ChaoZhang
개요
이것은 평균 회귀 원리에 기초하여 설계된 양적 거래 전략이며, 브린 밴드, 상대적으로 강한 지수 ((RSI) 와 평균 실제 파도 ((ATR) 와 같은 기술 지표와 결합하여 시장의 과매매 과매매 상태를 식별하여 거래합니다. 이 전략은 승리률을 높이기 위해 낮은 위험 수익 비율을 설정하고, 자본 관리를 통해 위험을 제어합니다.
전략 원칙
이 전략은 다음과 같은 요소들을 통해 거래가 이루어집니다.
- 가격 변동의 범위를 판단하기 위한 브린 대역 ((20일) 을 사용함
- RSI (14일) 를 통해 시장의 과매매 상태를 판단합니다.
- ATR (14일) 을 사용하여 동적으로 중지 및 수익 목표를 설정합니다.
- 부린을 넘어서 RSI가 30보다 낮을 때 더 많이 투자하십시오.
- 부린을 뚫고 RSI가 70보다 높을 때 공백을 밟습니다.
- 전략의 승률을 높이기 위해 리스크/수익비율을 0.75로 설정합니다.
- 계정 이자 기반의 2% 리스크 제어
전략적 이점
- 다중 기술 지표와 결합하여 거래 신호의 신뢰성을 향상시킵니다.
- 평균 회귀 특성을 통해 시장의 과매매 기회를 잡기
- ATR을 사용하여 시장의 변동에 적응하기 위해 스톱 포지션을 동적으로 조정합니다.
- 낮은 리스크의 수익률이 세팅보다 전략의 승률을 높여줍니다.
- 100% 리스크 관리를 적용하여 자금을 효율적으로 분배합니다.
- 전략 논리는 명확하고 이해하기 쉬우며 구현하기 쉽습니다.
- 좋은 확장성과 최적화 공간
전략적 위험
- 강세를 보이는 시장에서 빈번한 손실이 발생할 수 있습니다.
- 낮은 리스크 수익률은 단편적인 수익으로 이어질 수 있습니다.
- 부린밴드 및 RSI 지표가 지연될 수 있습니다.
- 시장의 급격한 변동이 있을 때, 스톱포지션은 이상적이지 않을 수 있습니다.
- 거래 비용은 전략의 전체 수익에 영향을 미칠 수 있습니다. 해결책:
- 트렌드 필터 추가
- 입학 시점을 최적화
- 지표 변수를 조정
- 더 많은 확인 신호를 도입합니다.
전략 최적화 방향
- 트렌드를 판단하는 지표를 도입하여 역동적인 거래를 피하십시오.
- RSI와 브린 대역을 최적화하여 신호의 정확성을 향상시킵니다.
- 다른 시장 조건에 따라 동적으로 조정된 리스크 수익률
- 보조 확인으로 볼륨 표시기 추가
- 시간 필터를 추가하여 특정 시간대에 거래하는 것을 피하십시오.
- 적응기 변수 메커니즘을 개발하여 전략적 적응력을 향상시킵니다.
- 재원 관리 시스템 개선, 지분 규모 최적화
요약하다
이 전략은 평균 회귀 원리와 여러 기술 지표를 결합하여 안정적인 거래 시스템을 구축한다. 낮은 위험 수익률의 설정은 승률을 높이는 데 도움이 되며, 엄격한 위험 관리는 자금 안전을 보장한다. 일부 고유한 위험이 있지만, 지속적인 최적화 및 개선에 의해 전략은 더 나은 성능을 얻을 수 있다.
전략 소스 코드
/*backtest
start: 2024-01-01 00:00:00
end: 2024-11-11 00:00:00
period: 2d
basePeriod: 2d
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/
//@version=5
strategy("High Win Rate Mean Reversion Strategy for Gold", overlay=true)
// Input Parameters
bbLength = input.int(20, title="Bollinger Bands Length")
bbMult = input.float(2, title="Bollinger Bands Multiplier")
rsiLength = input.int(14, title="RSI Length")
rsiOverbought = input.int(70, title="RSI Overbought Level")
rsiOversold = input.int(30, title="RSI Oversold Level")
atrLength = input.int(14, title="ATR Length")
rrRatio = input.float(0.75, title="Risk/Reward Ratio", step=0.05) // Lower RRR to achieve a high win rate
riskPerTrade = input.float(2.0, title="Risk per Trade (%)", step=0.1) / 100 // 2% risk per trade
// Bollinger Bands Calculation
basis = ta.sma(close, bbLength)
dev = bbMult * ta.stdev(close, bbLength)
upperBand = basis + dev
lowerBand = basis - dev
// RSI Calculation
rsi = ta.rsi(close, rsiLength)
// ATR Calculation for Stop Loss
atr = ta.atr(atrLength)
// Entry Conditions: Mean Reversion
longCondition = close < lowerBand and rsi < rsiOversold
shortCondition = close > upperBand and rsi > rsiOverbought
// Stop Loss and Take Profit based on ATR
longStopLoss = close - atr * 1.0 // 1x ATR stop loss for long trades
shortStopLoss = close + atr * 1.0 // 1x ATR stop loss for short trades
longTakeProfit = close + (close - longStopLoss) * rrRatio // 0.75x ATR take profit
shortTakeProfit = close - (shortStopLoss - close) * rrRatio // 0.75x ATR take profit
// Calculate position size based on risk
equity = strategy.equity
riskAmount = equity * riskPerTrade
qtyLong = riskAmount / (close - longStopLoss)
qtyShort = riskAmount / (shortStopLoss - close)
// Long Trade
if (longCondition)
strategy.entry("Long", strategy.long, qty=qtyLong)
strategy.exit("Take Profit/Stop Loss", from_entry="Long", limit=longTakeProfit, stop=longStopLoss)
// Short Trade
if (shortCondition)
strategy.entry("Short", strategy.short, qty=qtyShort)
strategy.exit("Take Profit/Stop Loss", from_entry="Short", limit=shortTakeProfit, stop=shortStopLoss)
// Plot Bollinger Bands
plot(upperBand, color=color.red, linewidth=2, title="Upper Bollinger Band")
plot(lowerBand, color=color.green, linewidth=2, title="Lower Bollinger Band")
plot(basis, color=color.gray, linewidth=2, title="Bollinger Basis")
// Plot RSI for visual confirmation
hline(rsiOverbought, "Overbought", color=color.red)
hline(rsiOversold, "Oversold", color=color.green)
plot(rsi, color=color.purple, title="RSI")