ChaoZhang
개요
이 전략은 기술 분석의 중심 축점 이론과 이동 평균 교차 신호를 결합한 정량 거래 시스템입니다. 이 전략은 시장의 중요한 지지점과 저항점을 식별하여 단기 및 장기 이동 평균의 교차 신호와 결합하여 시장 추세가 변할 때 거래 기회를 포착합니다. 시스템은 50 일 및 200 일 이동 평균을 주요 지표로 사용하여 중심 축점 위치를 동적으로 추적하여 진입 및 출퇴근 시간을 최적화합니다.
전략 원칙
전략의 핵심 논리는 두 가지 주요 구성 요소를 기반으로 합니다: 축점 분석 및 평행선 교차 신호. 시스템은 5주기를 축점 계산주기로 사용하여, ta.pivothigh 및 ta.pivotlow 함수를 통해 시장의 고위점과 낮은 점을 동적으로 식별합니다. 동시에, 50일 및 200일 간단한 이동 평균의 교차를 이용하여 황금 교차와 죽음의 교차를 형성합니다. 신호가 단기평균선 상에서 장기평균선을 통과하고 가격이 근축축 높이를 돌파할 때, 시스템은 다중 신호를 생성합니다.
전략적 이점
- 신호 신뢰성: 축점과 평행선 교차 쌍확인을 결합하여 거래 신호의 신뢰성을 크게 향상시켰다.
- 동적 적응력: 축점의 동적 계산은 전략이 다른 시장 환경에 적응할 수 있도록 한다.
- 리스크 관리가 잘 되어 있습니다. 장기 이동 평균을 트렌드 필터로 사용하여 가짜 돌파의 위험을 효과적으로 감소시킵니다.
- 실행 논리 명확성: 입출장 조건이 명확하여 실장 운영과 재검토 검증을 용이하게 한다.
- 매개 변수 최적화 공간: 핵심 매개 변수는 시장 특성에 따라 최적화 조정할 수 있다.
전략적 위험
- 위기 시장 위험: 수평 정리 단계에서 빈번한 가짜 브레이크 신호가 발생할 수 있다.
- 지연성 위험: 이동 평균은 지연성을 가지고 있으며, 출전 및 출전 시간을 지연시킬 수 있다.
- 매개 변수 민감성: 축점 주기 및 평균선 주기 선택은 전략 성능에 큰 영향을 미칩니다.
- 시장 환경 의존성: 전략은 강세를 보이는 시장에서 잘 작동하지만, 흔들리는 시장에서는 효과가 좋지 않을 수 있다.
- 회수 제어 위험: 최대 회수를 제어하기 위해 추가적인 손해 차단 장치가 필요합니다.
전략 최적화 방향
- 변동율 필터를 도입: ATR 지표를 추가하여 포지션 크기와 스톱 포지션을 동적으로 조정하는 것이 좋습니다.
- 축점 계산을 최적화: 축점 계산을 위해 적응주기를 사용하여 정확도를 높일 수 있다.
- 트렌드 강도를 높여 확인: ADX와 같은 트렌드 강도 지표를 추가하여 약한 시장 신호를 필터링하는 것이 좋습니다.
- 재원 관리를 개선: 시장의 변동성에 따라 포지션 규모를 조정하는 것이 좋습니다.
- 출전 메커니즘을 최적화: 이윤을 보호하기 위해 손실 추적을 추가할 수 있다.
요약하다
이 전략은 고전적인 기술 분석 방법을 결합하여 논리적으로 엄격하고, 위험을 제어할 수 있는 정량 거래 시스템을 구축한다. 이 전략의 핵심 장점은 다중 신호 확인을 통해 거래의 신뢰성을 높이는 데 있다. 그러나 동시에 다양한 시장 환경에서의 적응성에 주의를 기울여야 한다. 제안된 최적화 방향을 통해 전략의 안정성과 수익성은 더욱 향상될 것으로 보인다.
전략 소스 코드
/*backtest
start: 2019-12-23 08:00:00
end: 2024-12-10 08:00:00
period: 1d
basePeriod: 1d
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/
//@version=5
strategy("Pivot Points & Golden Crossover Strategy", overlay=true)
// Inputs
length_short = input.int(50, title="Short Moving Average (Golden Cross)")
length_long = input.int(200, title="Long Moving Average (Golden Cross)")
pivot_length = input.int(5, title="Pivot Point Length")
lookback_pivots = input.int(20, title="Lookback Period for Pivots")
// Moving Averages
short_ma = ta.sma(close, length_short)
long_ma = ta.sma(close, length_long)
// Pivot Points
pivot_high = ta.valuewhen(ta.pivothigh(high, pivot_length, pivot_length), high, 0)
pivot_low = ta.valuewhen(ta.pivotlow(low, pivot_length, pivot_length), low, 0)
// Calculate golden crossover
golden_crossover = ta.crossover(short_ma, long_ma)
death_cross = ta.crossunder(short_ma, long_ma)
// Entry and Exit Conditions
long_entry = golden_crossover and close > pivot_high
short_entry = death_cross and close < pivot_low
// Exit conditions
long_exit = ta.crossunder(short_ma, long_ma)
short_exit = ta.crossover(short_ma, long_ma)
// Plot Moving Averages
plot(short_ma, color=color.blue, title="Short Moving Average")
plot(long_ma, color=color.orange, title="Long Moving Average")
// Plot Pivot Levels
plot(pivot_high, color=color.red, linewidth=1, style=plot.style_circles, title="Pivot High")
plot(pivot_low, color=color.green, linewidth=1, style=plot.style_circles, title="Pivot Low")
// Strategy Execution
if (long_entry)
strategy.entry("Long", strategy.long)
if (long_exit)
strategy.close("Long")
if (short_entry)
strategy.entry("Short", strategy.short)
if (short_exit)
strategy.close("Short")