
Strategi ini adalah sistem perdagangan berbasis 1 jam, yang menggabungkan pengakuan tren pada frame waktu yang lebih tinggi, identifikasi jebakan likuiditas, penyesuaian indikator MACD, dan mekanisme manajemen risiko berbasis ATR. Strategi ini mengkonfirmasi tren pasar secara keseluruhan melalui analisis multi-frame, sambil memanfaatkan struktur harga dan area likuiditas untuk mencari titik masuk dengan probabilitas tinggi.
Prinsip inti dari strategi ini adalah untuk memastikan bahwa arah perdagangan konsisten dengan tren utama melalui analisis multi-frame waktu.
Konfirmasi tren kerangka waktu tinggiStrategi: Menggunakan EMA200 dan MACD indikator pada frame waktu 4 jam untuk menentukan tren pasar secara keseluruhan. Pertimbangkan untuk melakukan lebih banyak hanya jika harga berada di atas EMA200 4 jam dan garis MACD di atas garis sinyal; dan sebaliknya.
Konfirmasi Kekuatan Lokal: Menggunakan indikator MACD 1 jam untuk mengkonfirmasi arah momentum dari kerangka waktu saat ini, memastikan konsistensi dengan tren kerangka waktu yang lebih tinggi.
Mekanisme penangkapan likuiditasStrategi: Identifikasi dua titik masuk yang berpotensi tinggi:
Manajemen risiko berbasis ATR:
Filter waktu: Strategi hanya menghasilkan sinyal dalam waktu transaksi yang ditentukan pengguna, menghindari sinyal palsu pada waktu yang tidak aktif.
Setelah menganalisis kode strategi ini secara mendalam, kita dapat menyimpulkan keuntungan yang signifikan sebagai berikut:
Tren dan resonansi momentum: Dengan mengkonfirmasi tren dan indikator momentum pada beberapa kerangka waktu, meningkatkan keandalan sinyal perdagangan secara signifikan. Ketika arah indikator 4 jam dan 1 jam sesuai, probabilitas keberhasilan sinyal perdagangan meningkat secara signifikan.
Identifikasi Mobilitas CerdasStrategi dapat mengidentifikasi jebakan likuiditas di pasar dan perubahan struktur harga, yang biasanya merupakan tanda-tanda aktivitas dana institusional. Misalnya, strategi dapat menangkap peluang untuk berbalik ketika harga turun ke titik terendah sebelumnya yang menarik pesanan jual dan kemudian berbalik dengan cepat.
Adaptasi Manajemen RisikoPenggunaan ATR untuk mengatur stop loss dan stop loss, memungkinkan manajemen risiko untuk secara otomatis menyesuaikan dengan volatilitas pasar, secara otomatis memperluas jangkauan stop loss ketika volatilitas meningkat, dan memperketat stop loss ketika volatilitas menurun.
Filter waktuDengan hanya berdagang pada periode waktu tertentu, strategi ini menghindari gangguan pada saat-saat ketika pasar berfluktuasi rendah atau tidak teratur, dan berfokus pada perdagangan pada saat-saat ketika pasar paling aktif.
Tingkat pengembalian risiko tetapPengembalian risiko yang diantisipasi lebih besar daripada pengembalian potensial dari setiap transaksi yang dijamin setidaknya dua kali lipat dari risiko, dan pertumbuhan positif dari kurva modal yang menguntungkan dalam jangka panjang.
Meskipun strategi ini dirancang dengan baik, ada beberapa risiko yang perlu diperhatikan:
Risiko Penembusan Palsu: Pasar dapat mengalami false breakout atau false reversal, yang menyebabkan strategi memasuki perdagangan yang salah. Solusi adalah mempertimbangkan untuk menambahkan filter konfirmasi, seperti konfirmasi volume perdagangan atau pengembalian harga.
Terlalu bergantung pada MACDStrategi: MACD digunakan pada beberapa frame waktu, tetapi MACD digunakan sebagai indikator yang tertinggal, yang dapat menghasilkan sinyal yang terlambat di pasar yang sangat berfluktuasi. Anda dapat mempertimbangkan untuk menggabungkan indikator momentum yang lebih sensitif seperti RSI atau indikator acak.
Keterbatasan RR yang tetapMeskipun rasio risiko-pengembalian 2:1 adalah titik awal yang masuk akal, namun mungkin tidak selalu optimal dalam kondisi pasar yang berbeda. Dalam pasar tren yang kuat, mungkin kehilangan keuntungan yang lebih besar; Dalam pasar interval, mungkin sulit untuk mencapai tujuan.
Potensi masalah dengan filter waktu: Waktu perdagangan tetap mungkin melewatkan peluang penting dalam waktu non-perdagangan, atau waktu perdagangan terbaik mungkin berubah berdasarkan musim dan kondisi pasar.
Kurangnya analisis volume transaksiStrategi saat ini tidak mempertimbangkan faktor volume transaksi, yang sering kali merupakan indikator penting untuk mengkonfirmasi terobosan dan pembalikan harga.
Berdasarkan analisis mendalam dari kode, berikut adalah beberapa kemungkinan optimasi:
Rasio risiko-pengembalian dinamis: Bisa menyesuaikan RR secara otomatis sesuai dengan kondisi pasar yang bergejolak atau intensitas tren. Misalnya, menggunakan RR yang lebih tinggi di pasar tren yang kuat (misalnya 3: 1 atau 4: 1) dan menggunakan rasio yang lebih konservatif di pasar interval (misalnya: 1.5: 1).
