ChaoZhang
概要
この戦略は,ランダムなスローインジケータ ((Stochastic Slow) を主要な取引シグナルとして使用し,200期単行移動平均 ((SMA) と組み合わせてトレンドフィルターとして使用する.さらに,この戦略は,追加の入場シグナルを提供するために,仮想的人工知能 ((AI) インジケータを導入する.この戦略の主な考え方は,超売り区域を買い,超買い区域を売り,同時に,価格が200SMAの上方から買い,200SMAの下方から売り,現在のトレンドに沿って.AIインジケータの加入は,戦略としてより多くの入場機会を提供する.
戦略原則
ランダムな慢速指標のK値とD値を計算し,K値の周期は26で,D値のK値の3周期SMAである.
超買区 (OverBought) を81に設定し,超売区 (OverSold) を20に設定し,最小K値 (minKValue) を11に設定する.
K線がD線を通過し,K値が超売区より小さいが最小K値より大きいとき,買取信号が生成する.
K線下がD線を貫通し,K値が超買区より大きく,最小K値より大きいとき,売り信号が生成する.
200SMAをトレンドフィルターとして使用し,価格が200SMA上であれば購入が許され,200SMA下であれば売却が許される.
仮想AI指標を導入する ((RSI>50を上昇とRSI<50を下落と表示する),AI指標が上昇する時に買い,下落する時に売る。
ランダムな指数,トレンドフィルター,AI指数の信号を組み合わせて,最終的な取引信号を生成します.
購入時に10%のストップを設定し,売却時に10%のストップを設定します.
戦略的優位性
ランダム・スロー・インジケータは,市場における過剰買いと過剰販売の領域を効果的に識別し,取引のための良いエントリーポイントを提供します.
200SMAをトレンドフィルターとして導入し,取引が現在のトレンドと一致することを保証し,成功率を高めました.
AI指標の追加により,戦略へのアクセスが拡大され,収益が増加する可能性があります.
ストップ・ロスを設定し,リスクを効果的にコントロールします.
戦略リスク
ランダムな指標は,波動的な市場では,より多くの偽信号を生成する可能性があります.
AIの指標は,現時点では仮想的な指標で,実際の効果は検証される必要がある.
ストップ・ロスの設定は,一部の利益が早めにストップされる可能性があります.
戦略最適化の方向性
ランダムな指標のパラメータを最適化して,最適な周期とOverboughtとOverSoldの値設定を見つける.
AI 信号の正確性を高めるため,より複雑で効果的な AI モデルを導入します.
リスクの管理と利益の確保のために,ストップ・ローズとストップ・ストップの設定を最適化します.
他の有効な技術指標や基本データを導入することを検討し,戦略の強さを向上させる.
要約する
この戦略は,ランダムなスローインジケーター,トレンドフィルター,AI信号を組み合わせて,多要素の取引戦略を形成する.ランダムな指標は,効果的なオーバーバイオーバーセール信号を提供し,トレンドフィルターは,取引の方向が大きなトレンドと一致していることを確認し,AI信号は,戦略により多くの入場機会を提供します.この戦略には,いくつかの潜在的なリスクと最適化の余地があるが,全体の考え方は明確で,論理的に合理的で,さらなる探索と改善に値する.
/*backtest
start: 2024-03-01 00:00:00
end: 2024-03-31 23:59:59
period: 1h
basePeriod: 15m
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/
//@version=5
strategy("Stochastic Slow Strategy with More Entries and AI", overlay=true)
length = input.int(26, minval=1)
OverBought = input(81)
OverSold = input(20)
smoothK = input.int(3, minval=1)
smoothD = input.int(3, minval=1)
minKValue = input(11, title="Minimum K Value")
// Stochastic calculations
k = ta.sma(ta.stoch(close, high, low, length), smoothK)
d = ta.sma(k, smoothD)
co = ta.crossover(k, d)
cu = ta.crossunder(k, d)
// Trend filter (200-period simple moving average)
ema200 = ta.sma(close, 200)
// Artificial Intelligence indicator (dummy example)
// Aquí puedes colocar la lógica de tu red neuronal artificial
// Por ahora, simplemente usaremos una señal aleatoria
ai_signal = ta.rsi(close, 14) > 50 ? 1 : -1
// Entry conditions
longCondition = ta.crossover(close, ema200) and k < OverSold and k > minKValue and ai_signal == 1
shortCondition = ta.crossunder(close, ema200) and k > OverBought and k > minKValue and ai_signal == -1
if (not na(k) and not na(d))
if (co and k < OverSold and k > minKValue)
strategy.entry("StochLE", strategy.long, comment="StochLE")
if (cu and k > OverBought and k > minKValue)
strategy.entry("StochSE", strategy.short, comment="StochSE")
if (longCondition)
strategy.entry("LongEntry", strategy.long, comment="LongEntry")
strategy.exit("StopLoss", "LongEntry", loss = close * 0.9) // Stop loss del 10%
if (shortCondition)
strategy.entry("ShortEntry", strategy.short, comment="ShortEntry")
strategy.exit("StopLoss", "ShortEntry", loss = close * 1.1) // Stop loss del 10%
// Plotting
plot(ema200, color=color.blue, title="200 SMA")