하이켄 아시 모멘텀 퀀트 전략

저자:차오장, 날짜: 2024-01-19 15:29:35
태그:

전반적인 설명

이 전략은 매일 헤이켄 아시 촛불을 기반으로 하며, 다른 시간 프레임에 걸쳐 동력 분석과 결합하여 현재 가격의 기본 지원을 동적으로 결정하고 진입 및 출구 지점을 식별합니다.

전략 논리

다른 시간 프레임에 걸쳐 Heiken Ashi 촛불의 폐쇄 가격을 계산하여 후속 추진 분석의 기초로 계산합니다.
오픈 가격과 역사적인 폐쇄 가격 사이의 비율 변화를 계산합니다. 월별 및 일간 시간 프레임 모두에 걸쳐. 이것은 역사적인 수준에 비해 현재 가격의 힘의 힘을 반영합니다.
일일 및 월간 모멘텀 변동의 평균을 취하십시오. 이것은 약간의 소음을 필터링하고 더 안정적인 모멘텀 벤치마크를 얻습니다.
평균 모멘텀 변동에 기초하여 현재 가격에 실제로 반영된 시장 지원 힘을 계산할 수 있습니다. 즉 시장 소음을 제외한 동적 모멘텀 문턱입니다.
클로즈 가격이 모멘텀 임계값을 넘으면 매월 장기 포지션이 시작됩니다. 가격이 임계값을 넘으면 포지션이 종료됩니다.

장점 분석

가장 큰 장점은 단순히 가격을 추격하는 대신 전략은 진입 및 출입 가격의 실제 지원 힘을 계산한다는 사실에 있습니다. 이것은 효과적으로 시장의 잡음을 필터링하고 안정적인 상승 추세를 파악 할 수 있습니다.

또한, 모든 기본 데이터는 하이켄 아시 촛불에서 파생되며, 이는 본질적으로 다른 유형의 촛불 전략에서 존재하는 연결된 시간 프레임에 대한 과도한 의존의 문제를 줄이는 데 도움이됩니다. 따라서 안정성은 더 좋습니다.

위험 분석

가장 큰 위험은 동력 계산이 역사적인 가격에만 의존한다는 것입니다. 기본 기업 기본 또는 시장 체제가 중대한 변화를 보인다면 역사적인 가격의 대표성이 감소하여 입출출을 식별하는 오류가 발생합니다.

또한, 전략은 월별 및 일일 시간 프레임을 활용합니다. 이것은 실시간 성능이 가장 좋지 않다는 것을 의미합니다. 급격한 가격 변화에 신속하게 대응할 능력이 부족합니다. 따라서 가격이 갑자기 변할 때 출구가 시간에 발생하지 않을 위험이 있습니다.

완화 가능한 방법은 더 높은 주파수 데이터와 회사 기본에 대한 실시간 피드백을 통합하는 것입니다. 또는 검증 및 최적화를 위해 더 주관적인 거래 신호로 보완합니다.

최적화 방향

이 전략이 더 향상될 수 있는 몇 가지 방법이 있습니다.

헤이켄 아시 촛불 자체를 더욱 향상시켜 무게 구성을 최적화합니다.
더 많은 시간 프레임을 통합하고, 안정성을 높이기 위해 기하급수적으로 평균된 점수 메커니즘을 구축합니다.
더 높은 주파수 데이터, 예를 들어 분자 바를 도입하여 실시간성을 향상시킵니다.
이윤 경고와 M&A 소문을 동력 계산에 포함시켜 회사의 기본 요소를 추가합니다.
월간 항목 위에 일 & 주 기반의 이익 취득 및 재입구 메커니즘을 추가하는 것을 고려하십시오.

결론

요약하자면, 전략은 전반적으로 매우 안정적이며, 모멘텀 추적은 위험을 효과적으로 제어합니다. 가장 큰 장점은 가격 자체보다는 가격의 근본적인 힘을 사용하여 진입 및 출입을위한 진정한 시장 조건을 결정하는 것입니다. 다음 단계는 더 높은 빈도와 더 많은 정보 데이터를 통합하여 더 나은 시장 기회를 활용함으로써 더 개선하는 것입니다.

