1. スクエア
  2. KRK aDa ストーカスティック AI 強化の遅い平均逆転戦略

KRK aDa ストーカスティック AI 強化の遅い平均逆転戦略

作者: リン・ハーンチャオチャン, 開催日:2024年4月26日 15:41:18
タグ:KRKADAエイマアールRSI

img

概要

この戦略は,ストーカスティック・スロー指標を主要取引信号として利用し,トレンドフィルターとして200期間のシンプル・ムービング・アベレージ (SMA) を組み合わせています.さらに,戦略は,追加のエントリー信号を提供するために偽の人工知能 (AI) インディケーターを導入しています.主なアイデアは,オーバーセールエリアで購入し,オーバーセールエリアで販売することであり,価格が長エントリーで200 SMA以上,短エントリーで200 SMA以下であることを確認し,現在のトレンドに準拠することです.AIインディケーターの導入により,より多くのエントリー機会が提供されます.

戦略の原則

  1. ストカスティック・スロー指標のK値とD値を計算し,K期を26に設定し,D値はK値の3期SMAとする.

  2. 過剰購入レベル (OverBought) を81に,過剰販売レベル (OverSold) を20に,最小K値 (minKValue) を11に設定します.

  3. K線がD線を横切って K値が過売値以下で最小K値以上になると 購入信号を生成する.

  4. K線がD線を下に横切って K値が過買い値と最小K値を超えると売り信号を生成する.

  5. 200 期間の SMA をトレンドフィルターとして使用し,価格が 200 期間の SMA を上回る場合にのみ長いエントリと,価格が 200 期間の SMA を下回る場合にのみ短いエントリを許可します.

  6. 偽のAI指標を導入 (RSI>50は上昇し,RSI<50は下落) AI信号が上昇し,RSIが下落するときにロングを入力します.

  7. ストキャスト指標,トレンドフィルター,AI指標からの信号を組み合わせて最終的な取引信号を生成します.

  8. ロングエントリーで10%ストップ損失とショートエントリーで10%ストップ損失を設定します.

戦略 の 利点

  1. ストカスティック・スロー指標は,市場における過剰購入と過剰販売の領域を効果的に特定し,取引の良いエントリーポイントを提供します.

  2. 200 SMA トレンドフィルターは,取引が現在のトレンドに一致することを保証し,成功率を増加させます.

  3. AI指標の導入により,戦略の収益性を高める可能性が高くなります.

  4. ストップ・ロスの使用はリスクを効果的に管理します

戦略リスク

  1. ストキャスト指標は不安定な市場において 誤った信号を生む可能性があります

  2. 人工知能指標は 現時点では偽の指標であり,その実際の有効性は検証する必要がある.

  3. ストップ・ロスの設定は,利益の一部を早めに短縮させる可能性があります.

戦略の最適化方向

  1. ストカスティック指標のパラメータを最適化して,最適な期間と過買い/過売値設定を見つけます.

  2. AI信号の精度を向上させるために より複雑で効果的なAIモデルを導入する.

  3. ストップ・ロストとテイク・プロフィートの設定を調整して リスク管理と利益獲得を改善します

  4. 戦略の信頼性を高めるため,他の効果的な技術指標や基本的なデータを組み込むことを検討します.

概要

この戦略は,ストカスティック・スロー指標,トレンドフィルター,AI信号を組み合わせ,多要素取引アプローチを形成する.ストカスティック指標は,効果的なオーバーバイトとオーバーセールシグナルを提供し,トレンドフィルターは,取引が全体的なトレンドに一致することを保証し,AI信号は追加のエントリー機会を提供します.この戦略にはいくつかの潜在的なリスクと改善余地がありますが,その全体的な論理は明確で合理的です.これにより,さらなる探求と精錬に値します.

/*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")
関連性
もっと

2019 FMZ - すべての権利は保護されています.