개요

이 전략은 KAMA가 올라갈 때 더하고, KAMA가 떨어질 때 더 텅 비습니다. 이 전략은 이동 평균의 트렌드 추적 기능을 결합하고, KAMA의 동적 조정 기능을 결합하여 거래 신호의 품질을 향상시킵니다.

전략 원칙

이 전략의 핵심 지표는 캄프만의 자기 적응 이동 평균 (KAMA) 이다. KAMA는 시장의 변동의 크기에 따라 자신의 가중 인자를 동적으로 조정하여 곡선의 민감도를 높인다. 구체적으로, 시장의 변동이 커지면 KAMA의 곡선이 더 평평해지고, 시장의 변동이 작아지면 KAMA의 곡선이 더 민감해진다. 따라서 일부 잡음을 필터링 할 수 있으며, 새로운 트렌드 전환을 적시에 잡을 수 있다.

전략은 먼저 KAMA의 값을 계산한다. 그리고 KAMA 라인의 공백 상태를 판단한다: 클로즈 가격이 KAMA 라인을 넘으면 구매 신호가 발생한다. 클로즈 가격이 KAMA 라인을 넘으면 판매 신호가 발생한다.

우위 분석

이 전략의 가장 큰 장점은 KAMA 지표를 사용하여 트렌드를 판단하는 데 있습니다. KAMA 지표는 자체적으로 강력한 트렌드 추적 능력을 가지고 있으며, 시장 상황에 맞게 매개 변수를 동적으로 조정하여 더 신뢰할 수있는 거래 신호를 생성 할 수 있습니다. KAMA 지표는 단순 이동 평균과 지수 이동 평균에 비해 트렌드를 더 잘 식별하여 가짜 신호를 줄일 수 있습니다.

또한, 이 전략은 KAMA의 공백 상태만을 사용하여 트렌드 방향을 판단한다. 추가적인 필터 조건이 설정되지 않아 전략 논리를 단순화하고, 또한 변수가 적어 지나치게 최적화되는 위험을 줄여주며, 변수 안정성과 시장 간 적응성에 도움이 된다.

위험 분석

이 전략의 주요 위험은 KAMA 자체는 지연 지표로 거래 신호가 발생했을 때 시장 추세가 이미 반전되었을 수 있다는 것입니다. 이것은 정지 위험을 초래할 수 있습니다. 또한 KAMA 곡선에는 단기간의 흔들림이 발생할 수 있으며, 이는 몇 가지 빈번한 잘못된 신호를 일으킬 수 있습니다.

위험을 줄이기 위해, 변동률 지표, 거래량 지표 등과 같은 거래 신호를 확인하기 위해 다른 지표와 결합하는 것을 고려할 수 있습니다. 또한 파라미터를 적절히 조정할 수 있으며, Identification는 KAMA 곡선을 더 부드럽게 만듭니다.

최적화 방향

이 전략의 최적화 가능성은 매우 넓고, 다음과 같은 부분에서 시작될 수 있습니다.

1. MACD, 진동 지표 등과 함께 신호를 필터링하여 신호 품질을 향상시킵니다.

2. 이동 중지 또는 잔액 곡선 중지를 사용하여 단편 손실을 제어하는 손실 전략을 추가하십시오.

3. KAMA가 보다 효과적으로 트렌드를 포착할 수 있도록 최적화 매개 변수

4. 더 많은 시간 주기 분석을 추가하여 더 높은 시간 주기에서 큰 트렌드 방향을 결정합니다.

5. 기계 학습 방법을 사용하여 다양한 품종에 적합한 매개 변수를 자동으로 최적화합니다.

요약하다

이 전략은 전체적인 아이디어가 명확하고, KAMA 지표로 트렌드 방향을 판단하며, 트렌드 추적 능력, 논리 단순, 변수가 적은 등의 장점이 있다. 그러나 트렌드 반전의 지연 인식의 위험도 존재한다. 여러 가지 방법으로 이 전략을 최적화하여 효과를 더 높이고, 적응력을 더 넓힐 수 있다.