1. 사각형
  2. 이중 이동 평균 역전 추적 전략

이중 이동 평균 역전 추적 전략

저자:차오장, 날짜: 2024-02-20 17:08:43
태그:

img

전반적인 설명

이중 이동 평균 반전 추적 전략은 이동 평균 크로스오버를 거래 신호로 활용하는 양적 거래 전략이다. 이 전략은 MACD 지표의 빠르고 느린 이동 평균 차이와 신호 라인과 거래 부피의 긴 / 짧은 비율을 결합하여 거래 신호를 형성하고 시장 반전 기회를 포착합니다.

전략 논리

이 전략은 주로 빠른 라인과 느린 라인의 관계를 판단합니다. 빠른 라인이 느린 라인을 넘을 때 구매 신호를 생성하고 빠른 라인이 느린 라인을 넘을 때 판매 신호를 생성합니다. 또한 MACD 차이 값의 긴 / 짧은 상태, 차이와 신호 라인의 관계, 거래 부피의 긴 / 짧은 상황 등을 기반으로 시장의 긴 / 짧은 상태를 포괄적으로 판단합니다.

구체적으로, 전략은 MACD 차이 값의 크기와 방향, 차이와 신호 라인 사이의 교차, 차이와 신호 라인 사이의 일관성 또는 반대 방향 등을 판단합니다. 이러한 상황은 침몰 후 하위 시장 리바운드 특성을 반영합니다. 또한, 거래 부피의 긴 / 짧은 분포는 보조 판단 지표로 사용됩니다.

차이와 신호선이 시장 반전 신호를 표시하고 거래 부피가 시장 반전을 확인하는 것과 일치하면 거래 신호가 생성됩니다.

장점

  • 두 개의 이동 평균 크로스오버를 사용하여 시장 전환점을 결정합니다.
  • 가짜 브레이크를 피하기 위해 거래량 판단을 포함합니다.
  • MACD 지표는 하위 부문 정서를 판단하고 리바운드 특징을 식별합니다.
  • 매개 변수의 높은 유연성

위험 과 해결책

  • 이동평균의 크로스오버로 인한 윙사 문제
    • 이동 평균 매개 변수를 조정, 문턱을 증가
  • 가짜 브레이크를 완전히 필터링할 수 없는 거래량
    • 실제 거래량 동향을 판단하기 위해 OBV와 같은 2차 지표를 포함합니다.
  • 부분 조정의 깊이와 강도를 판단 할 수 없습니다
    • 스톱 로스 증가, 중요한 지원 영역을 평가

최적화 방향

  • 규칙에 기반한 판단 대신 기계 학습 모델을 사용
    • 전략의 안정성 향상, 과잉 조정 감소
  • 스톱 로스 및 수익을 취하는 기법을 증가시킵니다.
    • 일부 수익을 확보하고 위험을 줄이세요
  • 감정 지표, 뉴스 분석을 포함합니다.
    • 모델 판단 정확성 향상
  • 다른 제품, 시장으로 항구
    • 테스트 전략 확장성

요약

이중 이동 평균 반전 추적 전략은 이동 평균, MACD 및 거래량과 같은 지표를 포괄적으로 고려합니다. 반전 신호를 캡처하여 적절한 반전 지점을 선택하여 포지션을 설정합니다. 이 전략을 최적화 할 수있는 많은 공간이 여전히 있으며 기계 학습 및 리스크 관리와 같은 기술로 탄력성과 수익성이 더 향상 될 수 있습니다.

/*backtest
start: 2024-01-20 00:00:00
end: 2024-02-19 00:00:00
period: 1h
basePeriod: 15m
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/

//@version=5
strategy("3 10 Oscillator Profile Flagging", shorttitle="3 10 Oscillator Profile Flagging", overlay=true)

signalBiasValue = input(title="Signal Bias", defval=0.26)
macdBiasValue = input(title="MACD Bias", defval=0.8)
shortLookBack = input( title="Short LookBack", defval=3)
longLookBack = input( title="Long LookBack", defval=10)

fast_ma = ta.sma(close, 3)
slow_ma = ta.sma(close, 10)
macd = fast_ma - slow_ma
signal = ta.sma(macd, 16)
hline(0, "Zero Line", color = color.black)

