
상대적으로 강한 지수 분산 전략은 상대적으로 강한 지수 ((RSI) 를 사용하여 잠재적인 가격 역전 기회를 식별하는 전략이다. 이 전략은 가격 움직임과 RSI 움직임 사이의 이탈을 발견하여 힘의 약화와 잠재적인 역전을 판단한다.
가격이 새로운 낮은 곳으로 갔지만 RSI가 새로운 낮은 곳으로 가지 않았을 때, 다목적 이탈, 하향 동력이 약화되고 있음을 나타냅니다. 상승 반전이 발생할 수 있습니다. 가격이 새로운 높은 곳으로 갔지만 RSI가 새로운 높은 곳으로 가지 않았을 때, 공백 이탈, 상향 동력이 약화되고, 하향 반전이 발생할 수 있습니다.
이 전략은 RSI의 오버 바이 오버 셀 레벨과 배어 판정과 결합하여 입점과 출구 시기를 최적화하고, 시장 역전을 포착하고, 거래 정확성과 수익성을 향상시킵니다. 다양한 거래 품종에 적용되며, 시장의 변동에 따라 거래자가 낮은 흡수 높은 팔기를하는 효과적인 도구입니다.
상대적으로 강한 지수 분산 전략은 다음과 같은 몇 가지 중요한 판단에 기반합니다.
RSI 값을 계산: 일정 기간 동안의 평균 상승과 평균 하락을 계산하여 0-100 범위의 RSI 지표를 얻는다.
과매매 판단: RSI 상에서 설정된 과매매 라인 (예: 70) 을 통과하면 과매매; RSI 아래에서 설정된 과매매 범위를 통과하면 (예: 30) 과매매.
탈퇴를 식별: 최신 가격 움직임이 RSI 움직임과 일치하는지 판단한다. 가격 혁신이 높고 낮은 경우 RSI가 없으면 탈퇴 현상이다.
복합 입출장: RSI 오버소드 영역이 나타난다면 다중 신호로 한다. RSI 오버소드 현상이 나타난다면 공백 신호로 한다.
스톱 스톱 손실을 설정: RSI가 다시 오버 바이 오버 소드 영역에 들어가면 평지 스톱
가격의 변동과 RSI의 변화를 비교하여 시장의 힘을 판단하여, 전략은 역전하기 전에 하락, 하락, 그리고 시장의 불합리한 변동에 대해 중매 할 수 있습니다.
상대적으로 강한 지수 분산 전략은 다음과 같은 장점이 있다:
시장 반전을 잡기: 가격과 RSI 사이의 오차를 발견하고, 시장의 힘이 쇠퇴하고, 반전 기회를 잡는 데 탁월한 전략
과매매와 과매매의 결합: RSI 지표 자체의 과매매와 과매매의 결합은 입점과 출구 지점을 더욱 최적화하는 데 도움이 됩니다.
전략은 간단하고 가볍습니다: 비교적 간단한 논리 및 파라미터 설정, 이해하기 쉽고 실행하기 쉽습니다.
범용성: 차분 계약, 디지털 통화 및 주식과 같은 다양한 품종에 적용되며 널리 사용됩니다.
이윤을 높여라: 상대적으로 기계화된 시스템 전략, 회수 조절이 가능하며, 장기적으로 안정적인 수익을 창출하는 데 도움이 된다.
비교적 강한 지수 분산 전략에는 다음과 같은 위험도 있습니다.
잘못된 신호의 위험: 가격과 RSI 사이의 오차가 지속되거나 반전되는 것은 아닙니다. 잘못된 신호가 있습니다.
매개 변수 최적화 어려움: RSI 매개 변수, 오버 바이 오버 셀 라인 등의 설정이 결과에 큰 영향을 미치며, 지속적인 테스트 최적화가 필요합니다.
시장의 비정상적 위험: 시장의 비정상적 변동이나 전략의 일반적인 남용이 있을 때, 실패할 수 있다.
기술 지표 지연: RSI와 같은 기술 지표는 일반적으로 지연되어 있으며, 전환점을 정확하게 판단할 수 없습니다.
엄격한 리스크 관리, 변수 설정을 조정, 다른 요소 분석과 결합하여 위험을 어느 정도 줄일 수 있습니다.
상대적으로 강한 지수 분산 전략은 다음과 같은 측면에서 최적화 될 수 있습니다:
RSI 변수를 최적화: RSI 계산 주기 조정, 다른 천일 변수의 실제 효과를 테스트한다.
다른 지표와 결합: MACD, KD 등 다른 기술 지표와 결합하여 크로스 검증을 형성한다.
손실을 증가시키는 방법: 원래의 정지 이외에 이동 손실 또는 진동 손실을 설정한다.
더 많은 품종에 적응: 다른 거래 품종에 대한 매개 변수를 조정하여 적용 범위를 확장하십시오.
딥 러닝을 활용: RNN와 같은 딥 러닝 모델을 사용하여 RSI 오차를 판단하여 오류 신호를 줄인다.
상대적으로 강한 지수 분산 전략은 가격 변화와 RSI 변화를 비교하여 시장의 역전 기회를 판단한다. 전략은 간단하고 명확하며, 보편성이 강하며, 단기 반전을 효과적으로 포착하여 초과 수익을 얻을 수 있다. 그러나 또한 어느 정도 효과가 제한된 위험이 있으며, 시장에 적응하기 위해 지속적인 최적화 테스트가 필요합니다.
/*backtest
start: 2024-02-13 00:00:00
end: 2024-02-20 00:00:00
period: 1m
basePeriod: 1m
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/
//@version=5
strategy("RSI Divergence Strategy", overlay=true)
// RSI Parameters
rsiLength = input(14, "RSI Length")
overboughtLevel = input(70, "Overbought Level")
oversoldLevel = input(30, "Oversold Level")
rsiValue = ta.rsi(close, rsiLength)
// Divergence detection
priceLow = ta.lowest(low, rsiLength)
priceHigh = ta.highest(high, rsiLength)
rsiLow = ta.lowest(rsiValue, rsiLength)
rsiHigh = ta.highest(rsiValue, rsiLength)
bullishDivergence = low < priceLow[1] and rsiValue > rsiLow[1]
bearishDivergence = high > priceHigh[1] and rsiValue < rsiHigh[1]
// Strategy Conditions
longEntry = bullishDivergence and rsiValue < oversoldLevel
longExit = rsiValue > overboughtLevel
shortEntry = bearishDivergence and rsiValue > overboughtLevel
shortExit = rsiValue < oversoldLevel
// ENTER_LONG Condition
if (longEntry)
strategy.entry("Long Entry", strategy.long)
// EXIT_LONG Condition
if (longExit)
strategy.close("Long Entry")
// ENTER_SHORT Condition
if (shortEntry)
strategy.entry("Short Entry", strategy.short)
// EXIT_SHORT Condition
if (shortExit)
strategy.close("Short Entry")