.wma(src, halfLen)
wmaFull = ta.wma(src, len)
ta.wma(2 * wmaf - wmaFull, sqrtLen)
// Triple Exponential Moving Average (TEMA)
tema(src, len) =>
ema1 = ta.ema(src, len)
ema2 = ta.ema(ema1, len)
ema3 = ta.ema(ema2, len)
3 * (ema1 - ema2) + ema3
// Double Exponential Moving Average (DEMA)
dema(src, len) =>
ema1 = ta.ema(src, len)
ema2 = ta.ema(ema1, len)
2 * ema1 - ema2
// VWMA - Volume Weighted Moving Average
vwma(src, len) =>
ta.vwma(src, len)
// ZLEMA - Zero Lag EMA
zlema(src, len) =>
lag = math.floor((len - 1) / 2)
ta.ema(2 * src - src[lag], len)
// ALMA - Arnaud Legoux Moving Average
alma(src, len, offset=0.85, sigma=6) =>
ta.alma(src, len, offset, sigma)
// Custom Kaufman Adaptive Moving Average (KAMA)
kama(src, len) =>
fastSC = 2.0 / (2 + 1)
slowSC = 2.0 / (30 + 1)
change = math.abs(src - src[len])
volatility = 0.0
for i = 0 to len - 1
volatility += math.abs(src - src[i])
er = volatility != 0 ? change / volatility : 0.0
sc = math.pow(er * (fastSC - slowSC) + slowSC, 2)
var float kama_val = na
kama_val := na(kama_val) ? ta.sma(src, len) : kama_val + sc * (src - kama_val)
kama_val
// ==================================================================
// INPUTS
// ==================================================================
fastLength = input.int(9, "[MA] Fast MA Length", minval=1)
slowLength = input.int(19, "[MA] Slow MA Length", minval=1)
fastMAType = input.string("SMA", "Fast MA Type", options=["SMA", "EMA", "SMMA", "HMA", "TEMA", "WMA", "VWMA", "ZLEMA", "ALMA", "KAMA", "DEMA"])
slowMAType = input.string("SMA", "Slow MA Type", options=["SMA", "EMA", "SMMA", "HMA", "TEMA", "WMA", "VWMA", "ZLEMA", "ALMA", "KAMA", "DEMA"])
atrPeriod = input.int(14, "ATR Period", minval=1)
atrMultiplier = input.float(1.5, "ATR Multiplier for Filter", minval=0.1, step=0.1)
useTrendFilter = input.bool(true, "[Filter Settings] Use 15m Trend Filter")
minVolume = input.int(10, "Minimum Volume", minval=1)
volatilityThreshold = input.float(1.0, "Volatility Threshold (%)", minval=0.1, step=0.1) / 100
tradingStartHour = input.int(9, "Trading Start Hour (24h)", minval=0, maxval=23)
tradingEndHour = input.int(16, "Trading End Hour (24h)", minval=0, maxval=23)
trailOffset = input.float(0.5, "[Exit Settings] Trailing Stop Offset ATR Multiplier", minval=0.01, step=0.01)
profitTargetATRMult = input.float(1.2, "Profit Target ATR Multiplier", minval=0.1, step=0.1)
fixedStopMultiplier = input.float(1.3, "Fixed Stop Multiplier", minval=0.5, step=0.1)
fixedQuantity = input.int(2, "Trade Quantity", minval=1)
resetDashboard = input.bool(false, "Reset Dashboard Stats")
// ==================================================================
// CALCULATIONS
// ==================================================================
volumeOk = volume >= minVolume
currentHour = hour(time)
timeWindow = currentHour >= tradingStartHour and currentHour <= tradingEndHour
volumeSpike = volume > 1.2 * ta.sma(volume, 10)
// ATR Calculation
atr = ta.atr(atrPeriod)
volatility = nz(atr / close, 0)
volatilityOk = volatility <= volatilityThreshold
// ==================================================================
// MOVING AVERAGES CALCULATIONS
// ==================================================================
var float fastMA = na
var float slowMA = na
// Fast MA Logic
if fastMAType == "SMA"
fastMA := ta.sma(close, fastLength)
else if fastMAType == "EMA"
fastMA := ta.ema(close, fastLength)
else if fastMAType == "SMMA"
fastMA := ta.rma(close, fastLength)
else if fastMAType == "HMA"
fastMA := hma(close, fastLength)
else if fastMAType == "TEMA"
fastMA := tema(close, fastLength)
else if fastMAType == "WMA"
fastMA := ta.wma(close, fastLength)
else if fastMAType == "VWMA"
fastMA := vwma(close, fastLength)
else if fastMAType == "ZLEMA"
fastMA := zlema(close, fastLength)
else if fastMAType == "ALMA"
fastMA := alma(close, fastLength)
else if fastMAType == "KAMA"
fastMA := kama(close, fastLength)
