ianzeng123
Mengapa indikator teknologi tradisional gagal dalam pasar yang kompleks?
Dalam bidang perdagangan kuantitatif, kita sering menghadapi masalah utama: indikator teknis tunggal mudah menghasilkan sinyal palsu dalam kebisingan pasar, yang menyebabkan stop loss dan penarikan dana yang sering terjadi. Jadi, bagaimana membangun sistem perdagangan yang dapat menangkap tren dan memfilter kebisingan secara efektif?
Strategi penyaringan ganda saluran Gaussian yang dianalisis hari ini, dengan kombinasi yang cerdik dari empat dimensi teknis yang berbeda, memberikan kita solusi yang layak untuk diteliti lebih dalam.
Arsitektur teknologi inti: bagaimana empat mekanisme penyaringan bekerja bersama?
1. Gaussian Channel - Pusat Identifikasi Tren
Dasar dari strategi ini adalah filter Gaussian 4 tingkat dengan jendela sampling 144 siklus. Berbeda dengan rata-rata bergerak tradisional, filter Gaussian menghilangkan sebagian besar kebisingan pasar melalui pemodelan matematis, sementara tetap sensitif terhadap perubahan harga.
Pengaturan parameter utama:
- Jumlah titik Gaussian: 4 (mengimbangi keterbelakangan dan kelancaran)
- Periode Sampling: 144 (menangkap tren jangka menengah)
- Multiplikator gelombang filter: 1.414 (multiplikator standar yang mengontrol lebar saluran)
2. Jalur Kijun-Sen ((130 siklus) - Konfirmasi tren jangka panjang
Di sini kita menggunakan garis Kijun-Sen dengan 130 siklus sebagai filter tren, bukan 26 siklus tradisional.
Pengaturan siklus yang lebih panjang memungkinkan:
- Mengurangi sinyal penembusan palsu
- Memastikan arah perdagangan sesuai dengan tren utama
- Meningkatkan kualitas sinyal dan mengurangi frekuensi transaksi
3. Indeks VAPI - Analisis harga volume transaksi
VAPI ((Volume Adjusted Price Indicator) dengan menganalisis hubungan volume transaksi dengan perubahan harga, untuk menilai niat sebenarnya dari peserta pasar. Ketika VAPI > 0 mendukung melakukan lebih banyak, ketika < 0 mendukung melakukan lebih sedikit.
4. ATR Dynamic Stop Loss - mekanisme pengendalian risiko
Menggunakan 4,5 kali dari 11 siklus ATR sebagai jarak stop loss, pengaturan ini memperhitungkan volatilitas pasar dan menghindari stop loss yang terlalu ketat yang dipicu oleh kebisingan pasar.
Inovasi Manajemen Dana: Kebijaksanaan Strategi Pembagian 75⁄25
Salah satu hal yang paling menarik dari strategi ini adalah cara yang unik untuk mengelola dana:
Logika pembagian:
- Posisi 75%: Fixed 3.5x Risk-Return dari Stop-Loss
- Posisi 25%: Tracking Stop Loss Dinamis
Mengapa dirancang seperti itu?
- Menjamin pendapatan dasar“Pembatasan tetap pada posisi 75% menjamin bahwa sebagian besar dana akan mendapatkan pengembalian yang stabil”.
- Menangkap KelebihanTracking stop loss pada posisi 25 persen dapat menghasilkan keuntungan lebih besar jika tren berlanjut
- Dispersi risikoPerbedaan mekanisme penarikan diri mengurangi risiko kegagalan strategi tunggal
Sistem pengendalian risiko: mekanisme perlindungan bertingkat
1. Pengendalian risiko masuk
- Risiko setiap transaksi dibatasi pada 3% dari dana akun
- Perhitungan posisi dinamis berdasarkan ATR
2. Manajemen risiko
- Stop loss utama: 4,5 kali ATR
- Tracking Stop Loss: Dynamic Adjustment, Locking Float
- Tanda tambahan: 10% perlindungan pendapatan tetap
3. Sistem penyaringan sinyal Empat indikator teknis yang dikonfirmasi secara bersamaan, secara signifikan mengurangi probabilitas sinyal palsu.
Analisis kekuatan dan keterbatasan strategi
Kekuatan inti:
- Kualitas sinyal tinggiMekanisme multi-filter secara signifikan meningkatkan keandalan sinyal perdagangan.
