자금 데이터에 기초한 시간 계열 적응적 동적 기준 전략

저자:차오장, 날짜: 2024-04-01 10:48:52
태그:

전반적인 설명

이 전략은 주식 또는 다른 금융 자산의 순자산 가치의 시간 계열 데이터에 기반합니다. 기하급수적인 이동 평균 (EMA) 의 평형 인수로서 효율률 (ER) 을 동적으로 계산함으로써 구매 및 판매 신호를 유발하기 위해 상위 및 하위 대역을 적응적으로 조정합니다. 이 전략의 주요 아이디어는 순자산 가치 데이터 자체에 포함된 모든 정보를 사용하여 순자산 가치 변화 (ER) 의 복잡성을 계산하여 EMA 평형 인수를 동적으로 조정하고 동적으로 변화하는 상위 및 하위 대역을 얻습니다. 가격이 상위 대역을 넘으면 긴 지위를 열고 하위 대역을 넘으면 지위를 닫습니다.

전략 원칙

순자산 가치 데이터의 효율률 (ER) 을 계산합니다. 이는 순자산 가치 변화와 전체 변화의 비율입니다. ER 값이 작을수록 순자산 가치 변화가 더 안정적입니다. ER 값이 커질수록 순자산 가치 변화가 더 극적입니다.
자금 가치의 EMA 평균과 절대 오차를 동적으로 계산하기 위해 pine_ema 함수의 평형 인수 alfa로 ER를 사용하십시오.
동적으로 변화하는 상위 및 하위 대역을 얻기 위해 EMA 평균에서 절대적인 오차를 더하고 니다.
현재 순자산가치가 상단역을 넘어서면, 긴 포지션을 열고, 하단역을 넘어서면 포지션을 닫습니다.

전략적 장점

그것은 순자산 가치의 시간 계열 데이터에 포함 된 모든 정보를 완전히 활용합니다. 매개 변수를 설정하고 최적화 할 필요 없이, 방법은 간단하고 자연스럽습니다.
동적으로 ER를 계산하여 EMA 평형 인수를 조정함으로써 순자산 가치 변화의 복잡성에 적응하고 시장 변화에 유연하게 대응할 수 있습니다.
전통적인 고정 매개 변수 EMA와 비교하면 동적 EMA는 거래 수와 보유 시간을 효과적으로 줄여 거래 비용과 위험을 줄일 수 있습니다.
이 전략은 인출을 효과적으로 제어 할 수 있습니다. 구매 및 보유에 비해 이 전략은 최대 인출을 2-3배로 줄일 수 있습니다. 또는 동일한 인출에 따라 수익을 2-3배 증가시킬 수 있습니다.
그것은 쉽게 전략의 자동 /의 목적을 달성하기 위해 여러 전략의 조합에 적용 될 수 있습니다.

전략 위험

이 전략은 순자산 가치의 시간 계열 데이터에 기반합니다. 가격 추세가 근본적으로 역전되는 상황에서는 포지션 폐쇄를 유발하는 속도가 느려서 수익에 영향을 줄 수 있습니다.
이 전략은 매개 변수를 적응적으로 조정할 수 있지만 극단적인 시장 조건에 대한 적응성은 추가 조사가 필요합니다.
이 전략은 현재 주로 긴 포지션에 초점을 맞추고 있으며, 짧은 포지션에 대해서는 추가 개선이 필요합니다.
실제 적용에서 이 전략은 선택된 목표의 품질에 대한 더 높은 요구사항을 가지고 있으며, 장기적으로 상승 추세를 보이는 목표의 선택이 필요합니다.

전략 최적화 방향

ER를 계산하는 방법을 더 이상 최적화하고, 순자산 가치 변화의 특성을 반영하는 더 많은 지표를 도입하고, ER의 안정성과 효율성을 향상시키는 것을 고려하십시오.
개시 및 종료 조건을 더 정밀하게 작성하여 전략의 수익성 및 위험 저항성을 향상시키기 위해 후속 스톱 손실, 퍼센트 스톱 손실 등을 추가하는 것을 고려하는 것.
다른 목표와 시장 환경에 대해 매개 변수를 최적화하고 전략의 다재다능성을 향상시키기 위해 전략을 적응적으로 조정하십시오.
이 전략을 다른 전략 (트렌드 추적, 평균 반전 등) 과 결합하여 다른 전략의 장점을 활용하고 포트폴리오의 안정성과 수익성을 향상시킵니다.

요약

이 전략은 지수 이동 평균 (EMA) 의 평형 인자로서의 효율률 (ER) 을 동적으로 계산하고 상위 및 하위 대역을 적응적으로 조정하고 순자산 가치의 시간 계열 데이터에 포함된 정보를 완전히 활용하며, 너무 많은 매개 변수 설정 및 최적화 필요 없이 간단하고 자연적이며 시장 변화에 유연하게 대응하고 유출을 효과적으로 제어 할 수 있습니다. 그러나 극단적인 시장 조건에 대한 이 전략의 적응성은 추가 검사가 필요하며 실질적인 응용 분야에서 목표 선택에주의를 기울여야합니다. 향후, 우리는 전략의 견고성과 수익성을 향상시키기 위해 계산 방법, 개장 및 폐쇄 조건, 매개 변수 최적화, 조합 전략 등 측면에서 전략을 더욱 최적화하고 개선 할 수 있습니다.

/*backtest
start: 2023-03-26 00:00:00
end: 2024-03-31 00:00:00
period: 1d
basePeriod: 1h
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/

//@version=4
strategy('Equity control', 'EC')
// study('Exponential bands', 'EB', overlay = true)


er(src) =>
    var start = src
    var total = 0.0

    total += abs(src - nz(src[1], src))
    net    = abs(src - start          )
    
    net / total

pine_ema(src, alpha) =>
    mean = 0.0
    dev  = 0.0

    mean := na(mean[1]) ? src : (1 - alpha) * mean[1] + alpha *     src
    dev  := na(dev [1]) ? 0   : (1 - alpha) * dev [1] + alpha * abs(src - mean)

    [mean, dev]


src = input(close)


a           = er      (src   )
[mean, dev] = pine_ema(src, a)

dev_lower = mean - dev
dev_upper = mean + dev


// plot(dev_lower, 'lower deviation', color.silver, 2, plot.style_stepline)
// plot(mean     , 'basis'          , color.purple, 1, plot.style_stepline)
// plot(dev_upper, 'upper deviation', color.silver, 2, plot.style_stepline)


if src > dev_upper
    strategy.entry('event', true, comment = 'on')
if src < dev_lower
    strategy.close('event', comment = 'off')


plot(strategy.equity)

//bigDope

더 많은

2019 FMZ - 모든 권리 보호