buyVolume = volume*((close-low)/(high-low))
sellVolume = volume*((high-close)/(high-low))
buyVolSlope = buyVolume - buyVolume[1]
sellVolSlope = sellVolume - sellVolume[1]
signalSlope = ( signal - signal[1] )
macdSlope = ( macd - macd[1] )
//plot(macdSlope, color=color.red, title="Total Volume")
//plot(signalSlope, color=color.green, title="Total Volume")
intrabarRange = high - low

getLookBackSlope(lookBack) => signal - signal[lookBack]
getBuyerVolBias(lookBack) =>
    j = 0
    for i = 1 to lookBack
        if buyVolume[i] > sellVolume[i]
            j += 1
    j

getSellerVolBias(lookBack) =>
    j = 0
    for i = 1 to lookBack
        if sellVolume[i] > buyVolume[i]
            j += 1
    j

getVolBias(lookBack) =>
    float b = 0
    float s = 0
    for i = 1 to lookBack
        b += buyVolume[i]
        s += sellVolume[i]
    b > s

getSignalBuyerBias(lookBack) =>
    j = 0
    for i = 1 to lookBack
        if signal[i] > signalBiasValue
            j += 1
    j

getSignalSellerBias(lookBack) =>
    j = 0
    for i = 1 to lookBack
        if signal[i] < ( 0 - signalBiasValue )
            j += 1
    j

getSignalNoBias(lookBack) =>
    j = 0
    for i = 1 to lookBack
        if signal[i] < signalBiasValue and signal[i] > ( 0 - signalBiasValue )
            j += 1
    j

getPriceRising(lookBack) =>
    j = 0
    for i = 1 to lookBack
        if close[i] > close[i + 1]
            j += 1
    j


getPriceFalling(lookBack) =>
    j = 0
    for i = 1 to lookBack
        if close[i] < close[i + 1] 
            j += 1
    j

getRangeNarrowing(lookBack) =>
    j = 0
    for i = 1 to lookBack
        if intrabarRange[i] < intrabarRange[i + 1] 
            j+= 1
    j

getRangeBroadening(lookBack) =>
    j = 0
    for i = 1 to lookBack
        if intrabarRange[i] > intrabarRange[i + 1] 
            j+= 1
    j

bool isNegativeSignalReversal = signalSlope < 0 and signalSlope[1] > 0
bool isNegativeMacdReversal = macdSlope < 0 and macdSlope[1] > 0

bool isPositiveSignalReversal = signalSlope > 0 and signalSlope[1] < 0
bool isPositiveMacdReversal = macdSlope > 0 and macdSlope[1] < 0

bool hasBearInversion = signalSlope > 0 and macdSlope < 0
bool hasBullInversion = signalSlope < 0 and macdSlope > 0

bool hasSignalBias = math.abs(signal) >= signalBiasValue
bool hasNoSignalBias = signal < signalBiasValue and signal > ( 0 - signalBiasValue )

bool hasSignalBuyerBias = hasSignalBias and signal > 0
bool hasSignalSellerBias = hasSignalBias and signal < 0

bool hasPositiveMACDBias = macd > macdBiasValue
bool hasNegativeMACDBias = macd < ( 0 - macdBiasValue )

bool hasBullAntiPattern = ta.crossunder(macd, signal)
bool hasBearAntiPattern = ta.crossover(macd, signal)

bool hasSignificantBuyerVolBias = buyVolume > ( sellVolume * 1.5 )
bool hasSignificantSellerVolBias = sellVolume > ( buyVolume * 1.5 )

// 7.48 Profit 52.5% 
if ( hasSignificantBuyerVolBias and getPriceRising(shortLookBack) == shortLookBack  and getBuyerVolBias(shortLookBack) == shortLookBack and hasPositiveMACDBias and hasBullInversion)
    strategy.entry("Short1", strategy.short)
strategy.exit("TPS", "Short1", limit=strategy.position_avg_price - 0.75, stop=strategy.position_avg_price + 0.5)

// 32.53 Profit 47.91%
if ( getPriceFalling(shortLookBack) and (getVolBias(shortLookBack) == false) and signalSlope < 0 and hasSignalSellerBias)
    strategy.entry("Long1", strategy.long)
strategy.exit("TPS", "Long1", limit=strategy.position_avg_price + 0.75, stop=strategy.position_avg_price - 0.5)
더 많은

2019 FMZ - 모든 권리 보호