グリッド取引に基づく適応型暗号通貨裁定取引戦略
概要
この戦略は,グリッド取引理念に基づく自適性暗号通貨の<unk>利策である.市場変動に応じてグリッド取引の価格範囲を自動的に調整し,その価格範囲内で効率的な<unk>利取引を行うことができる.
戦略原則
この戦略の核心となる考えは,
-
ダイナミクスは,歴史上の高点と低点に基づいて取引格子の価格範囲を計算します.
-
この価格範囲内で,等間隔でN条の取引格子線を設定します.
-
価格が各格子線を突破すると,固定数量でポジションをオーバーまたは空にする.
-
隣接するグリッドラインの間で競り合い,利益を得た後に平仓する.
-
価格が格子領域に戻ったとき,格子線の限界コスト価格でポジションを開くことを続けます.
-
格子価格の範囲内で高頻度リベラル取引を行う.
具体的には,戦略は,配置された回顧窓 ((i_boundLookback) と波動区間の ((i_boundDev) パラメータに基づいて,格子価格の上下限をリアルタイムで計算する.
そして,上下限の間には,それぞれNの格子線 ((i_gridQty) を分割する.これらの格子線の価格は,gridLineArrの配列に保存される.
価格が格子線を突破すると,固定数量 ((策略本金分格子数量) でポジションをオーバーまたは空にする. 注文はorderArr数列に記録される.
価格が再び隣接する格子線を突破すると,以前の注文とマッチした利潤を得て,利潤平衡のポジションを得ることができます.
価格の変動の範囲内で高頻度で取引を行う.
優位分析
伝統的な格子戦略と比較して,この戦略の最大の優点は,格子範囲が自動的に調整され,市場の変動に応じて自律的に適応できるということです.以下の特徴があります:
-
自動で調整し 人工の介入も不要
-
価格の動向を把握し,その方向で取引する.
-
リスクはコントロールでき,一方的な攻撃の危険は避けられます.
-
取引頻度が高く,利益率も高い.
-
簡単に理解し,簡単に設定できます.
-
資金活用率が高いため 困ったことはありません.
-
ロボット取引に適した市場変化をリアルタイムで反映する.
リスク分析
この戦略には多くの利点がありますが,いくつかのリスクもあります.
-
価格の急激な変動により,大きな損失のリスクが生じます.
-
適当な保有期間と取引ペアが必要で,利益を得る.
-
資金の規模と波動範囲の適合性を慎重に評価する必要があります.
-
常時モニタリングと最適化パラメータが必要になる可能性があります.
対応策は以下の通りです.
-
網間を広げて網の範囲を広げます.
-
変動が安定した取引対を選びます.
-
資金の規模を調整し,十分な流動性を確保する.
-
自動監視と警報システムを構築する.
最適化の方向
この戦略は以下の点で最適化できます.
-
ダイナミック・グリッド: 取引ペアの波動性に応じてグリッドパラメータを自動的に調整できます.
-
損失を抑える仕組みストップ・ポジションを合理的に設定し,極端な状況のリスクを回避する.
-
複合格子: 異なる時間帯で異なるパラメータを使用したグリッドの組み合わせで,時間複製を実現する.
-
機械学習: ニューラルネットワークなどの代替ルールを用いて,パラメータの自動最適化を実現する.
-
クロスマーケット裁定取引<unk>値取引は,取引先や通貨の間で行われます.
要約する
この戦略は,全体的に非常に実用的な自己適応の暗号通貨格子引換戦略である.従来の格子戦略と比較して,その最大の特徴は,格子範囲は自動的に調整され,市場の変化に応じて自分の取引範囲を構成できるという点である.戦略の構想は,明確で,理解しやすく,構成され,特定の基礎を持つ個人投資家が使用するのに適しており,取引ロボットとしての戦略テンプレートにも適している.パラメータ配置が適切であれば,非常に高い資金活用率を得ることができる.
/*backtest
start: 2024-01-11 00:00:00
end: 2024-01-18 00:00:00
period: 1m
basePeriod: 1m
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/
//@version=4
strategy("(IK) Grid Script", overlay=true, pyramiding=14, close_entries_rule="ANY", default_qty_type=strategy.cash, initial_capital=100.0, currency="USD", commission_type=strategy.commission.percent, commission_value=0.1)
i_autoBounds = input(group="Grid Bounds", title="Use Auto Bounds?", defval=true, type=input.bool) // calculate upper and lower bound of the grid automatically? This will theorhetically be less profitable, but will certainly require less attention
i_boundSrc = input(group="Grid Bounds", title="(Auto) Bound Source", defval="Hi & Low", options=["Hi & Low", "Average"]) // should bounds of the auto grid be calculated from recent High & Low, or from a Simple Moving Average- 1