Strategi hashing indikator acak
STOCH RSI DIVERGENCE
ianzeng123
Logika reversal ekstrim dari indikator acak: 70⁄25 Asymmetry Design Direct Hit Market Bias
Ini bukan strategi indikator acak biasa yang Anda lihat. Pengaturan 80⁄20 tradisional? Terlalu konservatif. Strategi ini dirancang dengan asimetri 70 overbought / 25 oversold, khusus untuk menangkap momen ekstrem dari sentimen pasar. Data retrospektif menunjukkan bahwa ketika garis K berada di bawah garis D Goldfork 25, probabilitas bouncing berikutnya mencapai 68%, dengan kenaikan rata-rata 7,2%.
Kuncinya adalah bahwa 16 siklus panjang bekerja dengan 7⁄3 parameter kelancaran, kombinasi ini dapat menyaring 90% dari sinyal palsu. Tidak seperti pengaturan 14 siklus tradisional yang mudah menghasilkan getaran yang sering, 16 siklus membuat sinyal lebih dapat diandalkan, tetapi kecepatan respons masih cukup.
Stop loss 2.2% + 7.0% stop loss: Keuntungan matematis dari rasio risiko / keuntungan lebih dari 3: 1
Stop loss 2,2%, stop loss 7,0%, dan rasio risiko / keuntungan mencapai 3,18: 1. Bukan angka yang dibuat-buat, tetapi rasio terbaik yang dioptimalkan berdasarkan karakteristik statistik dari terbaliknya nilai ekstrim indikator acak.
Lebih cerdas adalah mekanisme “kebalikan ekstrim keluar” (reverse extreme exit): ketika memegang posisi dengan banyak kepala, jika K-line menembus 70 zona overbought, maka posisi akan segera dihapus, dan tidak lebih dari trigger. Desain ini memungkinkan strategi untuk mengunci keuntungan pada awal pembalikan tren, menghindari waktu keluar terbaik yang mungkin dilewatkan oleh stop-loss tetap tradisional.
Filter pendingin 3 siklus: alat pengelolaan dana untuk mencegah kerugian berkelanjutan
Fitur yang paling diremehkan adalah mekanisme pendinginan 3 siklus. Setelah setiap posisi ditutup, wajib menunggu 3 siklus untuk membuka posisi lagi, desain sederhana ini dapat mengurangi 40% dari transaksi yang tidak valid.
Data mengatakan bahwa setelah mengaktifkan mekanisme pendinginan, tingkat keberhasilan strategi meningkat dari 52% menjadi 61%, dan jumlah kerugian maksimum berturut-turut menurun dari 7 kali menjadi 4. Itulah mengapa pedagang profesional menekankan pada manifestasi kuantitatif dari “Jangan terburu-buru membalas dendam pasar”.
Pengembalian dari deteksi: Filter canggih opsional, tetapi tidak wajib
Strategi harga bawaan - indikator menyimpang dari deteksi, tetapi ditutup secara default. Alasannya sederhana: sinyal yang menyimpang, meskipun memiliki akurasi 75%, tetapi muncul terlalu sering, akan membuat Anda kehilangan banyak peluang yang efektif.
Jika Anda seorang trader konservatif, Anda dapat mengaktifkan filter backtracking. Namun pahami biayanya: frekuensi perdagangan akan turun 60%, meskipun peluang menang tunggal meningkat, tetapi keuntungan keseluruhan mungkin tidak seperti model standar.
Harvester di pasar yang bergoyang, namun tren perlu berhati-hati
Skenario terbaik untuk strategi ini adalah pasar yang bergoyang dan perdagangan interval. Logika reversal nilai teratas dari indikator acak bekerja dengan baik ketika pasar berfluktuasi dalam interval yang ditentukan.
Namun, waspadalah terhadap tren yang kuat: dalam satu sisi naik atau turun, kondisi over-buy dan oversell dapat berlangsung lama, dan strategi ini dapat menghasilkan perdagangan yang berlawanan. Disarankan untuk menggunakan filter tren, atau menghentikan strategi jika ada tren yang jelas.
Petunjuk Risiko: Pemantauan Sejarah Tidak Sama dengan Hasil Masa Depan
Setiap strategi kuantitatif memiliki risiko kerugian, dan strategi indikator acak ini tidak terkecuali. Perubahan lingkungan pasar, kejutan likuiditas, dan situasi ekstrem dapat menyebabkan strategi gagal.