else if fastMAType == "DEMA"
fastMA := dema(close, fastLength)
// Slow MA Logic
if slowMAType == "SMA"
slowMA := ta.sma(close, slowLength)
else if slowMAType == "EMA"
slowMA := ta.ema(close, slowLength)
else if slowMAType == "SMMA"
slowMA := ta.rma(close, slowLength)
else if slowMAType == "HMA"
slowMA := hma(close, slowLength)
else if slowMAType == "TEMA"
slowMA := tema(close, slowLength)
else if slowMAType == "WMA"
slowMA := ta.wma(close, slowLength)
else if slowMAType == "VWMA"
slowMA := vwma(close, slowLength)
else if slowMAType == "ZLEMA"
slowMA := zlema(close, slowLength)
else if slowMAType == "ALMA"
slowMA := alma(close, slowLength)
else if slowMAType == "KAMA"
slowMA := kama(close, slowLength)
else if slowMAType == "DEMA"
slowMA := dema(close, slowLength)
// ==================================================================
// TREND FILTER & SIGNAL LOGIC
// ==================================================================
// Retrieve 15-minute MAs for trend filtering
[fastMA15m, slowMA15m] = request.security(syminfo.tickerid, "15", [ta.sma(close, fastLength), ta.sma(close, slowLength)])
trend15m = fastMA15m > slowMA15m ? 1 : fastMA15m < slowMA15m ? -1 : 0
trendLongOk = not useTrendFilter or trend15m >= 0
trendShortOk= not useTrendFilter or trend15m <= 0
// ATR-based Price Filter
atrFilterLong = close > slowMA + atr * atrMultiplier
atrFilterShort = close < slowMA - atr * atrMultiplier
// Signal Logic: MA alignment + filters
maAbove = close > fastMA and fastMA > slowMA
maBelow = close < fastMA and fastMA < slowMA
longCondition = maAbove and trendLongOk and atrFilterLong and volumeOk and volumeSpike and timeWindow and volatilityOk
shortCondition= maBelow and trendShortOk and atrFilterShort and volumeOk and volumeSpike and timeWindow and volatilityOk
// ==================================================================
// ENTRY LOGIC
// ==================================================================
if strategy.position_size == 0 and longCondition
strategy.entry("Long", strategy.long, qty=fixedQuantity)
if strategy.position_size == 0 and shortCondition
strategy.entry("Short", strategy.short, qty=fixedQuantity)
// ==================================================================
// EXIT LOGIC
// ==================================================================
if strategy.position_size > 0
strategy.exit("Long Exit", "Long",
stop = strategy.position_avg_price - atr * fixedStopMultiplier,
limit = strategy.position_avg_price + atr * profitTargetATRMult,
trail_offset = atr * trailOffset,
trail_points = atr * trailOffset)
if strategy.position_size < 0
strategy.exit("Short Exit", "Short",
stop = strategy.position_avg_price + atr * fixedStopMultiplier,
limit = strategy.position_avg_price - atr * profitTargetATRMult,
trail_offset = atr * trailOffset,
trail_points = atr * trailOffset)
// ==================================================================
// VISUALS: PLOT MAs
// ==================================================================
plot(fastMA, color=color.blue, linewidth=2, title="Fast MA")
plot(slowMA, color=color.red, linewidth=2, title="Slow MA")
// ==================================================================
// METRICS CALCULATIONS (for Dashboard)
// ==================================================================
// Additional metrics:
atrPct = close != 0 ? (atr / close) * 100 : na // ATR as percentage of Close
maGapPct = (slowMA != 0) ? (math.abs(fastMA - slowMA) / slowMA) * 100 : na // % difference between MAs
// Open PnL Calculation
currentPnL = strategy.position_size != 0 ? (close - strategy.position_avg_price) * strategy.position_size : 0
// Persistent variable for highest equity (for drawdown calculation)
var float highestEquity = strategy.equity
highestEquity := math.max(highestEquity, strategy.equity)
totalDrawdown = strategy.equity - highestEquity
// Reset dashboard metrics if reset toggle is on.
