確率強化に基づくRSI戦略
作成日:
2023-12-20 15:05:05
最終変更日:
2023-12-20 15:05:05
コピー:
0
クリック数:
668
ChaoZhang
1
フォロー
1621
フォロワー
概要
この戦略は,RSI指標を用いて超買超売を判断する,単純に多額の戦略である.我々は,それを強化し,ストップ・ストップを追加し,確率モジュールを統合し,確率を高め,最近の一段間に利益のある取引の確率が51%以上である場合にのみポジションを開きます.これは,戦略のパフォーマンスを大幅に向上させます.
戦略原則
この戦略は,RSI指標を用いて市場の超買超売を判断する.具体的には,RSIが設定された超売区間の下限を破るときに多買する.また,RSIが設定された超売区間の上限を破るときに平仓する.さらに,我々はストップ・ストップ・割合を設定する.
重要なのは,確率判断モジュールを統合していることです.このモジュールは,最近の期間 (lookbackパラメータで設定) 内に,多取引が利益か損失の割合を統計します.近年の利益の取引の確率が51%以上である場合にのみ,多取引を開きます.これは,発生する可能性のある損失の取引を大幅に削減します.
優位分析
これは確率強化のRSI戦略で,通常のRSI戦略に比べて以下の利点があります.
- 単一損失を制限し,利益をロックする Stop Loss 設定を追加します.
- 確率モジュールを統合し,低利益率の市場を回避する vrf
- 確率モジュールのパラメータは調整可能で,異なる市場環境に対して最適化できます.
- シンプルで理解しやすく,実行しやすい
リスク分析
この戦略にはリスクもあります.
- 市場が低迷したからといって,余分に働けなくなっている.
- 確率モジュールの判断を間違えれば チャンスを逃してしまう
- 最適なパラメータの組み合わせを決定できず,異なる市場環境で大きな差異がある
- ストップ・ロスの設定が緩やかすぎると,単一の損失は大きくなる可能性があります.
対応方法:
- “空調”への参加を検討する
- 確率モジュールのパラメータを最適化し,誤判の可能性を低減する
- 機械学習による動的最適化パラメータ
- 単一損失のスペースを縮小するために,より保守的なストップレベルを設定します.
最適化の方向
この戦略は,以下の点でさらに最適化できます.
- バイ・ウェイ・トレードを実現する空白モジュール
- 機械学習による動的最適化パラメータ設定
- 他の指標で判断してみましょう
- ストップ・ストップ・ストップ戦略を最適化して,利益・損失比率を最適化
- フィルタリング信号と他の要素の組み合わせにより,確率を高めます.
要約する
この戦略は,単純なRSI戦略であり,統合確率判断モジュールを強化する.通常のRSI戦略と比較して,部分的な損益取引をフィルターして,全体的な撤回と損益比率が最適化される.その後,空白や動態最適化などの面で改善して,戦略をより堅牢にする.
ストラテジーソースコード
/*backtest
start: 2023-11-19 00:00:00
end: 2023-12-19 00:00:00
period: 1h
basePeriod: 15m
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/
// This source code is subject to the terms of the Mozilla Public License 2.0 at https://mozilla.org/MPL/2.0/
// © thequantscience
//@version=5
strategy("Reinforced RSI",
overlay = true,
default_qty_type = strategy.percent_of_equity,
default_qty_value = 100,
pyramiding = 1,
currency = currency.EUR,
initial_capital = 1000,
commission_type = strategy.commission.percent,
commission_value = 0.07)
lenght_rsi = input.int(defval = 14, minval = 1, title = "RSI lenght: ")
rsi = ta.rsi(close, length = lenght_rsi)
rsi_value_check_entry = input.int(defval = 35, minval = 1, title = "Oversold: ")
rsi_value_check_exit = input.int(defval = 75, minval = 1, title = "Overbought: ")
trigger = ta.crossunder(rsi, rsi_value_check_entry)
exit = ta.crossover(rsi, rsi_value_check_exit)
entry_condition = trigger
TPcondition_exit = exit
look = input.int(defval = 30, minval = 0, maxval = 500, title = "Lookback period: ")
Probabilities(lookback) =>
isActiveLong = false
isActiveLong := nz(isActiveLong[1], false)
isSellLong = false
isSellLong := nz(isSellLong[1], false)
int positive_results = 0
int negative_results = 0
float positive_percentage_probabilities = 0
float negative_percentage_probabilities = 0
LONG = not isActiveLong and entry_condition == true
CLOSE_LONG_TP = not isSellLong and TPcondition_exit == true
p = ta.valuewhen(LONG, close, 0)
p2 = ta.valuewhen(CLOSE_LONG_TP, close, 0)
for i = 1 to lookback
if (LONG[i])
isActiveLong := true
isSellLong := false
if (CLOSE_LONG_TP[i])
isActiveLong := false
isSellLong := true
if p[i] > p2[i]
positive_results += 1
else
negative_results -= 1
positive_relative_probabilities = positive_results / lookback
negative_relative_probabilities = negative_results / lookback
positive_percentage_probabilities := positive_relative_probabilities * 100
negative_percentage_probabilities := negative_relative_probabilities * 100
positive_percentage_probabilities
probabilities = Probabilities(look)
lots = strategy.equity/close
var float e = 0
var float c = 0
tp = input.float(defval = 1.00, minval = 0, title = "Take profit: ")
sl = input.float(defval = 1.00, minval = 0, title = "Stop loss: ")
if trigger==true and strategy.opentrades==0 and probabilities >= 51
e := close
strategy.entry(id = "e", direction = strategy.long, qty = lots, limit = e)
takeprofit = e + ((e * tp)/100)
stoploss = e - ((e * sl)/100)
if exit==true
c := close
strategy.exit(id = "c", from_entry = "e", limit = c)
if takeprofit and stoploss
strategy.exit(id = "c", from_entry = "e", stop = stoploss, limit = takeprofit)