Meningkatkan filter volume transaksiTermasuk dalam persyaratan masuk adalah konfirmasi volume transaksi, yang hanya dapat dilakukan jika terjadi penembusan atau penangkapan likuiditas yang disertai dengan peningkatan volume transaksi yang signifikan.
Menambahkan penilaian intensitas trenIntroduksi indikator kekuatan tren seperti ADX, lebih aktif dalam situasi tren yang kuat dan lebih konservatif dalam situasi tren yang lemah.
Filter waktu dinamis: Menggunakan analisis data historis untuk secara otomatis menyesuaikan waktu perdagangan terbaik untuk fase pasar atau musim yang berbeda, bukan menggunakan rentang waktu yang tetap.
Mekanisme penghentian sebagianImplementasi strategi stop-loss bertahap, seperti memindahkan stop loss ke level biaya saat risiko return 1:1 tercapai, dan membiarkan sebagian posisi terus berjalan untuk menangkap situasi yang lebih besar.
Adaptasi kondisi pasar: Menambahkan mekanisme untuk mengidentifikasi situasi pasar, secara otomatis menyesuaikan parameter strategi atau menghentikan perdagangan dalam kondisi pasar yang berfluktuasi tinggi atau dalam pola pasar tertentu.
Strategi perdagangan beresonansi dinamis multi-frame waktu dengan deteksi likuiditas dan sistem manajemen risiko ATR adalah strategi perdagangan kuantitatif yang dirancang secara rasional, yang memastikan arah perdagangan sesuai dengan tren utama melalui analisis multi-frame waktu, memanfaatkan penangkapan likuiditas dan struktur harga untuk menemukan titik masuk probabilitas tinggi, dan menggunakan sistem manajemen risiko adaptif berbasis ATR.
Keunggulan inti dari strategi ini adalah pengesahan multi-lapisan tren dan momentum, mekanisme identifikasi likuiditas yang cerdas, dan sistem manajemen risiko yang beradaptasi. Namun, seperti strategi perdagangan apa pun, strategi ini juga menghadapi risiko seperti false breakout, keterlambatan indikator, dan keterbatasan parameter tetap.
Strategi ini memiliki potensi untuk meningkatkan kinerja dan fleksibilitasnya lebih lanjut dengan memperkenalkan langkah-langkah optimasi seperti rasio pengembalian risiko dinamis, penyaringan volume perdagangan, penilaian kekuatan tren, dan mekanisme penutupan parsial. Ini adalah sistem perdagangan kuantitatif yang layak dipertimbangkan bagi pedagang yang mencari untuk menangkap peluang perdagangan probabilitas tinggi di pasar yang bergejolak sambil tetap mempertahankan kontrol risiko yang wajar.
/*backtest
start: 2024-07-21 00:00:00
end: 2025-07-19 08:00:00
period: 2h
basePeriod: 2h
exchanges: [{"eid":"Futures_Binance","currency":"ETH_USDT","balance":2000000}]
*/
// MNQ 1H Trading Bot with Liquidity Grab, MACD, EMA200 and ATR R:R Filter (Version 6)
//@version=5
strategy("MNQ 1H Liquidity + MTF Bot", overlay=true, default_qty_type=strategy.percent_of_equity, default_qty_value=10)
// === INPUTS ===
slATRMult = input.float(1.0, "ATR Multiplier for Stop Loss", minval=0.1)
riskReward = input.float(2.0, "Risk-Reward Ratio", minval=1.0)
timeFilterStart = input.int(0, "Start Hour (UTC)", minval=0, maxval=23)
timeFilterEnd = input.int(23, "End Hour (UTC)", minval=0, maxval=23)
// === HIGHER TIMEFRAME FILTERS (4H) ===
htf = "240"
htfPrice = request.security(syminfo.tickerid, htf, close)
htfEMA200 = request.security(syminfo.tickerid, htf, ta.ema(close, 200))
[macdHTF, signalHTF, _] = request.security(syminfo.tickerid, htf, ta.macd(close, 12, 26, 9))
longHTF = htfPrice > htfEMA200 and macdHTF > signalHTF
shortHTF = htfPrice < htfEMA200 and macdHTF < signalHTF
// === MAIN TIMEFRAME (1H) ===
[macdLine, signalLine, hist] = ta.macd(close, 12, 26, 9)
bullBreakout = close > ta.highest(close[1], 5)
bearRejection = close < ta.lowest(close[1], 5)
// === LIQUIDITY GRAB FILTER ===
liqHigh = high[1] > ta.highest(high[2], 10) and close < high[1]
liqLow = low[1] < ta.lowest(low[2], 10) and close > low[1]
// === TIME FILTER ===
withinTime = (hour >= timeFilterStart and hour <= timeFilterEnd)
// === ENTRY CONDITIONS ===
longCond = withinTime and longHTF and macdLine > signalLine and (bullBreakout or liqLow)
shortCond = withinTime and shortHTF and macdLine < signalLine and (bearRejection or liqHigh)
// === ATR-BASED RISK ===
atr = ta.atr(14)
longSL = close - atr * slATRMult
longTP = close + atr * slATRMult * riskReward
shortSL = close + atr * slATRMult
shortTP = close - atr * slATRMult * riskReward
// === EXECUTION ===
if (longCond and strategy.position_size <= 0)
strategy.entry("Long", strategy.long)
strategy.exit("Long TP/SL", from_entry="Long", stop=longSL, limit=longTP)
if (shortCond and strategy.position_size >= 0)
strategy.entry("Short", strategy.short)
strategy.exit("Short TP/SL", from_entry="Short", stop=shortSL, limit=shortTP)
// === VISUAL ===
plot(ta.ema(close, 200), color=color.orange, title="EMA 200")