
이 전략은 부린 띠의 교차 신호에 기반하고 슬라이드 포인트와 가격 영향을 고려하는 통합 거래 시스템이다. 부린 띠의 오르락 내리락을 활용하여 잠재적인 과매매 지역과 과매매 지역을 식별하고 거래를 실행할 때 슬라이드 포인트와 가격 영향 요소를 고려하여 실제 시장 조건의 거래를 더 잘 모의합니다. 이 방법은 거래 전략의 신뢰성과 실용성을 높이기 위해 고도로 유동적인 시장 환경에 특히 적합합니다.
브린은 다음과 같이 계산합니다.
거래 신호:
가격에 영향을 미치는 점과 조정:
평지 조건:
시장의 변동성에 적응: 브린밴드는 시장의 변동성에 따라 자동으로 조정할 수 있어 전략은 다양한 시장 환경에서 유효성을 유지할 수 있다.
트렌드 추적과 반전 결합: 브린 띠 교차 신호를 통해, 전략은 트렌드 지속을 포착할 수 있고, 잠재적인 반전 기회를 잡을 수 있다.
실제 거래 비용 고려: 슬라이드 포인트와 가격 영향 요소를 포함하여 실제 거래 환경에 더 가깝게 전략을 만들고, 피드백 결과의 신뢰성을 높인다.
위험 관리: 브린 밴드를 동적인 지원 및 저항 수준으로 사용하여 위험을 제어하는 데 도움이됩니다.
유연성: 변수 설계로 전략은 다른 시장과 거래 품종에 따라 최적화 조정할 수 있습니다.
과도한 거래: 수평 시장에서 가격이 빈번하게 브린대를 통과하여 불필요한 거래가 발생할 수 있습니다.
뒤처진성: 브린띠는 뒤처진 지표로, 빠른 트렌드 변화에 반응하지 않을 수 있다.
높은 슬라이드 포인트와 가격 영향: 40%의 슬라이드 포인트와 가격 영향 설정이 너무 높아서 실제 거래가 실행되기 어렵거나 큰 손실이 발생할 수 있습니다.
가짜 브레이크 위험: 부린을 잠시 넘어서서 다시 내려가면 잘못된 거래 신호를 유발할 수 있다.
부가적인 확인의 부재: 브린밴드 신호에만 의존하고, 다른 기술 지표나 기본 분석의 확인이 없습니다.
거래량 지표 도입: 합성 거래량 분석을 통해 돌파구의 유효성을 확인하고 가짜 돌파구로 인한 위험을 줄일 수 있습니다.
트렌드 필터를 추가합니다. 예를 들어, 장기 이동 평균 또는 ADX 지표를 사용하여 주요 트렌드 방향에서 거래하는 것을 보장합니다.
슬라이드 포인트 및 가격 영향 파라미터를 최적화: 실제 시장 데이터에 따라 슬라이드 포인트 및 가격 영향 퍼센티지를 조정하여 실제 거래 조건에 더 적합하게 만듭니다.
역동적 상쇄를 실현: ATR 지표를 사용하여 시장의 변동성에 적응하기 위해 역동적 상쇄를 설정하는 것이 고려 될 수 있습니다.
시간 필터를 추가: 낮은 변동성이있는 시간 (아시아 디스크와 같은) 에서 거래를 피하여 신호 소음을 줄이십시오.
브린 밴드 파라미터를 최적화: 다양한 브린 밴드 길이와 배수를 시도하여 목표 시장에 가장 적합한 설정을 찾습니다.
기계 학습 알고리즘을 도입: 기계 학습 기술을 사용하여 입점 및 출퇴근 시간을 최적화하고 전략의 전반적인 성능을 향상시킵니다.
브린 띠 교차와 슬라이드 가격 영향 조합 전략은 기술 분석과 실제 거래 고려 사항을 결합한 포괄적 인 거래 시스템입니다. 브린 띠 지표를 통해 시장 움직임을 포착하고 슬라이드 및 가격 영향을 고려하여 실제 거래 방식에 더 가까운 거래 방법을 제공하는 것을 목표로합니다. 그러나 전략에는 과다 거래 및 가짜 돌파 등의 문제가 있습니다. 추가 확인 지표, 최적화된 파라미터 설정 및 강화 된 위험 관리를 도입함으로써 전략은 더 안정적이고 신뢰할 수있는 거래 시스템이 될 잠재력이 있습니다.
/*backtest
start: 2023-07-25 00:00:00
end: 2024-07-30 00:00:00
period: 1d
basePeriod: 1h
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/
//@version=5
strategy("Combined Strategy", overlay=true)
// Input parameters for Bollinger Band Strategy
bb_length = input.int(20, title="BB Length")
bb_mult = input.float(2.0, title="BB Mult")
// Input parameters for Slippage and Price Impact
slippage_percent = input.float(40.0, title="Slippage (%)") / 100 // 40% slippage
price_impact_percent = input.float(40.0, title="Price Impact (%)") / 100 // 40% price impact
// Calculating Bollinger Bands
basis_bb = ta.sma(close, bb_length)
deviation = bb_mult * ta.stdev(close, bb_length)
upper = basis_bb + deviation
lower = basis_bb - deviation
// Entry and exit conditions for Bollinger Band Strategy
longCondition = ta.crossover(close, upper)
shortCondition = ta.crossunder(close, lower)
closeLongCondition = shortCondition
closeShortCondition = longCondition
// Adjust entry price for slippage and price impact
slippage_adjustment = close * slippage_percent
price_impact_adjustment = close * price_impact_percent
slippage_price_impact_adjusted_long_price = close + slippage_adjustment + price_impact_adjustment
slippage_price_impact_adjusted_short_price = close - slippage_adjustment - price_impact_adjustment
// Strategy logic for Bollinger Band Strategy
if (longCondition)
strategy.entry("Long", strategy.long, limit=slippage_price_impact_adjusted_long_price)
if (shortCondition)
strategy.entry("Short", strategy.short, limit=slippage_price_impact_adjusted_short_price)
if (closeLongCondition)
strategy.close("Long")
if (closeShortCondition)
strategy.close("Short")
// Plotting Bollinger Bands
plot(upper, color=color.blue)
plot(lower, color=color.red)