概要

この戦略は,123逆転戦略と線形回帰の切り離し戦略を組み合わせて,複数の要因で駆動された組み合わせの取引戦略を実現する.123逆転戦略は,最近2取引日の価格関係を判断し,ストック指標と組み合わせて逆転信号を判断する.線形回帰の切り離し戦略は,線形回帰分析を使用して,価格とトレンドラインの関係を判断し,取引を生成する.シグナル 両戦略は相互検証し,偽信号を効果的にフィルターする.

戦略原則

123 逆転戦略

この戦略は以下の原則に基づいています.

1. 最近の2つの取引日の閉盘価格の関係が,今日の閉盘価格が昨日より高く,ストック快線がスローラインより低い場合,看板の反転シグナルが存在すると考えられます.

2. 最近の2日間の閉盘価格の関係が,今日の閉盘価格が昨日より低いとされ,ストック快線が遅線より高いとすると,下落の反転シグナルが存在すると考えられます.

判定のルールは以下の通りです.

• 今日の閉店価格> 昨日の閉店価格とストック速線<ストック速線とストック速線>のパラメータを設定すると,買取信号が生成されます.

• 今日の閉店価格<昨日の閉店価格とストッチ速線>ストッチスローラインとストッチ速線<を設定すると,売り込みシグナルが生成されます.

この策略は,StochのK回周期Length,Stochの快回平滑周期KSmoothing,Stochの慢回平滑周期DLength,Stochの快回判断<unk>値Levelを含む,Stoch指標パラメータを設定する必要があります.

線形回帰の切り離し策

この策略は,線形回帰分析に基づいて,価格と線形回帰のトレンドラインの関係を判断し,その判断ルールは以下の通りである.

• 閉店価格が線形回帰の切断距離より大きい場合は,買取シグナルを生成します.

• 閉店価格が線形回帰の切断距離より小さい場合, 売り込みシグナルを生成します.

この戦略には,線形回帰周期LengthLRIを設定し,線形回帰を入力するデータソースxSeria。を設定する必要があります.

組み合わせの戦略

この組み合わせ戦略は,123逆転戦略と線形回帰切断距離戦略の買/売信号を同時に満たす必要があるので,実際の取引指示を生成し,偽信号を効果的に排除し,取引の効果を向上させる.

優位分析

この戦略の利点は以下の通りです.

1. 多因子駆動,偽信号を効果的に<unk>除し,信号の質を向上させる

2つの異なるタイプの戦略を組み合わせると,両方の戦略が同時にシグナルを生成しなければならないので,実際に注文を行うことができる.この多要素検証機構は,特定の戦略が偶発的に発生する誤った信号をフィルタリングし,不要な取引を減らすことができ,信号の質を効果的に向上させることができる.

2. 価格とトレンドの関係をリアルタイムで監視し,閉じ込められずに済む

線形回帰の切り口は,価格とトレンドラインの関係をリアルタイムに反映し,価格がトレンドから大きく逸脱している場合は,戦略の調整方向を提言します.このようにして,損失を早期に止め,歴史的トレンドに閉じ込められることを避けることができます.

3. トレンドと逆転のチャンス

線形回帰戦略は,トレンドのバイスポイントを特定するのに優れている。123逆転戦略は,逆転ポイントを特定することに専念している。両戦略は,トレンド取引と逆転取引の優位性をうまく組み合わせることができる。

4. ポリシーのパラメータのカスタマイズ可能な最適化組合せ

2つの戦略は,特定のパラメータをカスタマイズし,異なる品種,異なる傾向に対してパラメータを最適化し,組み合わせ戦略の効果を最適化することができます.

リスク分析

この戦略には以下のリスクもあります.

1. 多因子駆動は,機会を逃しているかもしれない.

両戦略の取引シグナルを満たさなければならないので,単一の戦略のみに依存して利益を得る部分的な機会を逃してしまう.ある戦略の効果が弱くなった場合,全体的な取引効果を遅らせます.

2. 線形回帰は後退している.

線形回帰は一定の歴史データを計算するために必要であり,突発的な出来事に対してリアルタイムで反応することができない.一定の遅延性がある.価格が大幅に飛躍した場合,線形回帰のトレンドラインは一定時間調整が必要で,この期間は誤ったシグナルを生じることがあります.

3. 合理的なパラメータの最適化が必要

両策とも適切なパラメータを選択する必要があるが,特定の品種ではパラメータを独立に調整する必要があるかもしれない.パラメータが正しく選択されていない場合,戦略の効果に大打撃を与えるだろう.

リスクは以下の方法で軽減できます.

1. 組み合わせ信号のトリガー条件を適切に緩め,過度の機会を逃さないようにする.

2. トレンド指数などの代替線形回帰と組み合わせ,よりリアルタイムなトレンド判断

3. パラメータの最適化に役立つ機械学習などの方法により,パラメータ選択の効果を向上させる

最適化の方向

この戦略は以下の点でさらに改善できます.

1. 機械学習によるパラメータ最適化

履歴データを収集し,パラメータ最適化目標を設計し,遺伝的アルゴリズム,ベイエス最適化などの機械学習アルゴリズムを使用して最適なパラメータの組み合わせを検索することができます.

2. 損失防止の強化

ATR,トレンド指数などと組み合わせたストップ・ロスのルールを設定して,単一取引の最大損失を制御できます.

3. 市場参入と市場退出の論理を最適化する

取引シグナルに基づいて,均線フィルター,ブリン帯判断など,上場出場の補助条件を追加することができ,ポジションの調整頻度を低減し,被套を避ける.

4. 感情分析と組み合わせた

自然言語処理技術を使って,市場参加者の感情を判断し,取引の意思決定を支援します.

5. 機械学習予測モジュールを追加

LSTM,GRUなどのディープラーニングモデルを使用して,戦略的決定の重要な参考基盤として価格を予測します.

要約する

この戦略は,123逆転戦略と線形回帰切開戦略を組み合わせて,多要素駆動の定量取引を実現し,検証機構は偽信号を効果的にフィルターし,逆転とトレンド取引の機会を同時に捕捉できます.しかし,戦略には一定の遅れのリスクがあり,パラメータの最適化に注意し,風力制御機構の拡張を進めて戦略の安定性をさらに向上させる必要があります.機械学習などの技術と組み合わせたパラメータの最適化と特性の拡張は,戦略の探索に値するさらなる最適化方向です.