ChaoZhang
개요
이 전략의 주요 아이디어는 평평한 가동 평균을 사용하여 평평한 가동 평균을 계산하여 가격 동향을 발견하고 가격과 평평한 가동 평균이 갈라졌을 때 더 많이 하고, 죽은 갈라졌을 때 공백을 하는 것이다.
전략 원칙
이 전략은 먼저 평평한 이동 평균을 계산하는 함수를 정의합니다. smoothedMovingAvg는 이전 주기 이동 평균 값과 최신 값을 사용하여 특정 무게에 따라 현재 주기 이동 평균을 계산합니다.
그 다음 getHAClose라는 함수를 정의하여, 개시, 최고, 최저, 그리고 종결 가격에 따라 시작 평균 선의 종결 가격을 계산한다.
메인 전략 논리에서는, 먼저 다양한 주기들의 원시 가격을 취득하고, 그 다음에는 smoothedMovingAvg 함수를 사용하여 평평한 이동 평균을 계산하고, 그 다음에는 getHAClose 함수를 사용하여 평평한 시작 종료 가격을 계산한다.
마지막으로, 가격이 상회하여 평평하게 닫힌 가격에 더 많이 할 때, 평평하게 닫힌 가격에 더 많이 할 때, 평평하게 닫힌 가격에 더 많은 것을 할 때, 평평하게 닫힌 가격에 더 많은 것을 할 때, 평평하게 닫힌 가격에 더 많은 것을 할 때, 평평하게 닫힌 가격에 더 많은 것을 할 때, 평평하게 닫힌 가격에 더 많은 것을 할 때.
우위 분석
이 전략의 가장 큰 장점은 평평한 이동 평균을 사용하여 평평한 가시 평균을 계산하여 가격 추세를 더 정확하게 판단하고, 일부 잡음을 필터링하여 흔들림에서 잘못된 신호를 피하는 것입니다. 또한, 가시 평균은 그 자체로 추세를 강조하는 장점이 있으며, 가격과 결합하여 사용하면 판단 정확도를 더욱 향상시킬 수 있습니다.
위험 분석
이 전략의 주요 위험은 다음과 같습니다.
- 평준화 매개 변수 설정이 잘못되면, 전략이 가격 회전 기회를 놓치거나 잘못된 신호를 발생시킬 수 있습니다. 반복적으로 재검토 및 최적화를 통해 최적의 매개 변수를 찾는 것이 필요합니다.
- 가격의 급격한 변동이 있을 때, 평평한 평균선은 가격 변화에 따라 지연될 수 있으며, 이로 인해 스톱 손실이나 반전 기회를 놓치게 된다. 이 때 포지션 회피 위험을 낮추는 것이 필요하다.
위와 같은 위험에 대해, 우리는 평형 매개 변수를 조정, 스톱 로즈 메커니즘을 도입, 단일 거래 포지션을 감소시키는 등의 방법을 통해 위험을 줄이고 전략의 안정성을 향상시킬 수 있습니다.
최적화 방향
이 전략은 다음과 같은 부분에서 최적화될 수 있습니다.
- 시장의 변동이 심해지면 자동으로 조정하는 조정 매개 변수를 추가합니다.
- 다른 지표와 결합하여 필터로 사용하여 가격 변동시 잘못된 신호를 피하십시오. MACD, KD 등.
- 단위 손실을 제어하기 위해 손해 제도를 추가한다. 비율 손해 또는 진동 손해를 설정할 수 있다.
- 거래 품종, 기간 등을 최적화하고, 가장 유리한 품종과 거래 기간에 집중한다.
위의 몇 가지 점들을 최적화함으로써, 전략의 곡선 적합성을 더욱 줄일 수 있고, 전략의 적응성과 안정성을 향상시킬 수 있다.
요약하다
이 전략의 전체적인 아이디어는 명확하고 이해하기 쉽다. 평평한 계몽을 계산하여 가격 흐름을 판단하고, 이에 따라 장기간 조치를 취한다. 최대 장점은 일부 잡음을 필터링하고, 신호 판단의 정확성을 향상시키는 데 있다. 그러나 특정 파라미터 최적화 어려움이 있으며, 빠른 반전을 놓칠 수 있는 위험도 있다. 자조응 메커니즘을 도입하거나, 지표 포괄을 넓히는 등의 수단으로 더 나아가 최적화 할 수 있으며, 깊이 있는 연구의 가치가 있다.
/*backtest
start: 2023-12-01 00:00:00
end: 2023-12-31 23:59:59
period: 1h
basePeriod: 15m
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/
//@version=5
strategy("Smoothed Heiken Ashi Strategy", overlay=true)
// Inputs
g_TimeframeSettings = 'Display & Timeframe Settings'
time_frame = input.timeframe(title='Timeframe for HA candle calculation', defval='', group=g_TimeframeSettings)
g_SmoothedHASettings = 'Smoothed HA Settings'
smoothedHALength = input.int(title='HA Price Input Smoothing Length', minval=1, maxval=500, step=1, defval=10, group=g_SmoothedHASettings)
// Define a function for calculating the smoothed moving average
smoothedMovingAvg(src, len) =>
smma = 0.0
smma := na(smma[1]) ? ta.sma(src, len) : (smma[1] * (len - 1) + src) / len
smma
// Function to get Heiken Ashi close
getHAClose(o, h, l, c) =>
((o + h + l + c) / 4)
// Calculate smoothed HA candles
smoothedHAOpen = request.security(syminfo.tickerid, time_frame, open)
smoothedMA1close = smoothedMovingAvg(request.security(syminfo.tickerid, time_frame, close), smoothedHALength)
smoothedHAClose = getHAClose(smoothedHAOpen, smoothedHAOpen, smoothedHAOpen, smoothedMA1close)
// Plot Smoothed Heiken Ashi candles
plotcandle(open=smoothedHAOpen, high=smoothedHAOpen, low=smoothedHAOpen, close=smoothedHAClose, color=color.new(color.blue, 0), wickcolor=color.new(color.blue, 0))
// Strategy logic
longCondition = close > smoothedHAClose
shortCondition = close < smoothedHAClose
strategy.entry("Buy", strategy.long, when=longCondition)
strategy.close("Buy", when=shortCondition)
plotshape(series=longCondition, title="Buy Signal", color=color.green, style=shape.labelup, location=location.belowbar)
plotshape(series=shortCondition, title="Sell Signal", color=color.red, style=shape.labeldown, location=location.abovebar)