- Risiko yang Dapat Dikendalikan: Sistem manajemen stop loss dan posisi yang baik
- Sangat mudah beradaptasiATR beradaptasi secara dinamis terhadap berbagai kondisi pasar yang bergejolak
- Pengoptimalan pendapatanStrategi pembagian saham menyeimbangkan keuntungan stabil dengan keuntungan ekstra
Batas potensial:
- KecenderunganDi sisi lain, di Indonesia, pasar saham di bawah US$1 miliar mengalami penurunan.
- Parameter sensitifBeberapa parameter perlu dioptimalkan untuk varietas yang berbeda:
- Keterlambatan“Mengharukan” karena diselingi isak tangis (khususnya pada siswa kelas XII SMP Negeri 1 Banjarmasin)
Rekomendasi untuk penggunaan di medan perang
1. Pilihan varietas Pilih varietas yang lebih cenderung seperti pasangan mata uang utama, indeks saham, dan lain-lain.
2. Optimasi parameter Optimalisasi retrospektif berdasarkan data historis dari varietas yang diperdagangkan, dengan fokus pada:
- Siklus Sampling di Saluran Gauss
- Panjang siklus Kijun-Sen
- ATR stop loss multiplier
3. Beradaptasi dengan kondisi pasar Dalam pasar yang jelas bergoyang, Anda dapat mempertimbangkan untuk menunda strategi atau menyesuaikan pengaturan parameter.
Singkatnya: Berpikir Sistematis untuk Menghitung Transaksi
Nilai dari strategi ini tidak hanya terletak pada implementasi teknisnya, tetapi juga pada pemikiran sistematisnya:
- Verifikasi multi-dimensi: Memverifikasi sinyal perdagangan dari berbagai sudut pandang seperti tren, volume, dan volatilitas
- Prioritaskan Risiko“Sistem pengendalian risiko yang baik adalah dasar dari strategi kami”.
- Pengoptimalan pendapatanDi antara mereka adalah:
Strategi ini memberikan kerangka referensi yang bagus bagi para trader kuantitatif. Kuncinya bukan untuk memindahkan parameter, tetapi untuk memahami pemikiran desainnya, dan melakukan penyesuaian yang tepat sesuai dengan varietas perdagangan dan preferensi risiko mereka sendiri.
Ingatlah bahwa strategi terbaik bukanlah yang paling rumit, tetapi yang paling sesuai dengan gaya trading dan kondisi pasar Anda.
/*backtest
start: 2025-01-01 00:00:00
end: 2025-04-01 00:00:00
period: 1h
basePeriod: 1h
exchanges: [{"eid":"Futures_Binance","currency":"ETH_USDT","balance":500000}]
*/
// @version=6
strategy("Gaussian Channel Strategy – GC + Kijun (120) + VAPI Gate + ATR(4.5x) + 75/25 TP-TRAIL + Extra %TP",
overlay=true)
// =============================
// ======= INPUTS ==============
// =============================
N_poles = input.int(4, "Gaussian Poles", minval=1, maxval=9)
per = input.int(144, "Sampling Period", minval=2)
mult = input.float(1.414, "Filtered TR Multiplier", step=0.001)
src = input.source(hlc3, "Source")
modeLag = input.bool(false, "Reduced Lag Mode")
modeFast = input.bool(false, "Fast Response Mode")
kijunLen = input.int(130, "Kijun-Sen Period")
vapiLen = input.int(10, "VAPI Length")
vapiThresh= input.float(0.0, "VAPI Threshold (0 = zero line)")
atrLen = input.int(11, "ATR Length (RMA)")
slATRmul = input.float(4.5, "SL = ATR ×", step=0.1)
rr_fixed = input.float(3.5, "Fixed TP RR (Leg A)", step=0.1)
allocA = input.float(75, "Allocation %: Fixed TP Leg", minval=1, maxval=99)