if resetDashboard
highestEquity := strategy.equity
// ==================================================================
// DASHBOARD: WATERMARK LOGO (Bottom-Right)
// ==================================================================
var table watermarkTable = table.new(position.bottom_right, 1, 1, bgcolor=color.rgb(0, 0, 0, 80), border_color=color.rgb(0, 50, 137), border_width=1)
if barstate.islast
table.cell(watermarkTable, 0, 0, "⚡ Dskyz - DAFE Trading Systems", text_color=color.rgb(159, 127, 255, 80), text_size=size.large)
// ==================================================================
// DASHBOARD: METRICS TABLE (Bottom-Left)
// ==================================================================
var table dashboard = table.new(position.middle_right, 2, 12, bgcolor=color.new(#000000, 29), border_color=color.rgb(80, 80, 80), border_width=1)
if barstate.islast
// Row 0 – Dashboard Title (duplicated in both columns to simulate spanning)
table.cell(dashboard, 0, 0, "⚡(DAFE) Trading Systems", text_color=color.rgb(135, 135, 135), text_size=size.small)
// Row 1 – Position
table.cell(dashboard, 0, 1, "Position", text_color=color.gray)
positionText = strategy.position_size > 0 ? "Long" : strategy.position_size < 0 ? "Short" : "Flat"
table.cell(dashboard, 1, 1, positionText, text_color=strategy.position_size > 0 ? color.green : strategy.position_size < 0 ? color.red : color.blue)
// Row 2 – Current PnL
table.cell(dashboard, 0, 2, "Current P/L", text_color=color.gray)
table.cell(dashboard, 1, 2, str.tostring(currentPnL, "#.##"), text_color=(currentPnL > 0 ? color.green : currentPnL < 0 ? color.red : color.gray))
// Row 3 – Equity
table.cell(dashboard, 0, 3, "Equity", text_color=color.gray)
table.cell(dashboard, 1, 3, str.tostring(strategy.equity, "#.##"), text_color=color.white)
// Row 4 – Closed Trades
table.cell(dashboard, 0, 4, "Closed Trades", text_color=color.gray)
table.cell(dashboard, 1, 4, str.tostring(strategy.closedtrades), text_color=color.white)
// Row 5 – Title Step
table.cell(dashboard, 0, 5, "Metrics", text_color=color.rgb(76, 122, 23))
// Row 6 – Fast MA
table.cell(dashboard, 0, 6, "Fast MA", text_color=color.gray)
table.cell(dashboard, 1, 6, str.tostring(fastMA, "#.##"), text_color=color.white)
// Row 7 – Slow MA
table.cell(dashboard, 0, 7, "Slow MA", text_color=color.gray)
table.cell(dashboard, 1, 7, str.tostring(slowMA, "#.##"), text_color=color.white)
// Row 8 – ATR (Raw)
table.cell(dashboard, 0, 8, "ATR", text_color=color.gray)
table.cell(dashboard, 1, 8, str.tostring(atr, "#.##"), text_color=color.white)
// Row 9 – ATR (%)
table.cell(dashboard, 0, 9, "ATR (%)", text_color=color.gray)
table.cell(dashboard, 1, 9, str.tostring(atrPct, "#.##") + "%", text_color=color.white)
// Row 10 – MA Gap (%)
table.cell(dashboard, 0, 10, "MA Gap (%)", text_color=color.gray)
table.cell(dashboard, 1, 10, na(maGapPct) ? "N/A" : str.tostring(maGapPct, "#.##") + "%", text_color=color.white)
// Row 11 – Volatility (%)
table.cell(dashboard, 0, 11, "Volatility (%)", text_color=color.gray)
table.cell(dashboard, 1, 11, str.tostring(volatility * 100, "#.##") + "%", text_color=color.white)