추세 반전 변동성 결합 전략
개요
이 전략은 추세 반전 전략과 통계적 변동성 전략을 결합하여 더 강력한 거래 신호를 얻는 연합 전략입니다.
전략 원리
이 전략은 두 부분으로 구성됩니다:
-
추세 반전 전략
- 123 패턴을 사용하여 추세 반전 지점을 판단합니다. 구체적으로, 종가가 2일 연속 상승하고 9일 stochastic 느린선이 50 미만이면 상승 신호, 종가가 2일 연속 하락하고 9일 stochastic 빠른선이 50 초과이면 하락 신호를 냅니다.
-
통계적 변동성 전략
- 극값법을 사용하여 최근 30일의 통계적 변동성을 계산합니다. 변동성이 0.5% 이상이면 상승, 0.16% 미만이면 하락 신호를 냅니다.
마지막으로 두 전략의 신호가 일치하는 경우(즉, 둘 다 상승 또는 둘 다 하락)에만 거래 신호를 생성하고, 일치하지 않으면 거래하지 않습니다.
전략 장점 분석
이 전략은 서로 다른 유형의 두 전략을 연합 적용하여 신호의 신뢰성을 높일 수 있습니다.
-
123 패턴 판단은 추세 반전 지점을 정확하게 포착하여 갑작스러운 가격 변동에 의한 오해를 방지합니다.
-
통계적 변동성은 최근 한 달간의 시장 변동 상황을 반영하여 변동성이 높고 거래 기회가 많은 기간을 필터링할 수 있습니다.
두 전략이 서로 검증하며 결합 사용 시 시장의 중요한 전환점을 더 잘 포착하여 보다 정확하고 신뢰할 수 있는 거래 신호를 얻을 수 있습니다.
위험 분석
-
123 패턴은 완전히 가짜 돌파의 위험을 피할 수 없습니다. 비정상적인 변동이 발생하면 신호를 잘못 판단할 수 있습니다.
-
통계적 변동성은 과거 데이터만 고려하므로 미래의 변동 추세를 예측할 수 없습니다. 시장 변동성이 갑자기 확대되거나 축소되면 오류 신호가 발생하기 쉽습니다.
-
두 전략 모두 매개변수 최적화에 의존합니다. 매개변수 설정이 부적절하면 신호 품질이 크게 저하됩니다.
-
연합 전략은 신뢰성을 높이지만 일부 강력한 단일 신호를 놓칠 수도 있습니다.
최적화 방향
-
볼린저 밴드, KDJ 등 더 많은 지표를 결합하여 투표 메커니즘을 형성합니다.
-
머신러닝 알고리즘을 추가하여 더 많은 과거 데이터를 활용해 추세 반전 확률을 판단합니다.
-
임계값을 설정하여 신호 강도를 필터링하고 노이즈 간섭을 피합니다.
-
매개변수 설정을 최적화하고 다양한 종목, 주기에 맞게 조정합니다.
-
손절매 메커니즘을 추가하여 연합 전략의 위험을 제어합니다.
요약
이 전략은 추세 반전 전략과 통계적 변동성 전략을 연합 적용하여 신호 품질을 높이고 시장의 중요한 전환점에서 비교적 정확한 거래 명령을 제공합니다. 그러나 오판 위험과 매개변수 최적화 문제에 주의해야 합니다. 더 많은 지표와 머신러닝 등을 결합하여 추가 최적화하면 더 안정적이고 신뢰할 수 있는 거래 신호를 얻을 수 있습니다.
/*backtest
start: 2023-09-23 00:00:00
end: 2023-10-23 00:00:00
period: 1h
basePeriod: 15m
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/
//@version=4
////////////////////////////////////////////////////////////
// Copyright by HPotter v1.0 31/07/2021
// This is combo strategies for get a cumulative signal. - 1