riskPct = input.float(3.0, "Risk % of Equity per Trade", step=0.1, minval=0.1, maxval=10)
tpEnable = input.bool(true, "Enable Extra % Take Profit")
tpPctLong = input.float(10.0, "Extra Long TP % of Entry", step=0.1, minval=0)
tpPctShort = input.float(10.0, "Extra Short TP % of Entry", step=0.1, minval=0)
// =============================
// ===== CORE COMPONENTS =======
// =============================
atr = ta.rma(ta.tr(true), atrLen)
donchian_avg(len) => (ta.highest(high, len) + ta.lowest(low, len)) / 2.0
kijun = donchian_avg(kijunLen)
// --- VAPI_LB (LazyBear) ---
rs(x, len) => ta.cum(x) - nz(ta.cum(x)[len])
v_x = (2*close - high - low) / math.max(high - low, syminfo.mintick)
v_tva = rs(volume * v_x, vapiLen)
v_tv = rs(volume, vapiLen)
v_va = 100 * (v_tva / v_tv)
// =============================
// ===== Gaussian Channel ======
// =============================
f_filt9x(_a, _s, _i) =>
int _m2 = 0, int _m3 = 0, int _m4 = 0, int _m5 = 0, int _m6 = 0,
int _m7 = 0, int _m8 = 0, int _m9 = 0, float _f = 0.0, _x = (1 - _a)
_m2 := _i == 9 ? 36 : _i == 8 ? 28 : _i == 7 ? 21 : _i == 6 ? 15 : _i == 5 ? 10 : _i == 4 ? 6 : _i == 3 ? 3 : _i == 2 ? 1 : 0
_m3 := _i == 9 ? 84 : _i == 8 ? 56 : _i == 7 ? 35 : _i == 6 ? 20 : _i == 5 ? 10 : _i == 4 ? 4 : _i == 3 ? 1 : 0
_m4 := _i == 9 ? 126 : _i == 8 ? 70 : _i == 7 ? 35 : _i == 6 ? 15 : _i == 5 ? 5 : _i == 4 ? 1 : 0
_m5 := _i == 9 ? 126 : _i == 8 ? 56 : _i == 7 ? 21 : _i == 6 ? 6 : _i == 5 ? 1 : 0
_m6 := _i == 9 ? 84 : _i == 8 ? 28 : _i == 7 ? 7 : _i == 6 ? 1 : 0
_m7 := _i == 9 ? 36 : _i == 8 ? 8 : _i == 7 ? 1 : 0
_m8 := _i == 9 ? 9 : _i == 8 ? 1 : 0
_m9 := _i == 9 ? 1 : 0
_f := math.pow(_a, _i) * nz(_s) +
_i * _x * nz(_f[1]) - (_i >= 2 ?
_m2 * math.pow(_x, 2) * nz(_f[2]) : 0) + (_i >= 3 ?
_m3 * math.pow(_x, 3) * nz(_f[3]) : 0) - (_i >= 4 ?
_m4 * math.pow(_x, 4) * nz(_f[4]) : 0) + (_i >= 5 ?
_m5 * math.pow(_x, 5) * nz(_f[5]) : 0) - (_i >= 6 ?
_m6 * math.pow(_x, 6) * nz(_f[6]) : 0) + (_i >= 7 ?
_m7 * math.pow(_x, 7) * nz(_f[7]) : 0) - (_i >= 8 ?
_m8 * math.pow(_x, 8) * nz(_f[8]) : 0) + (_i == 9 ?
_m9 * math.pow(_x, 9) * nz(_f[9]) : 0)
f_pole(_a, _s, _i) =>
_f1 = f_filt9x(_a, _s, 1), _f2 = (_i >= 2 ? f_filt9x(_a, _s, 2) : 0), _f3 = (_i >= 3 ? f_filt9x(_a, _s, 3) : 0)
_f4 = (_i >= 4 ? f_filt9x(_a, _s, 4) : 0), _f5 = (_i >= 5 ? f_filt9x(_a, _s, 5) : 0), _f6 = (_i >= 6 ? f_filt9x(_a, _s, 6) : 0)
_f7 = (_i >= 7 ? f_filt9x(_a, _s, 7) : 0), _f8 = (_i >= 8 ? f_filt9x(_a, _s, 8) : 0), _f9 = (_i == 9 ? f_filt9x(_a, _s, 9) : 0)
_fn = _i == 1 ? _f1 : _i == 2 ? _f2 : _i == 3 ? _f3 : _i == 4 ? _f4 : _i == 5 ? _f5 : _i == 6 ? _f6 : _i == 7 ? _f7 : _i == 8 ? _f8 : _i == 9 ? _f9 : na
[_fn, _f1]
beta = (1 - math.cos(4*math.asin(1)/per)) / (math.pow(1.414, 2/N_poles) - 1)
alpha = - beta + math.sqrt(math.pow(beta, 2) + 2*beta)
lag = (per - 1) / (2.0 * N_poles)
srcdata = modeLag ? src + (src - nz(src[lag])) : src
tr_raw = ta.tr(true)
trdata = modeLag ? tr_raw + (tr_raw - nz(tr_raw[lag])) : tr_raw
[filt_n, filt_1] = f_pole(alpha, srcdata, N_poles)
[filt_n_tr, filt_1_tr] = f_pole(alpha, trdata, N_poles)
filt = modeFast ? (filt_n + filt_1)/2.0 : filt_n
