ChaoZhang
개요
이 전략은 다중 기술 지표와 동적 위험 관리에 기반한 양적 거래 전략이다. 이 전략은 EMA 트렌드 추적, ATR 변동률, RSI 오버 바이 오버 시드 및 K선 형태 식별과 같은 여러 차원을 결합하여 조정 및 동적 스톱 손실에 적응하여 수익 위험을 균형을 맞추고 있다. 이 전략은 분기 스톱 및 이동 스톱 방식을 사용하여 수익을 보호한다.
전략 원칙
이 전략은 다음과 같은 요소들을 통해 거래가 이루어집니다.
- 5주기 및 10주기 EMA의 평균선 교차를 사용하여 트렌드 방향을 결정합니다.
- RSI 지표로 과매매 지역을 판단하여 추락을 막는 것을 피하십시오.
- ATR 지표를 사용하여 스톱 포지션과 포지션 크기를 동적으로 조정합니다.
- K선 형태를 결합한 (호수, , 유성) 보조 입구 신호로
- ATR 기반의 동적 슬라이포인트 보상 메커니즘
- 거래량 확인을 통해 가짜 신호를 필터링합니다.
전략적 이점
- 거래 신뢰성을 높이기 위한 다중 신호 크로스 검증
- 동적 위험 관리, 시장의 변동에 따라 적응
- 이윤의 일부를 합리적으로 고정하는 분량 차단 전략
- 이동식 상쇄로 수익을 보호할 수 있습니다.
- 일일 중지 제한을 설정하여 위험 노출을 제어합니다.
- 슬라이드 포인트 동적 보상, 주문 수확률 향상
전략적 위험
- 여러 지표로 인해 신호 지연이 발생할 수 있습니다.
- 자주 거래하는 것은 높은 비용을 초래할 수 있습니다.
- 불안한 시장에서 빈번한 손실이 발생할 수 있습니다.
- K선형 인식에는 주관적인 요소가 있다.
- 매개변수 최적화로 인해 과적합이 발생할 수 있습니다.
전략 최적화 방향
- 시장의 변동 주기를 판단하고, 동적 조정 파라미터를 도입
- 트렌드 강도 필터를 증가시켜 가짜 신호를 줄여줍니다.
- 포지션 관리 알고리즘을 최적화하여 자금 사용 효율을 높인다.
- 더 많은 시장 감정 지표 추가
- 적응형 매개변수 최적화 시스템 개발
요약하다
이것은 다중 기술 지표의 통합된 성숙한 전략 시스템이며, 동적 위험 관리 및 다중 신호 검증을 통해 거래의 안정성을 향상시킵니다. 전략의 핵심 장점은 자율 적응성과 완벽한 위험 제어 시스템이지만, 여전히 실물에서 충분한 검증과 지속적인 최적화가 필요합니다.
전략 소스 코드
/*backtest
start: 2024-10-01 00:00:00
end: 2024-10-31 23:59:59
period: 2h
basePeriod: 2h
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/
//@version=5
strategy("Optimized Scalping with High Risk-Reward", overlay=true)
// Input for EMA periods
shortEMA_length = input(5, title="Short EMA Length")
longEMA_length = input(10, title="Long EMA Length")
// ATR for dynamic stop-loss
atrPeriod = input(14, title="ATR Period")
atrMultiplier = input(1.5, title="ATR Multiplier for Stop Loss")
// Calculate EMAs
shortEMA = ta.ema(close, shortEMA_length)
longEMA = ta.ema(close, longEMA_length)
// ATR calculation for dynamic stop loss
atr = ta.atr(atrPeriod)
// RSI for overbought/oversold conditions
rsi = ta.rsi(close, 14)
// Plot EMAs
plot(shortEMA, color=color.blue, title="Short EMA")
plot(longEMA, color=color.red, title="Long EMA")
// Dynamic Slippage based on ATR
dynamic_slippage = math.max(5, atr * 0.5)
// Candlestick pattern recognition
bullish_engulfing = close[1] < open[1] and close > open and close > open[1] and close > close[1]
hammer = close > open and (high - close) / (high - low) > 0.6 and (open - low) / (high - low) < 0.2
bearish_engulfing = open[1] > close[1] and open > close and open > open[1] and close < close[1]
shooting_star = close < open and (high - open) / (high - low) > 0.6 and (close - low) / (high - low) < 0.2
// Enhanced conditions with volume and RSI check
buy_condition = (bullish_engulfing or hammer) and close > shortEMA and shortEMA > longEMA and volume > ta.sma(volume, 20) and rsi < 70
sell_condition = (bearish_engulfing or shooting_star) and close < shortEMA and shortEMA < longEMA and volume > ta.sma(volume, 20) and rsi > 30
// Dynamic ATR multiplier based on recent volatility
volatility = atr
adaptiveMultiplier = atrMultiplier + (volatility - ta.sma(volatility, 50)) / ta.sma(volatility, 50) * 0.5
// Execute buy trades with slippage consideration
