양적 거래 전략 - 양적 트렌드 추적 개시

저자:차오장, 날짜: 2024-01-12 14:46:04
태그:

전반적인 설명

이 전략은 가격 움직임의 추세를 추적하고 거래량 변화와 결합하여 양 트렌드를 발견하는 자동 오픈 작업을 실현합니다. 이 전략은 이동 평균 시스템을 사용하여 가격 변화 추세를 판단하고 열기 확인 신호와 같은 방향으로 거래량 변화를 결합합니다.

전략 원칙

양적 거래 전략 양적 트렌드 추적 오픈의 핵심 논리는 가격 움직임 트렌드와 거래량 변화 사이의 일치 관계를 추적하는 데 기반합니다. 구체적으로, 전략은 종료 가격과 오픈 가격 사이의 차이를 가격 변화로 사용하고, 그 다음 하루 거래량으로 곱하여 가격과 거래량 합동 곡선을 얻을 수 있습니다. 이 합동 곡선은 가격 변화 트렌드를 반영 할 수 있으며 거래량은 동시에 관계를 동반합니다. 다음 양적 트렌드 벤치마크로이 합동 곡선의 이동 평균을 계산합니다. 합동 곡선이 이동 평균을 침투하면 구매 신호가 생성됩니다. 이동 평균 이하로 떨어지면 판매 신호가 생성되며, 이로 인해 가격 트렌드 변화의 양적 추적의 개막 작업을 실현합니다.

이점 분석

이 전략은 가격 움직임 추세와 거래량 변화와 결합하여 일부 가격에 민감하지 않은 잘못된 추세를 효과적으로 필터링하고 오픈 위험을 줄이고 오픈 정확도를 향상시킵니다. 순수한 가격 기술 지표와 비교하면 양적 추적의 효과가 더 좋습니다. 이 전략은 또한 움직이는 평균 시스템을 사용하여 동적 벤치마크 라인을 설정합니다. 이는 시장 조건의 변화에 자동으로 적응하고 높은 유연성을 가지고 있습니다.

위험 분석

이 전략은 양적 추세의 합리성을 결정하기 위해 주로 가격-용량 관계에 의존한다. 가격과 부피 사이의 관계가 일치하지 않으면 잘못된 판단 위험이 증가할 수 있다. 또한, 이동 평균 매개 변수들의 부적절한 설정은 전략 효과에도 영향을 미칠 것이다. 다양한 품종과 시장 환경에 최적화되고 테스트되어야 한다.

최적화 방향

트렌드 품질을 결정하기 위해 변동성 지표를 사용하거나 시장 심리학을 결정하기 위해 감성 지표를 도입하는 등 전략을 최적화하기 위해 더 많은 필터를 결합하는 것을 고려하십시오. 또한 최적의 매개 변수 포트폴리오를 찾기 위해 다른 이동 평균 시스템에서 전략 효과의 변화를 테스트 할 수 있습니다. 추후 최적화의 방향은 규칙을 판단하는 기계 학습 모델 훈련을 추가하는 것입니다.

요약

이 양적 거래 전략은 가격 트렌드와 거래량 관계를 추적하고 판단하는 것을 기반으로 자동 오픈을 실현하고, 거래 열정을 가진 가격 트렌드를 일치시키는 것을 정량화함으로써 유효하지 않은 신호를 효과적으로 필터링하고 오픈의 성공률을 향상시킬 수 있습니다. 전략 최적화에 여전히 많은 공간이 있습니다. 지속적인 연구와 개선이 가치가 있습니다.

/*backtest
start: 2023-12-12 00:00:00
end: 2024-01-11 00:00:00
period: 30m
basePeriod: 15m
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/
// © avsr90

//@version=5
strategy(title="Lp-Op vol",shorttitle="LPV", max_bars_back = 5000,overlay=false,format=format.volume )

//Resolutions

Resn=input.timeframe(defval="",title="resolution")
Resn1=input.timeframe(defval="D",title="resolution")

//Intraday Open and Last Price and Last price- Open Price calculations.

Last_Price=math.round_to_mintick(close)
Open_Price = request.security(syminfo.tickerid ,Resn1,close[1],barmerge.gaps_off, barmerge.lookahead_on) 
Op_Cl=math.round_to_mintick(Last_Price-Open_Price)


//length from Intra Day Open Price 
 
Nifnum= ta.change(Open_Price)
Length_Intraday=int(math.max(1, nz(ta.barssince(Nifnum)) + 1))

//Input for Length for Volume 

Length_Vol=input(defval=20, title="L for Vol")

// Last Price- Open price Volume, Average Intraday Last price-Open Price Volume 
//and  Volume Bars  calculations.

Op_Cl_Vol=(Op_Cl*volume)
Avg_Vol_Opcl=ta.sma(Op_Cl_Vol,Length_Intraday)
Vol_Bars=ta.sma(volume,Length_Vol)

//Plots 
plot(Op_Cl_Vol,color=Op_Cl_Vol>0 ? color.green:color.red,title="OPCLV")
plot(Avg_Vol_Opcl, title="Avg Vol", color=color.fuchsia)
plot(Vol_Bars, title="Vol Bars", color=color.yellow)

//Strategy parameters 

startst=timestamp(2015,10,1)

strategy.entry("lo",strategy.long,when= ta.crossover(Op_Cl_Vol,Avg_Vol_Opcl) and ta.crossover(volume,Vol_Bars))
strategy.entry("sh",strategy.short,when=ta.crossunder(Op_Cl_Vol,Avg_Vol_Opcl)and ta.crossunder(volume,Vol_Bars ))

더 많은

2019 FMZ - 모든 권리 보호