filttr = modeFast ? (filt_n_tr + filt_1_tr)/2.0 : filt_n_tr
hband = filt + filttr * mult
lband = filt - filttr * mult
// =============================
// ===== Signals & Filters =====
// =============================
doLong = close > filt and close > kijun and v_va > vapiThresh
doShort = close < filt and close < kijun and v_va < -vapiThresh
// =============================
// ===== Position Sizing =======
// =============================
riskValue = strategy.equity * (riskPct/100.0)
slDist = atr * slATRmul
qtyTotal = slDist > 0 ? riskValue / slDist : 0.0
qtyA = qtyTotal * (allocA/100.0)
qtyB = qtyTotal * ((100 - allocA)/100.0)
// =============================
// ===== Order Execution =======
// =============================
var float trailStopL = na
var float trailStopS = na
inLong = strategy.position_size > 0
inShort = strategy.position_size < 0
entryPx = strategy.position_avg_price
// Entries
if doLong and not inLong and strategy.position_size <= 0
strategy.order("L-A", strategy.long, qty=qtyA)
strategy.order("L-B", strategy.long, qty=qtyB)
trailStopL := na
if doShort and not inShort and strategy.position_size >= 0
strategy.order("S-A", strategy.short, qty=qtyA)
strategy.order("S-B", strategy.short, qty=qtyB)
trailStopS := na
// LONG management
if inLong
slL = entryPx - slDist
tpA = entryPx + rr_fixed * slDist
// Leg A: 固定RR止盈 + 止损
strategy.exit("TP/SL-LA", from_entry="L-A", limit=tpA, stop=slL)
// Leg B: 追踪止损
trailStopL := na(trailStopL[1]) or strategy.position_size[1] <= 0 ? slL : math.max(trailStopL[1], close - slDist)
strategy.exit("Trail-LB", from_entry="L-B", stop=trailStopL)
// 额外百分比止盈
if tpEnable and high >= entryPx * (1 + tpPctLong/100.0)
strategy.close("L-A", comment="ExtraTP")
strategy.close("L-B", comment="ExtraTP")
// SHORT management
if inShort
slS = entryPx + slDist
tpA = entryPx - rr_fixed * slDist
// Leg A: 固定RR止盈 + 止损
strategy.exit("TP/SL-SA", from_entry="S-A", limit=tpA, stop=slS)
// Leg B: 追踪止损
trailStopS := na(trailStopS[1]) or strategy.position_size[1] >= 0 ? slS : math.min(trailStopS[1], close + slDist)
strategy.exit("Trail-SB", from_entry="S-B", stop=trailStopS)
// 额外百分比止盈
if tpEnable and low <= entryPx * (1 - tpPctShort/100.0)
strategy.close("S-A", comment="ExtraTP")
strategy.close("S-B", comment="ExtraTP")
// =============================
// ===== 图表绘制 ==============
// =============================
fcolor = filt > nz(filt[1]) ? color.new(color.lime, 0) : filt < nz(filt[1]) ? color.new(color.red, 0) : color.new(color.gray, 0)
plotFilter = plot(filt, title="GC Filter", color=fcolor, linewidth=2)
plotH = plot(hband, title="GC High Band", color=fcolor)
plotL = plot(lband, title="GC Low Band", color=fcolor)
fill(plotH, plotL, color=color.new(fcolor, 80))
plot(kijun, "Kijun-Sen", color=color.new(color.maroon, 0))
// 信号标记
plotshape(doLong, title="Long Setup", style=shape.triangleup, location=location.belowbar, color=color.new(color.lime, 0), size=size.tiny, text="ENTRY L")
plotshape(doShort, title="Short Setup", style=shape.triangledown, location=location.abovebar, color=color.new(color.fuchsia, 0), size=size.tiny, text="ENTRY S")