ChaoZhang
개요
이 전략은 IMACD, EMA, 1시 균형표와 같은 여러 가지 기술 지표를 통합하여 구매 및 판매 신호를 발송하는 데 사용되는 포괄적인 의사 결정 나무 모델을 구축합니다.
전략 원칙
- IMACD: ImpulseMACD와 ImpulseHisto를 통해 시장 동향을 더 잘 포착하는 강화된 MACD
- 1인칭 평형표: 교환선, 기준선, 선행선 A, 선행선 B 등을 그리며, 지지 및 저항 위치를 검출한다
- EMA 40: 추세 방향을 판단하는 보조
- IMACD, 클라우드 그래프 컴포넌트 및 EMA 40의 특정 관계에 따라 더하고 빈 신호를 발산한다.
다중 신호: IMACD이 특정 조건 색으로 설정되어 EMA 40이 클라우드 그래프의 상단 궤도 위에 있을 때 다중 신호
공백 신호: IMACD가 빨간색이고 EMA 40이 클라우드 그래프의 하단 궤도인 경우 공백
우위 분석
- 다중 지표 포트폴리오, 시장 동향을 종합적으로 판단하여 의사 결정의 정확성을 높여줍니다.
- 의사결정 트리 모델 분류가 명확하고 거래 신호 생성도 명확하다
- EMA 길이는 조정 가능하며 보조 판단의 유연성이 높습니다.
- 클라우드 그래프와 트렌드 지표와 결합하여 지원과 저항을 더 잘 식별합니다.
위험 분석
- 다중 지표 조합, 변수 설정이 복잡하다
- 잘못된 EMA 길이가 잘못된 거래 신호로 이어질 수 있습니다.
- 여러 지표에 집중해야 하는 것, 더 어려운 작업
위험 해소: 파라미터 설정을 최적화, EMA 길이를 조정, 운영 프로세스를 간소화한다.
최적화 방향
- 최적화 변수 설정, 전략 안정성 향상
- 단편적 손실을 통제하기 위한 전략
- 엄청난 양의 데이터를 기반으로 신호 품질을 향상시킵니다.
- 기계 학습 알고리즘과 결합하여 적응적 의사 결정 트리를 구축합니다.
요약하다
이 전략은 다양한 지표 식별 트렌드를 종합적으로 사용하여 의사 결정 나무 모델을 구축하여 거래 신호를 생성합니다. 신호 품질이 높고 정확도가 높으며 단계적으로 최적화 할 수 있습니다. 거래 위험을 제어하기 위해 변수 최적화 및 중지 손실 전략에주의를 기울여야하며 장기적으로 안정적인 수익을 얻을 수 있습니다.
전략 소스 코드
/*backtest
start: 2024-01-14 00:00:00
end: 2024-01-21 00:00:00
period: 30m
basePeriod: 15m
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/
//@version=5
strategy("Decision Tree Strategy: IMACD, EMA and Ichimoku [cryptoonchain]", overlay=true)
lengthMA = input(34, title="Length MA")
lengthSignal = input(9, title="Length Signal")
conversionPeriods = input.int(9, minval=1, title="Conversion Line Length")
basePeriods = input.int(26, minval=1, title="Base Line Length")
laggingSpan2Periods = input.int(52, minval=1, title="Leading Span B Length")
displacement = input.int(26, minval=1, title="Lagging Span")
emaLength = input(40, title="EMA Length") // Added user-configurable EMA length
calc_smma(src, len) =>
smma = float(na)
smma := na(smma[1]) ? ta.sma(src, len) : (smma[1] * (len - 1) + src) / len
smma
calc_zlema(src, length) =>
ema1 = ta.ema(src, length)
ema2 = ta.ema(ema1, length)
d = ema1 - ema2
ema1 + d
src = ohlc4
hi = calc_smma(high, lengthMA)
lo = calc_smma(low, lengthMA)
mi = calc_zlema(src, lengthMA)
md = (mi > hi) ? (mi - hi) : (mi < lo) ? (mi - lo) : 0
sb = ta.sma(md, lengthSignal)
sh = md - sb
mdc = src > mi ? (src > hi ? color.rgb(128, 255, 0, 26) : color.green) : (src < lo ? color.red : color.orange)
colorCondition = color.rgb(128, 255, 0, 26)
conversionLine = math.avg(ta.lowest(conversionPeriods), ta.highest(conversionPeriods))
baseLine = math.avg(ta.lowest(basePeriods), ta.highest(basePeriods))
leadLine1 = math.avg(conversionLine, baseLine)
leadLine2 = math.avg(ta.lowest(laggingSpan2Periods), ta.highest(laggingSpan2Periods))
// Use user-configurable length for EMA
ema40 = ta.ema(close, emaLength)
ebc = input(false, title="Enable bar colors")
barcolor(ebc ? mdc : na)
conversionLinePlot = plot(conversionLine, color=#2962FF, title="Conversion Line", display=display.none)
baseLinePlot = plot(baseLine, color=#B71C1C, title="Base Line", display=display.none)
laggingSpanPlot = plot(close, offset=-displacement + 1, color=#43A047, title="Lagging Span", display=display.none)
leadLine1Plot = plot(leadLine1, offset=displacement - 1, color=#A5D6A7, title="Leading Span A", display=display.none)
leadLine2Plot = plot(leadLine2, offset=displacement - 1, color=#EF9A9A, title="Leading Span B", display=display.none)
kumoCloudUpperLinePlot = plot(leadLine1 > leadLine2 ? leadLine1 : leadLine2, offset=displacement - 1, title="Kumo Cloud Upper Line", display=display.none)
kumoCloudLowerLinePlot = plot(leadLine1 < leadLine2 ? leadLine1 : leadLine2, offset=displacement - 1, title="Kumo Cloud Lower Line", display=display.none)
fill(kumoCloudUpperLinePlot, kumoCloudLowerLinePlot, color=leadLine1 > leadLine2 ? color.green : color.red)
a = (leadLine1 > leadLine2 ? leadLine1 : leadLine2)
b = (leadLine1 < leadLine2 ? leadLine1 : leadLine2)
if mdc == colorCondition and ema40 > a[displacement - 1]
strategy.entry("Long", strategy.long)
if mdc == color.red and ema40 < b[displacement - 1]
strategy.entry("Short", strategy.short)