価格ショック補助判断3因子モデル
作成日:
2024-02-26 15:32:27
最終変更日:
2024-02-26 15:32:27
コピー:
0
クリック数:
591
ChaoZhang
1
フォロー
1617
フォロワー
概要
価格振動補助判断3要素モデルは,多要素判断を融合したショートライン取引戦略である.この戦略は,取引量比率,RSI指標,MACD指標,シグナルライン指標の多要素判断を総合的に考慮し,価格振動行動を判断し,ショートライン取引の機会を発見する.
戦略原則
この戦略の核心的な論理は:
速動平均,遅動平均,MACD曲線,信号線などの技術指標を計算する.
取引量取引比率,RSI,MACD,シグナルラインの多要素条件を判断する.
価格の変動と取引の機会を考慮して,多要素を総合的に評価し,
LONGまたはSHORTのポジションに入ると,ストップ・ストップ・損失を設定します.
価格がストップまたはストップ・ロスの条件に達したとき,平仓する.
この戦略は,交差比,RSI指数,MACD指数,シグナルライン指数などの複数の要因の判断を柔軟に使用し,価格の振動行動を判断し,ショートライン取引の機会を捕獲する.複数の要因の組み合わせの判断は,単一の要因による誤信号を回避し,信号の正確性を向上させる.
優位分析
この戦略の利点は以下の通りです.
- 多要素判断により信号の正確性を高め,誤信号を回避する.
- 価格の変動を活用し,短線取引の機会を利用し,大きな利益を得ることができます.
- 自動で止損を設定し,リスクを制御します.
- 取引の論理が明確で実行しやすい.
リスク分析
この戦略には以下のリスクもあります.
- このアルゴリズムは過去データに過度に依存し,市場の変化に敏感である.
- 多因子組合せは,さらに最適化され,誤判の可能性がある.
- 戦略の安定性に直接影響する合理的な止損点を設定するかどうか.
このリスクに対して,以下の方法で最適化できます.
- 市場データの変化の影響を軽減するためにデータサンプリングサイクルを拡大する.
- 多要素重さを調整し,適応を最適化する.
- 異なるストップポイントをテストし,最適なストップ位置を見つけます.
最適化の方向
この戦略は以下の点で最適化できます.
多因子重量を最適化し,動的調整を実現する.異なる状況に応じて多因子判断に重量調整を行い,適応性を向上させる.
機械学習アルゴリズムと組み合わせて,多因子の自己適応最適化を実現する. ニューラルネットワーク,遺伝的アルゴリズムなどのアルゴリズムの訓練により,多因子モデルを使用して,パラメータの自己最適化を実現する.
ストップ戦略の最適化. 異なるストップフォローとストップモビルの組み合わせをテストして,最適のストップソリューションを見つけることができます.
高度な技術指標と組み合わせて.波動率の変動,動力振動などのより多くの指標をテストできます.
要約する
価格振動補助判断 3要素モデル戦略は,価格振動区間の多要素特性を充分活用して,高効率のショートライン取引戦略を実現する.この戦略は,交差量,RSI,MACD,信号線などの多要素判断を適用して,最適な買入タイミングを決定する.多要素判断は,信号の正確性を向上させ,安定した収益を得ることに有利である.その後,機械学習アルゴリズムによって多要素の自己適応を実現し,より優れた戦略のパフォーマンスを得ることができる.
