개요

이 전략은 다중 시간 프레임 EMA 지표와 K선 형태 판단을 결합하여 보다 민감한 긴선 신호 캡처 및 정지 퇴출을 구현한다.

전략 원칙

이 정책은 다음과 같은 몇 가지 지표에 기초하여 판단됩니다.

1. EMA 평균선: 13주기, 21주기 2군 EMA를 이용하여 가격 돌파가 거래 신호를 형성하는 것을 판단한다.

2. K선 형태: K선 개체 방향을 판단, EMA 지표와 함께 사용, 필터 가짜 돌파구.

3. 지원 저항: 최근 10주기 highest 고점을 사용하여 구축하여, 이 영역을 통해 신호 신뢰성을 강화하는 돌파구를 판단한다.

4. 상승 분 시간:120 주기close폐쇄가격이open폐쇄가격 위에 상승분으로 판단될 때, 보조 판단으로서

거래 신호 생성 규칙은 다음과 같습니다.

1. 다단 신호: 빠른 EMA는 상향으로 느린 EMA를 뚫고, K선으로 K선으로, 빈 창을 닫습니다.

2. 공중 신호: 빠른 EMA는 느린 EMA를 넘어 아래로 떨어지고, 음선 K선으로, 다중 포지션을 평행한다.

3. 스톱로스 탈퇴: 반박 신호가 발산될 때 스톱로스는 현재 포지션을 탈퇴한다.

전략적 이점

1. 다중 시간 프레임 EMA 지표, 트렌드를 판단하는 것이 더 신뢰할 수 있으며, 가짜 돌파구를 피한다.
2. K선 엔티티의 방향과 결합하여 필터링하여 트렌드를 더 정확하게 식별한다.
3. 시분 판단을 추가하고 저항 판단을 지원하여 신호 품질을 보장한다.
4. 손해배상금지법으로 손해배상 위험을 줄여주세요.

전략적 위험

1. 무효 돌파는 손실의 위험을 가져옵니다. 다중 시간 프레임 EMA와 K선 엔티티 판단을 도입하더라도 무효 돌파가 전략에 미치는 영향을 완전히 피할 수 없습니다.
2. 매개 변수 선택 위험. EMA 주기, K선 판단 주기 등의 매개 변수 설정을 잘못하면 신호 품질이 떨어질 수 있다.
3. 지원 저항 실패의 위험. 역사적 지원 저항 실패는 흔한 상황이며, 이는 또한 신호가 생성될 때 충분한 동력이 없다는 결과를 초래할 수 있다.
4. 시간적 실패 위험. 시간적 상황은 변화하고, 시간적 판단에 전적으로 의존할 수 없다.

위와 같은 위험은 과도한 최적화를 피하고, 신중하게 매개 변수를 선택하고, 포지션 크기를 엄격하게 통제하는 방법으로 완화될 수 있다.

전략 최적화 방향

1. 기계 학습 모델 보조 판단을 도입한다. K선 엔티티의 방향을 판단하는 분류 모델을 훈련시킬 수 있으며, 판단 정확도를 높일 수 있다.
2. 트레일링 스톱이나 변동률에 기반한 스톱과 같은 자율적 스톱 메커니즘을 추가합니다.
3. 감정적 분석과 결합하여, 언론의 여론을 판단하는 제도를 도입하여, 중요한 부정적인 뉴스가 전략에 영향을 미치지 않도록 한다.
4. 포지션 관리 모듈을 추가한다. 고정 포지션 비율을 도입하거나, 자금 관리에 기반한 포지션 조정 모듈이다.

요약하다

이 전략은 다중 시간 프레임 엠아 지표와 K선 엔티티 판단을 통합하여 보다 신뢰할 수 있는 추세 판단을 실현한다. 동시에 지원 저항과 분기 상황을 결합하여 보조하여 신호 품질을 보장한다. 반손 신호 메커니즘을 통해 중지 손실을 효과적으로 제어 할 수 있다. 머신 러닝 모델을 도입하여 자동으로 중지 손실, 감정 면 분석 및 위치 관리 모듈 등을 최적화하여 전략을 더 안정화 할 수 있다.