ChaoZhang
개요
이중 무작위 필터 날카로운 산란 분석 전략은 산란 분석 지표 ((AO) 와 가격 동작 사이의 오차를 감지하여, 무작위 지표의 과매매 과매매 상태를 추가 필터링 조건으로 결합하여 잠재적인 구매 및 판매 기회를 식별한다.
전략 원칙
이 전략은 다음과 같은 구성 요소로 구성됩니다.
분산 분석 (AO) 의 계산: AO는 5기 및 34기 HL2의 간단한 이동 평균 (SMA) 의 차치 값으로, 시장 동력의 추진 동력을 식별한다.
무작위 지표: 무작위 지표는 종전 가격과 특정 주기 내의 가격 범위를 비교하여 동력을 측정하고 잠재적인 역점을 측정합니다. 여기서는 14 단계의 무작위 지표 ((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((
이차 탐지 논리: 가격이 한 방향으로 이동 (上下) 하고 AO는 반대 방향으로 이동할 때 이차가 존재한다는 것을 확인한다. 여기에 단순화된 이차 탐지 논리가 사용된다.
무작위 지표 필터링: 신호는 무작위 지표 상태를 통해 필터링되며, 신호를 팔 때 과매도 상태, 신호를 살 때 과매도 상태이다.
신호 그리기: 모양을 그래프에 그리면서 필터링된 거래 신호를 그리는 것이다.
전략 입시: 다중 입시 신호가 확인될 때 더하고, 공허 입시 신호가 확인될 때 공허한다.
우위 분석
이 전략은 트렌드 팔로잉과 역전 인식의 장점을 결합하여 높은 신뢰성을 갖는다. 구체적인 장점은 다음과 같다:
AO는 시장의 단기 경향의 변화를 식별하는 데 도움이 되며, 가격의 이탈과 함께 전략적 신호의 원천으로 신뢰성이 높다.
무작위적으로 지표의 상태를 확인하여 과매매가 아닌 과매매가 아닌 경우 가짜 신호를 발생하지 않도록 한다.
여러 지표들을 조합하여 시장 상태를 종합적으로 판단하고 신뢰성이 좋다.
전략 입시 신호는 명확하고, 동작 규칙은 간단하고, 실행하기 쉽다.
지표와 매개 변수 선택이 합리적이고, 재검사 성능이 좋으며, 실체 검증 효과가 좋다.
위험 분석
이 전략에는 다음과 같은 위험도 있습니다.
신호에서 벗어난 판단은 너무 단순하여 오판이 발생할 수 있다. 오판의 위험을 오프닝 논리를 최적화하여 줄일 수 있다.
지표 매개 변수 정적 설정, 다른 시장 조건에 따라 효과가 다를 수 있다. 매개 변수 최적화 또는 적응 매개 변수 설정으로 개선할 수 있다.
무작위 지표 필터링은 일부 거래 기회를 놓칠 수 있습니다. 필터링 조건을 조정하여 더 많은 기회를 잡을 수 있습니다.
다수 공수점 포지션 통제는 엄격하지 않으며 손실을 잘 제어 할 수 없습니다. 손실을 중지하는 조건을 설정하거나 포지션 관리 규칙을 최적화 할 수 있습니다.
최적화 방향
이 전략은 다음의 몇 가지 측면에서 더 개선될 수 있습니다.
신호의 인식 논리를 최적화하여 신호 품질을 향상시킵니다.
다양한 변수 조합을 테스트하여 최적의 변수를 찾습니다.
단독 손실을 엄격하게 통제하는 손실을 막는 전략을 강화하십시오.
포지션 크기와 포지션 관리 전략을 최적화하십시오.
기계 학습 알고리즘을 도입하여 파라미터와 규칙의 동적 최적화를 구현한다.
더 많은 데이터 소스를 추가하여 다중 요소를 실행하십시오.
요약하다
이중 무작위 필터 날카로운 분산 분석 전략은 AO와 가격 이탈 신호를 결합한 무작위 지표 필터링을 통해 트렌드 캡처 및 역전 인식의 효과적인 결합을 구현합니다. 이 전략의 작동 규칙은 명확하고, 재검토 성능이 좋으며, 강력한 실전 가치를 가지고 있습니다. 지속적인 최적화를 통해 더 뛰어난 시뮬레이션 거래와 실전 디스크 효과를 얻을 수 있습니다.
/*backtest
start: 2024-01-01 00:00:00
end: 2024-01-31 23:59:59
period: 4h
basePeriod: 15m
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/
//@version=5
strategy("Fixed AO Divergence Strategy", shorttitle="Fixed AO+Stoch", overlay=true)
// Calculate Awesome Oscillator
ao() => ta.sma(hl2, 5) - ta.sma(hl2, 34)
aoVal = ao()
// Stochastic Oscillator
stochK = ta.stoch(close, high, low, 14)
stochD = ta.sma(stochK, 3)
// Simplify the divergence detection logic
// For educational purposes, we will define a basic divergence detection mechanism
// Real-world application would require more sophisticated logic
// Detect bullish and bearish divergences based on AO and price action
bullishDivergence = (close > close[1]) and (aoVal < aoVal[1])
bearishDivergence = (close < close[1]) and (aoVal > aoVal[1])
// Stochastic Overbought/Oversold conditions
stochOverbought = (stochK > 80) and (stochD > 80)
stochOversold = (stochK < 20) and (stochD < 20)
// Filtered signals
confirmedBullishSignal = bullishDivergence and stochOversold
confirmedBearishSignal = bearishDivergence and stochOverbought
// Plot signals
plotshape(series=confirmedBullishSignal, style=shape.triangleup, location=location.belowbar, color=color.green, title="Bullish Divergence", text="BUY")
plotshape(series=confirmedBearishSignal, style=shape.triangledown, location=location.abovebar, color=color.red, title="Bearish Divergence", text="SELL")
// Strategy Entry
if (confirmedBullishSignal)
strategy.entry("Long", strategy.long, comment="Long Entry")
if (confirmedBearishSignal)
strategy.entry("Short", strategy.short, comment="Short Entry")