
지능형 집적 구매 전략은 개념의 증명 전략이다. 그것은 재귀 구매 전략과 기술 분석에 기반한 입출력 전략의 조합이다.
이 전략은 자금의 일부를 배분하고 기술 분석 조건이 유효할 때 계속 포지션을 증가시킵니다. 탈퇴 기술 분석 조건을 사용하여 탈퇴 전략을 정의합니다.
적자 포지션에 포지션을 증가시켜 평균 가격 하락을 달성할 수 있고, 더 급진적인 방법을 선택하여 수익 포지션에 포지션을 증가시킬 수 있다.
전체 수익을 탈퇴하거나 같은 크기의 수익을 여러 번 탈퇴 할 수 있습니다.
탈퇴 조건이 손실로 포지션을 닫을 수 있는지, 또는 최소 휴식 비율을 요구할 수 있는지에 대해서도 결정할 수 있습니다.
이 전략은 기본으로 기술 분석 입시 및 퇴출 조건을 포함하고 있으며, 이 전략의 아이디어를 보여주는 데에만 사용되지만, 이 스크립트의 최종 목적은 입시 및 퇴출 결정을 외부 소스에 위임하는 것입니다.
내부 조건은 RSI 길이가 7 크로스 1 배 표준 차이는 브린 벨트 아래로 입장하고, 위에서 퇴장한다.
주문 수를 설정 중 매개 변수를 통해 제어할 수 있습니다:
이 스크립트는 매일 또는 매주 반복적으로 구매하는 대안으로 의도되었지만, 기술 분석 조건의 정확성에 따라 더 낮은 시간 에서도 수익성이있을 수 있습니다.
이 전략이 스마트 이라고 불리는 이유는 재귀 구매의 가장 일반적인 방법은 결정을 고려하지 않기 때문입니다: 지정된 빈도에서 어떤 경우에도 구매하십시오. 이 전략은 여전히 재귀 구매를 수행하지만, 불필요하게 지연되어 포지션이 수익성으로 진입하는 잠재적인 오류 진입 시기를 필터링합니다.
이 전략은 RSI 지표와 브린 밴드의 교차를 통해 입점과 출퇴근 시간을 판단한다. 구체적으로, RSI가 하향 궤도보다 낮을 때 입점 하락, RSI가 상향 궤도보다 높을 때 출퇴근을 본다.
또한, 전략은 사본과 분할 퇴출의 설정을 제공한다. 사본 수와 각 사용의 권리 비율의 합은 100에 해당해야 하며, 과도한 자금 사용을 방지한다. 이윤을 올리는 위치에 계속 입장을 허용하거나, 손실을 보는 위치에만 입장을 추가하여 평가를 낮추는 것을 선택할 수 있다.
퇴장할 때 모든 이윤을 퇴장시키거나, 세팅된 비율에 따라 세팅된 비율에 따라 일부 이윤을 퇴장시키기를 선택할 수 있다. 또한 최소 스톱 퍼센티지를 설정할 수 있다. 이 퍼센티지 이하의 이윤은 퇴장을 촉발하지 않는다.
전체적으로, 이 전략은 회귀 구매와 기술 분석 지표를 결합하여 일부 잘못된 신호를 필터링하여 더 안정적인 누적 구매를 구현하며, 자신의 위험 선호도에 따라 파라미터를 조정할 수 있는 유연한 퇴출 메커니즘을 설정합니다.
전통적인 회귀적 구매 전략에 비해 이 전략의 가장 큰 장점은 입점과 출퇴근에 기술 지표가 있어서 잘못된 신호를 필터링할 수 있다는 점입니다. 이것은 결정 없이 매일매일 구매하는 것과 대조된다. 구체적인 장점은 다음과 같습니다:
전체적으로, 이 전략은 재귀 구매의 정기적 인 장점 효과를 달성하고, 동시에 진입 및 퇴출의 기술 지표 판단을 증가시키고, 자신의 취향에 따라 매개 변수를 조정할 수 있으며, 맹목적 인 장점의 위험을 줄이고, 수익의 효율성을 향상시킵니다.
