ChaoZhang
개요
이 전략은 주식이나 다른 금융 자산에 기반한 순수 시간 순서 데이터로, 인덱스 이동 평균 (EMA) 의 평준화 인자를 동적으로 계산하여 구매 신호의 촉발을 달성하기 위해 적응적으로 경로를 조정합니다. 이 전략의 주요 아이디어는 순수 가치 데이터 자체에 포함 된 모든 정보를 사용하여 순수 가치 변화의 복잡성을 계산하여 EMA 평준화 인자를 동적으로 조정하여 역동적인 변화의 경로를 얻습니다. 가격이 경로를 돌파 할 때 더 많이 입장을 열고 경로를 돌파 할 때 평준화하십시오.
전략 원칙
- 순가치 데이터의 효율 비율을 계산한다 (ER), 즉 순가치 변화량과 총 변화량의 비율이다. ER 값이 작을수록 순가치 변화량이 평평한 것으로 나타난다. ER 값이 클수록 순가치 변화량이 급격한 것으로 나타난다.
- ER를 pine_ema 함수의 평형 인수 alpha로, EMA의 평균값과 절대 편차를 동적으로 계산한다.
- EMA의 평균값을 더하고 절대 편차를 줄여서 역동적인 변화의 상승과 하락을 얻는다.
- 현재 순자산이 궤도 상위 돌파를 할 때 더 많은 포지션을 열고, 궤도 하위 돌파를 할 때 평형 포지션을 한다.
전략적 이점
- 순수 시간열 데이터에 포함된 모든 정보를 최대한 활용하고, 어떤 매개 변수나 최적화를 설정할 필요가 없으며, 방법은 간결하고 자연스럽다.
- 동적으로 ER를 계산하여 EMA 평준 인자를 조정하여 순가 변동의 복잡성에 적응할 수 있으며 시장 변화에 유연하게 대응할 수 있다.
- 기존의 고정 변수 EMA와 비교하여, 동적 EMA는 거래 횟수 및 보유 시간을 효과적으로 줄이고, 거래 비용과 위험을 줄일 수 있다.
- 효과적으로 통제할 수 있는 철수. 구매 보유에 비해 이 전략은 최대 철수를 2~3배 줄일 수 있고, 같은 철수에서 수익을 2~3배 높일 수 있다.
- 여러 정책의 조합에 편리하게 적용할 수 있으며, 정책 자동 전환의 목적을 달성한다.
전략적 위험
- 이 전략은 당기순시열 데이터에 기초하고 있으며, 가격운동이 근본적으로 역전될 경우 평준화의 속도가 느려져 수익에 영향을 미칠 수 있다.
- 이 전략은 자율적으로 변수를 조정할 수 있지만, 극단적인 상황에 대한 적응성은 더 많은 연구가 필요합니다.
- 이 전략은 현재는 주로 더 많은 일을 하는 경우를 대상으로 하고 있고, 더 많은 일을 하는 경우를 개선해야 한다.
- 실제 적용에서, 이 전략은 선택 지표의 품질에 대한 요구가 높으며, 장기적으로 상승하는 지표를 선택해야 한다.
전략 최적화 방향
- ER의 계산 방법을 더욱 최적화하여, 순자치 변화 특성을 반영하는 지표를 더 많이 도입하여, ER의 안정성과 유효성을 향상시키는 것을 고려할 수 있다.
- 이 전략의 수익성과 위험성을 높이기 위해 이동식 스톱 스톱, 비율로 스톱 스톱 등을 고려하는 것과 같은 더 자세한 조건이 추가될 수 있습니다.
- 다양한 기준과 시장 환경에 맞게 전략에 대한 파라미터 최적화 및 적응성 조정이 가능하며, 전략의 보편성을 높일 수 있다.
- 이 전략은 다른 전략 (트렌드 추적, 평균 회귀 등) 과 조합하여 다른 전략의 장점을 발휘하여 포트폴리오의 안정성과 수익성을 향상시킬 수 있습니다.
요약하다
이 전략은 동적으로 계산 효율비율 (ER) 을 지수 이동 평균 (EMA) 의 평준화 인자로 조정하여 구매 신호의 촉발을 실현한다. 이 전략은 당기순시열 데이터에 포함된 정보를 최대한 활용하고, 과도한 파라미터 설정 및 최적화가 필요하지 않으며, 방법은 간단하고 자연스럽고, 시장 변화에 유연하게 대응할 수 있으며, 회수를 효과적으로 제어한다. 그러나 이 전략은 극단적인 상황의 적응성에 대한 추가 조사가 남아 있으며, 실제 응용에서 지표에 필요한 선택 사항에 주의한다.
전략 소스 코드
/*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