ダイナミックグリッドトレンドフォロー定量取引戦略


作成日: 2024-03-22 16:03:09 最終変更日: 2024-03-22 16:03:09
コピー: 0 クリック数: 1231
1
フォロー
1617
フォロワー

ダイナミックグリッドトレンドフォロー定量取引戦略

概要

これは,高度なダイナミック・グリッド・トレンド・トラッキング・量化取引戦略である.この戦略の主な考えは,事前に設定された価格区間の間に複数のグリッド・ラインを区分し,価格がグリッド・ラインに触れたときに自動的に買い買いまたは平仓を立て,揺れ動いている状況で利益を得ることである.また,この戦略には,グリッド・ラインの位置を動的に調整する機能があり,最近の価格動きに応じてグリッドの配置を自律的に最適化することができる.

戦略原則

この戦略の核心となる原則は以下の通りです.

  1. まず,ユーザの設定に応じて,格子の上下境界と格子線の数を決定する.境界は固定値であり,最近の高低点または移動平均に基づいて自動的に計算することができる.

  2. 定義された境界内で,価格区間を等しくいくつかの格子に分割する.各格子線は,購入または販売価格に対応する.

  3. 価格が格子線に触れるたびに,その格子線に対応するポジションが既に保有されているかどうかをチェックする.もし無ければ,ポジションを買い,もしあるなら平仓を売りする.

  4. この戦略は,相対的に高い価格で売り,低い価格で買うという方法で,価格が変動する時に利益を得ることができます.

  5. また,ユーザが自動境界調整機能を有効にした場合,グリッドラインの位置は,近期価格の高低点または設定された移動平均に基づいて自己適応的に調整され,グリッドのレイアウトを最適化します.

上記の原理により,この戦略は,価格の揺れのある状況下での自動低買い高売りを実現し,傾向に応じて利点を調整して,その結果,全体的な収益を向上させることができる.

優位分析

ダイナミック・グリッド戦略は以下の利点があります.

  1. 適応力強.パラメータ設定により異なる市場と品種に適応し,震動状況に良好な適応力がある.

  2. 自動化程度が高い. 戦略は厳格な数学的な論理に基づいているため,ポジションを確立し,ポジションの位置が明確であるため,完全に自動化された取引を実現し,主観的な感情の干渉を減らすことができます.

  3. リスク制御 格子数,格子境界などのパラメータを設定することで,各取引のリスクの隙間を効果的に制御することができ,その結果,全体的なリスクを許容範囲に保つことができます.

  4. トレンド適応性。 戦略に格子境界を動的に調整する機能が追加され,格子が価格トレンドに従って最適化され,トレンドの状況下での収益性を向上させる。

  5. 勝率の安定.格子取引は,価格の変動で頻繁に高転し吸い込む性質があるため,価格の変動が持続する限り,この戦略は継続的に利益を得ることができ,長期的には高い勝率を持っています.

リスク分析

この戦略の利点は明らかですが,同時にリスクもあります.

  1. トレンドリスク. 格子境界を突破する強烈な単一トレンドが発生した場合,この戦略の収益の余地が制限され,大きな反発に直面する可能性があります.

  2. 参数最適化が難しい.この戦略は,格子数,初期境界,動的境界パラメータなど,多くのパラメータを有し,異なるパラメータの組み合わせが戦略のパフォーマンスに大きく影響し,実際の最適化が難しい.

  3. 頻繁に取引する. 格子戦略は本質的に高頻度戦略であり,非常に頻繁に平仓を設定する. これは,取引コストと潜在的滑り場リスクを意味する.

  4. 情勢依存度が高い.この策略は,波動的な情勢に強い依存度があり,価格が急激な単一方向のトレンドに入ると,この策略は大きな反転に直面する可能性が高い.

これらのリスクに対して,次の側面から改善を進めることができる:戦略の開始のフィルター条件としてトレンド判断指標を追加し,パラメータ検索スペースと方法を最適化し,資金管理とポジション制御ロジックを導入し,トレンドを突破する平仓ロジックを増やすなど.これらの最適化により,戦略の安定性と収益性をさらに向上させることができる.

最適化の方向

この戦略の最適化方向は以下の通りです.

  1. トレンドフィルター条件を導入する.戦略開始前に移動平均,ADXなどのトレンド判断指標を追加する.震動状況下でのみ戦略を開始し,トレンド状況下での見張りを保つ.これにより,トレンド状況下での引き戻しのリスクを効果的に回避することができる.

  2. 最適化パラメータ検索. 遺伝的アルゴリズム,粒子群アルゴリズムなどのスマートアルゴリズムを使用して,最適化パラメータを最適化することで,最適化効率と品質を向上させる.

  3. 強化された風力制御論理.戦略により多くの風力制御論理を加える.例えば,価格変動率の動向に応じて格子幅を調整し,最大撤回値を設定し,平仓を誘発するなど,リスクをよりよく制御する.

  4. トレンドストップを導入する.トレンドがストップラインを突破する,例えば格子境界の一定の割合を設定し,価格がストップラインを突破すると全平仓を設定し,トレンドの状況下での大きな逆転を回避する.

  5. 取引実行の最適化 取引実行の環を最適化します.例えば,より高度な条件表と注文アルゴリズムを採用し,取引の頻度とコストを最小限に抑え,実行の効率を向上します.

戦略の適応性,安定性,収益性を全面的に向上させ,実地でのニーズにさらに近いものにすることができます.