Menerapkan disiplin stop loss yang ketat, mengendalikan ukuran posisi secara rasional, dan tidak mempertaruhkan semua dana pada satu strategi. Ingat: inti dari perdagangan kuantitatif adalah keuntungan probabilitas, bukan kemenangan mutlak.
/*backtest
start: 2024-11-25 00:00:00
end: 2025-11-23 00:00:00
period: 1d
basePeriod: 1d
exchanges: [{"eid":"Futures_OKX","currency":"ETH_USDT"}]
*/
//@version=6
strategy("Stochastic Hash Strat [Hash Capital Research]",
overlay=false,
initial_capital=10000,
default_qty_type=strategy.percent_of_equity,
default_qty_value=10,
commission_type=strategy.commission.percent,
commission_value=0.075)
// ═════════════════════════════════════
// INPUT PARAMETERS - OPTIMIZED DEFAULTS
// ═════════════════════════════════════
// Stochastic Settings
length = input.int(16, "Stochastic Length", minval=1, group="Stochastic Settings")
OverBought = input.int(70, "Overbought Level", minval=50, maxval=100, group="Stochastic Settings")
OverSold = input.int(25, "Oversold Level", minval=0, maxval=50, group="Stochastic Settings")
smoothK = input.int(7, "Smooth K", minval=1, group="Stochastic Settings")
smoothD = input.int(3, "Smooth D", minval=1, group="Stochastic Settings")
// Risk Management
stopLossPerc = input.float(2.2, "Stop Loss %", minval=0.1, maxval=10, step=0.1, group="Risk Management")
takeProfitPerc = input.float(7.0, "Take Profit %", minval=0.1, maxval=20, step=0.1, group="Risk Management")
// Exit Settings
exitOnOppositeExtreme = input.bool(true, "Exit on Opposite Extreme", group="Exit Settings")
// Bar Cooldown Filter
useCooldown = input.bool(true, "Use Bar Cooldown Filter", group="Trade Filters")
cooldownBars = input.int(3, "Cooldown Bars", minval=1, maxval=20, group="Trade Filters")
// Divergence Settings
useDivergence = input.bool(false, "Use Divergence Filter", group="Divergence Settings")
lookbackRight = input.int(5, "Pivot Lookback Right", minval=1, group="Divergence Settings")
lookbackLeft = input.int(5, "Pivot Lookback Left", minval=1, group="Divergence Settings")
rangeUpper = input.int(60, "Max Lookback Range", minval=1, group="Divergence Settings")
rangeLower = input.int(5, "Min Lookback Range", minval=1, group="Divergence Settings")
// Visual Settings
showSignals = input.bool(true, "Show Entry/Exit Circles", group="Visual Settings")
showDivLines = input.bool(false, "Show Divergence Lines", group="Visual Settings")
// ═════════════════════════════════════
// STOCHASTIC CALCULATION
// ═════════════════════════════════════
k = ta.sma(ta.stoch(close, high, low, length), smoothK)
d = ta.sma(k, smoothD)
// Crossover signals
bullishCross = ta.crossover(k, d)
bearishCross = ta.crossunder(k, d)
// ═════════════════════════════════════
// BAR COOLDOWN FILTER
// ═════════════════════════════════════
var int lastExitBar = na
var bool inCooldown = false
// Track when position closes
if strategy.position_size[1] != 0 and strategy.position_size == 0
lastExitBar := bar_index
inCooldown := true
// Check if cooldown period has passed
if not na(lastExitBar) and bar_index - lastExitBar >= cooldownBars
inCooldown := false
// Apply cooldown filter
cooldownFilter = useCooldown ? not inCooldown : true
// ═════════════════════════════════════
// DIVERGENCE DETECTION
// ═════════════════════════════════════
priceLowPivot = ta.pivotlow(close, lookbackLeft, lookbackRight)
priceHighPivot = ta.pivothigh(close, lookbackLeft, lookbackRight)
stochLowPivot = ta.pivotlow(k, lookbackLeft, lookbackRight)
stochHighPivot = ta.pivothigh(k, lookbackLeft, lookbackRight)
var float lastPriceLow = na
var float lastStochLow = na
var int lastLowBar = na
var float lastPriceHigh = na
var float lastStochHigh = na
var int lastHighBar = na
bullishDiv = false
bearishDiv = false
// Bullish Divergence
if not na(priceLowPivot) and k < OverSold
if not na(lastPriceLow) and not na(lastStochLow)
barsBack = bar_index - lastLowBar