이 전략은 기술적 지표 필터링과 유연한 포지션 퇴출 메커니즘을 통해 위험을 줄이지만, 모든 전략에는 위험이 존재합니다. 주요 위험에는 다음과 같은 것들이 포함됩니다.
대응방법은 다음과 같습니다.
이 전략은 다음의 몇 가지 측면에서 더 개선될 수 있습니다.
기술 지표를 최적화하거나 교체하여 출전 정확도를 높일 수 있다. 다양한 매개 변수 또는 지표의 조합을 테스트하여 더 신뢰할 수 있는 신호를 선택할 수 있다.
스톱로스 전략을 추가한다. 현재 전략에는 스톱로스가 설정되어 있지 않으며, 회수 또는 다른 기준에 따라 스톱로스를 설정하여 최대 손실을 제어할 수 있다.
동적으로 조정할 수 있다. 포지션 수 또는 시장의 변동성에 따라 실시간으로 조정할 수 있다.
통합된 알고리즘 거래. 현재 전략은 간단한 지표로 구성되어 있으며, 기계 학습과 같은 알고리즘 모델에 대한 판단을 추가하여 의사 결정 수준을 향상시킬 수 있습니다.
최적화 매개 변수 설정. 매번 매장 자본의 비율, 매장 퇴장 비율 등의 매개 변수를 지속적으로 최적화하여, 위험을 통제하는 전제하에서 더 높은 수익률을 추구하는 것을 목표로 한다.
지능형 누적 구매 전략은 기술 지표 필터링을 통해 회귀 구매 전략의 정기적 인 입금 이점을 유지하면서 명확한 중지 중지 손실 퇴출 메커니즘을 설정하여 맹목적 인 입금 및 무목표 입금의 단점을 피합니다. 전략은 개인 위험 선호도에 따라 입금 및 퇴출 매개 변수를 고도로 사용자 정의 할 수 있으며, 장기 입금 보유자에게 매우 큰 이점이 있습니다.
물론 전략에는 특정 확률의 신호 오류와 PARAMETERSNTTTT의 부적절한 설정의 위험도 존재하며, 이는 지표와 매개 변수 및 보조적인 중지 수단의 계속적인 최적화를 통해 해결되어야 한다. 전체적으로, 이 전략은 재귀 구매에서 지능적 누적 구매로 중요한 진화를 형성하여 투자자에게 비교적 완벽하고 제어 가능한 긴 라인 포지션 프로그램을 제공합니다.
/*backtest
start: 2023-02-19 00:00:00
end: 2024-02-25 00:00:00
period: 1d
basePeriod: 1h
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/
// This Pine Script™ code is subject to the terms of the Mozilla Public License 2.0 at https://mozilla.org/MPL/2.0/
// © TheTradingParrot
//@version=5
strategy("TTP Intelligent Accumulator", overlay=true)
maxEntries = 0.0
if not na(maxEntries[1])
maxEntries := maxEntries[1]
rsi = ta.rsi(close, 7)
rsima = ta.sma(rsi, 14)
bbstd = ta.stdev(rsi, 14)
// plot(rsi)
// plot(rsima)
// plot(rsima - bbstd)
// plot(rsima + bbstd)
intEntry = rsi < rsima - bbstd
intExit = rsi > rsima + bbstd
maxEntries := math.max(strategy.opentrades, maxEntries)
plot(maxEntries, "maxEntries")
addWhileInProfit = input.bool(false, "Add while in profit")
extLong = input.bool(false, "", inline = "long")
entry = input.source(close,"entry", inline = "long") == 1
if not extLong
entry := intEntry
longCondition = entry and (strategy.opentrades == 0 or (not addWhileInProfit or close < strategy.position_avg_price))
if (longCondition)
strategy.entry("long", strategy.long)
minProfit = input.float(0.0, "Required profit % to exit")
exitPxcandle = input.float(100.0,"% exit per candle")
extShort = input.bool(false, "", inline = "exit")
exit = input.source(close,"exit", inline = "exit") == 1
if not extShort
exit := intExit
shortCondition = exit
if (shortCondition and strategy.opentrades > 0)
strategy.close("long", qty_percent = exitPxcandle)
plot(strategy.position_avg_price, "Avg")