要約する

概して言えば,このダイナミック・グリッド・トレンド・トラッキング・ストラテジーは,グリッド・トレード・原理に基づく中高周波数・量化・トレード・ストラテジであり,同時に動的調整・トレンド・アダプテーション・メカニズムを組み込んでいる.その優点は,適応性強,自動化度高,リスク可控性,トレンド・アダプタビリティ,勝率安定等である.しかし,同時に,トレンド・リスク,パラメータ・最適化難度,頻繁な取引,行情依存性などの強いリスクもある.これらの問題に対して,トレンド・フィルタリング・パラメータ・最適化,リスク・コントロール強化・トレンド・ストップ・損失・トレード・最適化など,ストラテジーの全体的な性能を向上させることができる.

格子取引の考え方は,それ自体が比較的成熟し,実用的な量化方法であり,この戦略の動的最適化とトレンド適応機構の追加により,クラシック格子取引の優位性が拡張され,発展させられている. 投資家に揺れ動いている状況下で新しい量化取引の考え方と可能性を提供している. さらに最適化され,改善された場合,この戦略は,優れた中高周波量化取引ツールになる見込みがある.

ストラテジーソースコード
/*backtest
start: 2024-03-01 00:00:00
end: 2024-03-21 00:00:00
period: 1h
basePeriod: 15m
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
i_boundLookback = input(group="Grid Bounds", title="(Auto) Bound Lookback", defval=250, type=input.integer, maxval=500, minval=0) // when calculating auto grid bounds, how far back should we look for a High & Low, or what should the length be of our sma
i_boundDev      = input(group="Grid Bounds", title="(Auto) Bound Deviation", defval=0.10, type=input.float, maxval=1, minval=-1)  // if sourcing auto bounds from High & Low, this percentage will (positive) widen or (negative) narrow the bound limits. If sourcing from Average, this is the deviation (up and down) from the sma, and CANNOT be negative.
i_upperBound    = input(group="Grid Bounds", title="(Manual) Upper Boundry", defval=0.285, type=input.float)                      // for manual grid bounds only. The upperbound price of your grid
i_lowerBound    = input(group="Grid Bounds", title="(Manual) Lower Boundry", defval=0.225, type=input.float)                      // for manual grid bounds only. The lowerbound price of your grid.
i_gridQty       = input(group="Grid Lines",  title="Grid Line Quantity", defval=8, maxval=15, minval=3, type=input.integer)       // how many grid lines are in your grid

f_getGridBounds(_bs, _bl, _bd, _up) =>
    if _bs == "Hi & Low"
        _up ? highest(close, _bl) * (1 + _bd) : lowest(close, _bl)  * (1 - _bd)
    else
        avg = sma(close, _bl)
        _up ? avg * (1 + _bd) : avg * (1 - _bd)

f_buildGrid(_lb, _gw, _gq) =>
    gridArr = array.new_float(0)
    for i=0 to _gq-1
        array.push(gridArr, _lb+(_gw*i))
    gridArr

f_getNearGridLines(_gridArr, _price) =>
    arr = array.new_int(3)
    for i = 0 to array.size(_gridArr)-1
        if array.get(_gridArr, i) > _price
            array.set(arr, 0, i == array.size(_gridArr)-1 ? i : i+1)
            array.set(arr, 1, i == 0 ? i : i-1)
            break
    arr

var upperBound      = i_autoBounds ? f_getGridBounds(i_boundSrc, i_boundLookback, i_boundDev, true) : i_upperBound  // upperbound of our grid
var lowerBound      = i_autoBounds ? f_getGridBounds(i_boundSrc, i_boundLookback, i_boundDev, false) : i_lowerBound // lowerbound of our grid
var gridWidth       = (upperBound - lowerBound)/(i_gridQty-1)                                                       // space between lines in our grid
var gridLineArr     = f_buildGrid(lowerBound, gridWidth, i_gridQty)                                                 // an array of prices that correspond to our grid lines
var orderArr        = array.new_bool(i_gridQty, false)                                                              // a boolean array that indicates if there is an open order corresponding to each grid line

var closeLineArr    = f_getNearGridLines(gridLineArr, close)                                                        // for plotting purposes - an array of 2 indices that correspond to grid lines near price
var nearTopGridLine = array.get(closeLineArr, 0)                                                                    // for plotting purposes - the index (in our grid line array) of the closest grid line above current price
var nearBotGridLine = array.get(closeLineArr, 1)                                                                    // for plotting purposes - the index (in our grid line array) of the closest grid line below current price
strategy.initial_capital = 50000
for i = 0 to (array.size(gridLineArr) - 1)
    if close < array.get(gridLineArr, i) and not array.get(orderArr, i) and i < (array.size(gridLineArr) - 1)
        buyId = i
        array.set(orderArr, buyId, true)
        strategy.entry(id=tostring(buyId), long=true, qty=(strategy.initial_capital/(i_gridQty-1))/close, comment="#"+tostring(buyId))
    if close > array.get(gridLineArr, i) and i != 0
        if array.get(orderArr, i-1)
            sellId = i-1
            array.set(orderArr, sellId, false)
            strategy.close(id=tostring(sellId), comment="#"+tostring(sellId))

if i_autoBounds
    upperBound  := f_getGridBounds(i_boundSrc, i_boundLookback, i_boundDev, true)
    lowerBound  := f_getGridBounds(i_boundSrc, i_boundLookback, i_boundDev, false)
    gridWidth   := (upperBound - lowerBound)/(i_gridQty-1)
    gridLineArr := f_buildGrid(lowerBound, gridWidth, i_gridQty)

closeLineArr    := f_getNearGridLines(gridLineArr, close)
nearTopGridLine := array.get(closeLineArr, 0)
nearBotGridLine := array.get(closeLineArr, 1)