/*backtest
start: 2023-01-12 00:00:00
end: 2024-01-18 00:00:00
period: 1d
basePeriod: 1h
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/

// This Pine Script™ code is subject to the terms of the Mozilla Public License 2.0 at https://mozilla.org/MPL/2.0/
// © FrancoPassuello

//@version=5
strategy("Heiken Ashi ADM", overlay=true)
haClose = (open + high + low + close) / 4
// prevHaOpen = line.new(na, na, na, na, width = 1)
haOpen = (open[1] + close[1]) / 2
// line.set_xy1(prevHaOpen, bar_index[1], nz(haOpen[1]))
// line.set_xy2(prevHaOpen, bar_index, haClose[1])


[monopen, _1monopen, _2monopen, _3monopen, _4monopen, _5monopen, _6monopen] = request.security(syminfo.tickerid, "M", [haOpen, haOpen[1], haOpen[2], haOpen[3], haOpen[4], haOpen[5], haOpen[6]] , barmerge.gaps_off, barmerge.lookahead_on)
[monclose, _1monclose, _3monclose, _6monclose] = request.security(syminfo.tickerid, "M", [haClose, haClose[1], haClose[3], haClose[6]] , barmerge.gaps_off, barmerge.lookahead_on)
[dayclose1, _21dayclose, _63dayclose, _126dayclose, dayclose] = request.security(syminfo.tickerid, "1D", [haClose[1], haClose[21], haClose[63], haClose[126], haClose], barmerge.gaps_off, barmerge.lookahead_on)
[dayopen1, _21dayopen, _63dayopen, _126dayopen] = request.security(syminfo.tickerid, "1D", [haOpen[1], haOpen[21], haOpen[63], haOpen[126]], barmerge.gaps_off, barmerge.lookahead_on)


get_rate_of_return(price1, price2) =>
    return_ = (price1/price2 -1)*100
    return_

m0 = get_rate_of_return(monclose, monopen)
m1 = get_rate_of_return(_1monclose, _1monopen)
m2 = get_rate_of_return(monclose, _2monopen)
m3 = get_rate_of_return(_1monclose, _3monopen)
m4 = get_rate_of_return(monclose, _4monopen)
m5 = get_rate_of_return(monclose, _5monopen)
m6 = get_rate_of_return(_1monclose, _6monopen)
MS = (m1 + m3 + m6)/100
CS = (m0 + m2 + m5)/100

d1 = get_rate_of_return(dayclose1, _21dayopen)
d2 = get_rate_of_return(dayclose1, _63dayopen)
d3 = get_rate_of_return(dayclose1, _126dayopen)
DS = (d1 + d2 + d3)/100

//Last (DAILY)
lastd_s_avg1 = DS/3

lastd_Approximate1 = dayclose1*(1-lastd_s_avg1)

last_approx1_d21 = lastd_Approximate1 / _21dayopen-1
last_approx1_d63 = lastd_Approximate1 / _63dayopen-1
last_approx1_d126 = lastd_Approximate1 / _126dayopen-1

lastd_s_avg2 = (last_approx1_d21 + last_approx1_d63 + last_approx1_d126) / 3
lastd_approximate2 = (dayclose1)*(1-(lastd_s_avg1 + lastd_s_avg2))
lastd_price = lastd_approximate2

//plot(lastd_price,color = color.rgb(255, 255, 255, 14), title = "Last momentum threshold")

//Last

last_s_avg1 = MS/3

last_Approximate1 = _1monclose*(1-last_s_avg1)

last_approx1_m1 = last_Approximate1 / _1monopen-1
last_approx1_m3 = last_Approximate1 / _3monopen-1
last_approx1_m6 = last_Approximate1 / _6monopen-1

last_s_avg2 = (last_approx1_m1 + last_approx1_m3 + last_approx1_m6) / 3
last_approximate2 = (_1monclose)*(1-(last_s_avg1 + last_s_avg2))
last_price = last_approximate2
Scoring_price = _1monclose*(1-CS)

plot(last_price,color = color.rgb(255, 255, 255, 14), title = "Last momentum threshold")
//plot(Scoring_price,color = color.rgb(234, 0, 255, 14), title = "Last momentum threshold")

//Long based on month close and being the first trade of the month.

var int lastClosedMonth = -1
limit_longCondition = _1monclose > last_approximate2 and (lastClosedMonth == -1 or month(time) != lastClosedMonth)

// Long based on day close and being the first trade of the month.
limit_Dlongcondition = dayclose1 > lastd_approximate2 and (lastClosedMonth == -1 or month(time) != lastClosedMonth)

// Close trade based on day close

DCloseLongCondition = dayclose1<lastd_approximate2

//Old standard Trading rules
longCondition = _1monclose > Scoring_price
MCloseLongCondition = _1monclose<Scoring_price
shortCondition = CS < 0

if (longCondition)
    strategy.entry("Long", strategy.long)


if (strategy.position_size > 0 and MCloseLongCondition)
    strategy.close("Long")
    lastClosedMonth := month(time)

더 많은

2019 FMZ - 모든 권리 보호