추세 신뢰도 기반 추세 추종 전략
개요
이 전략의 주요 아이디어는 가능한 정확한 추세 추종 전략을 구현하는 것입니다. 과거 일정 수의 종가에 대한 "신뢰도"를 계산하여 현재 선형 추세의 지속 가능성을 판단합니다. 이 전략은 신뢰도가 일정 수준을 초과하면 진행 중인 선형 추세가 지속될 가능성이 더 높다고 가정합니다.
전략 원리
이 전략은 일반 선형 회귀 방법을 사용하여 과거 N개 종가의 선형 피팅을 계산하고, 선형 피팅의 기울기 k와 종가와의 편차 표준편차 σ를 구합니다. 그런 다음 추세 신뢰도를 k/σ로 정의합니다.
추세 신뢰도가 "매수 진입" 임계값을 초과하면 매수(롱)하고, "매수 청산" 임계값까지 하락하면 청산합니다. 마찬가지로 추세 신뢰도가 "매도 진입" 임계값보다 낮으면 매도(숏)하고, "매도 청산" 임계값을 초과하면 청산합니다.
이를 통해 명확한 선형 추세를 따르지 않는 변동성 있는 가격 변동에 의한 신호를 걸러낼 수 있습니다.
장점 분석
이 전략은 추세 추종과 통계학의 선형 회귀 방법을 결합하여 단기 가격 변동을 따라가는 것을 피하고 장기 추세만을 따르므로, 낮은 거래 빈도와 높은 승률을 얻을 수 있습니다.
이 전략은 매개변수 조정 공간이 넓어 다양한 상품과 시간 주기에 맞게 매개변수를 조정할 수 있어 일반화 성능이 뛰어납니다.
위험 분석
이 전략은 헤징(차익거래)의 위험이 있습니다. 가격에 뚜렷한 추세 반전이 발생할 경우 전략이 큰 손실을 입을 수 있습니다. 또한 매개변수 설정이 부적절하면 과도한 거래나 좋은 거래 기회를 놓칠 수 있습니다.
손절매를 설정하여 손실 위험을 통제할 수 있습니다. 동시에 매개변수 선택을 신중히 평가하여 과적합을 피해야 합니다.
최적화 방향
이 전략은 다음과 같은 측면에서 추가 최적화가 가능합니다:
-
손절매 및 이익실현 로직을 추가하여 수익을 고정하고 위험을 통제
-
매개변수 자동 적응 최적화 모듈을 추가하여 매개변수를 동적으로 조정
-
머신러닝 모델을 추가하여 추세 반전 지점을 판단하고 전략 승률을 더욱 향상
-
다양한 상품 및 시간 주기 적응성을 시도하여 일반화 능력 향상
요약
이 전략은 전반적으로 장기 추세에 기반하고 위험을 통제하는 퀀트 전략입니다. 추세 추종과 선형 회귀 방법을 융합하여 노이즈 거래 신호를 걸러낼 수 있습니다. 매개변수 튜닝을 통해 다양한 상품과 주기에 잘 적응할 수 있어, 연구 및 개선 가치가 있는 효과적인 전략입니다.
/*backtest
start: 2022-11-15 00:00:00
end: 2023-11-21 00:00:00
period: 1d
basePeriod: 1h
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/
// This source code is subject to the terms of the Mozilla Public License 2.0 at https://mozilla.org/MPL/2.0/
// © carefulCamel61097
// ################################################################################################- 1