if (buy_condition)
strategy.entry("Buy", strategy.long)
stop_loss_buy = strategy.position_avg_price - atr * adaptiveMultiplier - dynamic_slippage
take_profit_buy = strategy.position_avg_price + atr * adaptiveMultiplier * 3 + dynamic_slippage
strategy.exit("Exit Buy", "Buy", stop=stop_loss_buy, limit=take_profit_buy)
// Execute sell trades with slippage consideration
if (sell_condition)
strategy.entry("Sell", strategy.short)
stop_loss_sell = strategy.position_avg_price + atr * adaptiveMultiplier + dynamic_slippage
take_profit_sell = strategy.position_avg_price - atr * adaptiveMultiplier * 3 - dynamic_slippage
strategy.exit("Exit Sell", "Sell", stop=stop_loss_sell, limit=take_profit_sell)
// Risk Management
maxLossPerTrade = input.float(0.01, title="Max Loss Per Trade (%)", minval=0.01, maxval=1, step=0.01) // 1% max loss per trade
dailyLossLimit = input.float(0.03, title="Daily Loss Limit (%)", minval=0.01, maxval=1, step=0.01) // 3% daily loss limit
maxLossAmount_buy = strategy.position_avg_price * maxLossPerTrade
maxLossAmount_sell = strategy.position_avg_price * maxLossPerTrade
if (strategy.position_size > 0)
strategy.exit("Max Loss Buy", "Buy", stop=strategy.position_avg_price - maxLossAmount_buy - dynamic_slippage)
if (strategy.position_size < 0)
strategy.exit("Max Loss Sell", "Sell", stop=strategy.position_avg_price + maxLossAmount_sell + dynamic_slippage)
// Daily loss limit logic
var float dailyLoss = 0.0
if (dayofweek != dayofweek[1])
dailyLoss := 0.0 // Reset daily loss tracker at the start of a new day
if (strategy.closedtrades > 0)
dailyLoss := dailyLoss + strategy.closedtrades.profit(strategy.closedtrades - 1)
if (dailyLoss < -strategy.initial_capital * dailyLossLimit)
strategy.close_all("Daily Loss Limit Hit")
// Breakeven stop after a certain profit with a delay
if (strategy.position_size > 0 and close > strategy.position_avg_price + atr * 1.5 and bar_index > strategy.opentrades.entry_bar_index(0) + 5)
strategy.exit("Breakeven Buy", from_entry="Buy", stop=strategy.position_avg_price)
if (strategy.position_size < 0 and close < strategy.position_avg_price - atr * 1.5 and bar_index > strategy.opentrades.entry_bar_index(0) + 5)
strategy.exit("Breakeven Sell", from_entry="Sell", stop=strategy.position_avg_price)
// Partial Profit Taking
if (strategy.position_size > 0 and close > strategy.position_avg_price + atr * 1.5)
strategy.close("Partial Close Buy", qty_percent=50) // Use strategy.close for partial closure at market price
if (strategy.position_size < 0 and close < strategy.position_avg_price - atr * 1.5)
strategy.close("Partial Close Sell", qty_percent=50) // Use strategy.close for partial closure at market price
// Trailing Stop with ATR type
if (strategy.position_size > 0)
strategy.exit("Trailing Stop Buy", from_entry="Buy", trail_offset=atr * 1.5, trail_price=strategy.position_avg_price)
if (strategy.position_size < 0)
strategy.exit("Trailing Stop Sell", from_entry="Sell", trail_offset=atr * 1.5, trail_price=strategy.position_avg_price)