ChaoZhang
개요
이 전략은 London 시간대 SMA 크로스 ETH 역전 거래 전략이라고 불린다. 이 전략의 주요 아이디어는 런던 거래 시간대의 높은 유동성을 활용하여 SMA 평행선의 황금 포크 도드 포크 신호를 결합하여 ETH/USDT의 메인 디지털 통화 거래 쌍을 역전 거래하는 것이다.
전략 원칙
이 전략의 핵심 논리는 먼저 런던 시간대의 거래 시간을 결정하고, 그 다음 특정 주기 SMA 평균선을 계산하고, 그 다음 런던 시간대에 가격이 SMA와 금이 나거나 사각지대가 발생했는지 판단하는 것입니다. 구체적으로, 이 전략은 먼저 런던 시간대의 시작과 끝을 정의하고, 그 다음 SMA 평균선의 길이의 변수를 50주기로 설정합니다. 이를 바탕으로, 이 전략은 ta.sma () 함수를 사용하여 50주기의 SMA 평균선을 계산합니다.
이 전략의 핵심 장점은 런던 시간대의 높은 유동성을 활용하여 거래하고 더 나은 진입 기회를 얻을 수 있다는 것입니다. 또한, SMA 평행의 금색 포크 사다리 신호는 고전적이고 효과적인 기술 지표 신호입니다. 따라서이 조합은 가짜 신호를 어느 정도 필터링하여 전략의 안정성과 수익률을 높일 수 있습니다.
전략적 이점
- 런던 시간대의 높은 유동성을 활용하여 더 나은 입학 시간을 얻을 수 있습니다.
- SMA 평균선 금叉死叉는 고전적이고 효과적인 기술 지표 신호입니다.
- 조합으로 사용하면 신호 품질을 향상시키고, 가짜 신호를 필터링할 수 있다.
- 반전 거래 방식, 단선 거래에 적합하다
- 높은 자본 활용률, 레버리지로 수익을 확대할 수 있다.
전략적 위험과 해결 방법
이 전략에는 다음과 같은 위험도 있습니다.
- 트렌드 시장에서 금포 사포 신호가 자주 타격될 수 있다.
- SMA 주기가 잘못 설정되어 너무 많은 가짜 신호가 발생할 수 있습니다.
- 역전환 거래는 불안정한 상황에 빠질 수 있습니다.
이러한 위험은 다음과 같은 방법으로 통제되고 해결될 수 있습니다.
- 트렌드 지표와 결합하여 트렌드 흔들림에서 사용하는 것을 피하십시오.
- 최적의 거래 주기를 찾기 위해 SMA 매개 변수를 최적화합니다.
- 단편적 손실을 제어하기 위해 스톱 손실을 설정합니다.
전략 최적화 방향
이 전략은 다음과 같은 부분에서 최적화될 수 있습니다.
- RSI, KD 등과 같은 다른 지표를 도입하여 조합하여 다중 지표 필터링 규칙을 형성하여 신호 품질을 향상시킬 수 있습니다.
- 최적의 거래 주기를 찾기 위해 SMA 평균의 주기 변수를 최적화 할 수 있습니다.
- SMA 평균선을 기반으로 더 긴 시간 주기 평균선을 도입하여 다중 평균선 교차 조합을 형성할 수 있습니다.
- 거래 시기를 최적화하여 어떤 시기가 가장 효과적인지 테스트할 수 있습니다.
- 기계 학습 알고리즘을 도입하여 신호를 훈련하고 필터링 할 수 있습니다.
요약하다
전체적으로 볼 때, 이 전략은 고 유동성 시간대 거래와 평선 교차의 클래식 기술 지표의 조합을 통해, 보다 간단하고 실용적인 단선 역전 거래 전략을 구현한다. 이 전략은 자금 사용률이 높고, 기술 지표가 단순하고, 실행하기 쉬운 등의 장점이 있다. 그러나 또한 약간의 위험이 있으며, 파라미터, 스톱로스 및 거래 시간대 등을 테스트하고 최적화해야 더 나은 안정적인 수익성을 얻을 수 있다.
/*backtest
start: 2023-01-11 00:00:00
end: 2024-01-17 00:00:00
period: 1d
basePeriod: 1h
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/
//@version=5
strategy("London SMA Strategy ", overlay=true)
// Define London session times
london_session_start_hour = 6
london_session_start_minute = 59
london_session_end_hour = 15
london_session_end_minute = 59
// Define SMA input parameters
sma_length = input.int(50, title="SMA Length")
sma_source = input.source(close, title="SMA Source")
// Calculate SMA
sma = ta.sma(sma_source, sma_length)
// Convert input values to timestamps
london_session_start_timestamp = timestamp(year, month, dayofmonth, london_session_start_hour, london_session_start_minute)
london_session_end_timestamp = timestamp(year, month, dayofmonth, london_session_end_hour, london_session_end_minute)
// Define backtesting time range
start_date = timestamp(2021, 1, 1, 0, 0)
end_date = timenow
// Filter for London session and backtesting time range
in_london_session = time >= london_session_start_timestamp and time <= london_session_end_timestamp
in_backtesting_range = time >= start_date and time <= end_date
// Long condition: Close price crosses above SMA during London session
long_condition = ta.crossover(close, sma)
// Short condition: Close price crosses below SMA during London session
short_condition = ta.crossunder(close, sma)
// Plot SMA for reference
plot(sma, title="SMA", color=color.blue)
// Strategy entries and exits
if (long_condition)
strategy.entry("Long", strategy.long)
if (short_condition)
strategy.entry("Short", strategy.short)