ストラテジーソースコード
/*backtest
start: 2024-01-26 00:00:00
end: 2024-02-25 00:00:00
period: 4h
basePeriod: 15m
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/
//@version=5
strategy("3 10.0 Oscillator Profile Flagging", shorttitle="3 10.0 Oscillator Profile Flagging", overlay=false)
signalBiasValue = input(title="Signal Bias", defval=0.26)
macdBiasValue = input(title="MACD Bias", defval=0.7)
shortLookBack = input( title="Short LookBack", defval=3)
longLookBack = input( title="Long LookBack", defval=6)
takeProfit = input( title="Take Profit", defval=2)
stopLoss = input( title="Stop Loss", defval=0.7)
fast_ma = ta.sma(close, 3)
slow_ma = ta.sma(close, 10)
macd = fast_ma - slow_ma
signal = ta.sma(macd, 16)
hline(0, "Zero Line", color = color.black)
buyVolume = volume*((close-low)/(high-low))
sellVolume = volume*((high-close)/(high-low))
buyVolSlope = buyVolume - buyVolume[1]
sellVolSlope = sellVolume - sellVolume[1]
signalSlope = ( signal - signal[1] )
macdSlope = ( macd - macd[1] )
plot(macd, color=color.blue, title="Total Volume")
plot(signal, color=color.orange, title="Total Volume")
plot(macdSlope, color=color.green, title="MACD Slope")
plot(signalSlope, color=color.red, title="Signal Slope")
intrabarRange = high - low
rsi = ta.rsi(close, 14)
rsiSlope = rsi - rsi[1]
plot(rsiSlope, color=color.black, title="RSI Slope")
getRSISlopeChange(lookBack) =>
j = 0
for i = 0 to lookBack
if ( rsi[i] - rsi[ i + 1 ] ) > -5
j += 1
j
getBuyerVolBias(lookBack) =>
j = 0
for i = 1 to lookBack
if buyVolume[i] > sellVolume[i]
j += 1
j
getSellerVolBias(lookBack) =>
j = 0
for i = 1 to lookBack
if sellVolume[i] > buyVolume[i]
j += 1
j
getVolBias(lookBack) =>
float b = 0.0
float s = 0.0
for i = 1 to lookBack
b += buyVolume[i]
s += sellVolume[i]
b > s
getSignalBuyerBias(lookBack) =>
j = 0
for i = 1 to lookBack
if signal[i] > signalBiasValue
j += 1
j
getSignalSellerBias(lookBack) =>
j = 0
for i = 1 to lookBack
if signal[i] < ( 0.0 - signalBiasValue )
j += 1
j
getSignalNoBias(lookBack) =>
j = 0
for i = 1 to lookBack
if signal[i] < signalBiasValue and signal[i] > ( 0.0 - signalBiasValue )
j += 1
j
getPriceRising(lookBack) =>
j = 0
for i = 1 to lookBack
if close[i] > close[i + 1]
j += 1
j
getPriceFalling(lookBack) =>
j = 0
for i = 1 to lookBack
if close[i] < close[i + 1]
j += 1
j
getRangeNarrowing(lookBack) =>
j = 0
for i = 1 to lookBack
if intrabarRange[i] < intrabarRange[i + 1]
j+= 1
j
getRangeBroadening(lookBack) =>
j = 0
for i = 1 to lookBack
if intrabarRange[i] > intrabarRange[i + 1]
j+= 1
j
bool isNegativeSignalReversal = signalSlope < 0.0 and signalSlope[1] > 0.0
bool isNegativeMacdReversal = macdSlope < 0.0 and macdSlope[1] > 0.0
bool isPositiveSignalReversal = signalSlope > 0.0 and signalSlope[1] < 0.0
bool isPositiveMacdReversal = macdSlope > 0.0 and macdSlope[1] < 0.0
bool hasBearInversion = signalSlope > 0.0 and macdSlope < 0.0
bool hasBullInversion = signalSlope < 0.0 and macdSlope > 0.0
bool hasSignalBias = math.abs(signal) >= signalBiasValue
bool hasNoSignalBias = signal < signalBiasValue and signal > ( 0.0 - signalBiasValue )
bool hasSignalBuyerBias = hasSignalBias and signal > 0.0
bool hasSignalSellerBias = hasSignalBias and signal < 0.0
bool hasPositiveMACDBias = macd > macdBiasValue
bool hasNegativeMACDBias = macd < ( 0.0 - macdBiasValue )
bool hasBullAntiPattern = ta.crossunder(macd, signal)
bool hasBearAntiPattern = ta.crossover(macd, signal)
bool hasSignificantBuyerVolBias = buyVolume > ( sellVolume * 1.5 )
bool hasSignificantSellerVolBias = sellVolume > ( buyVolume * 1.5 )
// 202.30 Profit 55.29% 5m
if ( ( getVolBias(longLookBack) == false ) and rsi <= 41 and math.abs(rsi - rsi[shortLookBack]) > 1 and hasNoSignalBias and rsiSlope > 1.5 and close > open)
strategy.entry("5C1", strategy.long, qty=1.0)
strategy.exit("TPS", "5C1", limit=strategy.position_avg_price + takeProfit, stop=strategy.position_avg_price - stopLoss)
// 171.70 Profit 50.22% 5m
if ( getVolBias(longLookBack) == true and rsi > 45 and rsi < 55 and macdSlope > 0 and signalSlope > 0)
strategy.entry("5C2", strategy.long, qty=1.0)
strategy.exit("TPS", "5C2", limit=strategy.position_avg_price + takeProfit, stop=strategy.position_avg_price - stopLoss)
// 309.50 Profit 30.8% 5m 2 tp .7 sl 289 trades
if ( macd > macdBiasValue and macdSlope > 0)
strategy.entry("5P1", strategy.short, qty=1.0)
strategy.exit("TPS", "5P1", limit=strategy.position_avg_price - takeProfit, stop=strategy.position_avg_price + stopLoss)