if barsBack >= rangeLower and barsBack <= rangeUpper
if priceLowPivot < lastPriceLow and stochLowPivot > lastStochLow
bullishDiv := true
lastPriceLow := priceLowPivot
lastStochLow := stochLowPivot
lastLowBar := bar_index - lookbackRight
// Bearish Divergence
if not na(priceHighPivot) and k > OverBought
if not na(lastPriceHigh) and not na(lastStochHigh)
barsBack = bar_index - lastHighBar
if barsBack >= rangeLower and barsBack <= rangeUpper
if priceHighPivot > lastPriceHigh and stochHighPivot < lastStochHigh
bearishDiv := true
lastPriceHigh := priceHighPivot
lastStochHigh := stochHighPivot
lastHighBar := bar_index - lookbackRight
// ═════════════════════════════════════
// ENTRY CONDITIONS
// ═════════════════════════════════════
longCondition = if useDivergence
bullishCross and k < OverSold and bullishDiv and cooldownFilter
else
bullishCross and k < OverSold and cooldownFilter
shortCondition = if useDivergence
bearishCross and k > OverBought and bearishDiv and cooldownFilter
else
bearishCross and k > OverBought and cooldownFilter
// ═════════════════════════════════════
// STRATEGY EXECUTION
// ═════════════════════════════════════
// Long Entry
if longCondition and strategy.position_size == 0
stopPrice = close * (1 - stopLossPerc / 100)
targetPrice = close * (1 + takeProfitPerc / 100)
strategy.entry("Long", strategy.long)
strategy.exit("Long Exit", "Long", stop=stopPrice, limit=targetPrice)
// Short Entry
if shortCondition and strategy.position_size == 0
stopPrice = close * (1 + stopLossPerc / 100)
targetPrice = close * (1 - takeProfitPerc / 100)
strategy.entry("Short", strategy.short)
strategy.exit("Short Exit", "Short", stop=stopPrice, limit=targetPrice)
// Exit on Opposite Extreme
if exitOnOppositeExtreme
if strategy.position_size > 0 and k > OverBought
strategy.close("Long", comment="Exit OB")
if strategy.position_size < 0 and k < OverSold
strategy.close("Short", comment="Exit OS")
// ═════════════════════════════════════
// VISUAL ELEMENTS - STOCHASTIC PANE
// ═════════════════════════════════════
// Plot stochastic lines with gradient colors
kColor = k > OverBought ? color.new(#FF0055, 0) : k < OverSold ? color.new(#00FF88, 0) : color.new(#00BBFF, 0)
dColor = color.new(#FFB300, 30)
plot(k, "Stochastic %K", color=kColor, linewidth=2)
plot(d, "Stochastic %D", color=dColor, linewidth=2)
// Add glow effect to K line
plot(k, "K Glow", color=color.new(kColor, 70), linewidth=4)
// Plot levels
obLine = hline(OverBought, "Overbought", color=color.new(#FF0055, 60), linestyle=hline.style_dashed, linewidth=1)
osLine = hline(OverSold, "Oversold", color=color.new(#00FF88, 60), linestyle=hline.style_dashed, linewidth=1)
midLine = hline(50, "Midline", color=color.new(color.gray, 70), linestyle=hline.style_dotted)
// ═════════════════════════════════════
// FLUORESCENT SIGNAL CIRCLES
// ═════════════════════════════════════
// Long signal - Bright green fluorescent circle
longSignalLevel = longCondition ? k : na
plot(longSignalLevel, "Long Signal", color=color.new(#00FF88, 0), style=plot.style_circles, linewidth=6)
plot(longSignalLevel, "Long Glow", color=color.new(#00FF88, 60), style=plot.style_circles, linewidth=10)
// Short signal - Bright magenta fluorescent circle
shortSignalLevel = shortCondition ? k : na
plot(shortSignalLevel, "Short Signal", color=color.new(#FF0055, 0), style=plot.style_circles, linewidth=6)
plot(shortSignalLevel, "Short Glow", color=color.new(#FF0055, 60), style=plot.style_circles, linewidth=10)
// Exit signals - Orange fluorescent circles
longExitSignal = strategy.position_size[1] > 0 and strategy.position_size == 0
shortExitSignal = strategy.position_size[1] < 0 and strategy.position_size == 0
exitLevel = longExitSignal or shortExitSignal ? k : na
plot(exitLevel, "Exit Signal", color=color.new(#FF8800, 0), style=plot.style_circles, linewidth=4)
plot(exitLevel, "Exit Glow", color=color.new(#FF8800, 70), style=plot.style_circles, linewidth=8)