ChaoZhang
개요
이 전략은 이중 RSI (대비적으로 강한 지수) 지표에 기반한 자기 적응 거래 시스템이다. 이 전략은 시장의 추세와 거래 기회를 식별하고, 재원 관리 및 위험 제어 메커니즘을 통해 거래 성능을 최적화하기 위해 다른 시간 주기의 RSI 지표를 결합한다. 이 전략의 핵심은 다중 주기의 RSI의 조화를 통해 거래 안전을 보장하면서 수익성을 향상시키는 것이다.
전략 원칙
이 전략은 7주기 RSI를 주요 거래 신호로 사용하고, 일간 RSI를 트렌드 필터로 사용한다. 단기 RSI가 40 이하에서 상향으로 돌파되고 일간 RSI가 55 이상일 때, 시스템은 더 많은 신호를 낸다. 포지션 보유 기간 동안 가격이 처음 포지션 가격보다 낮아지면, 시스템은 자동으로 포지션을 높여 평균 비용을 낮추는다.
전략적 이점
- 다주기 RSI의 조합은 신호의 신뢰성을 높여줍니다.
- 적응형 상장 메커니즘으로 상장 비용을 효과적으로 줄일 수 있습니다.
- Risk Preference에 따라 자동으로 포지션을 조정하는 완벽한 자금 관리 시스템
- 고정된 스톱 로즈 보호, 거래 당 리스크를 엄격히 통제
- 실제 거래 환경에 맞게 거래 비용을 고려합니다.
전략적 위험
- RSI 지표는 급격한 변동 시장에서 잘못된 신호를 줄 수 있습니다.
- 가증기계는 지속적인 하락시장에서 큰 손실을 초래할 수 있다.
- 고정 비율 상쇄 손실은 높은 변동률 기간에 너무 보수적일 수 있습니다.
- 거래 비용은 자주 거래할 때 수익에 큰 영향을 미칠 수 있습니다.
- 충분한 유동성 지원 전략이 필요합니다.
전략 최적화 방향
- 동적으로 스톱 포지션을 조정하기 위해 변동률 지표 (ATR와 같은) 를 도입합니다.
- 트렌드 강도 필터를 추가하여 흔들리는 시장에서 잘못된 신호를 줄이십시오.
- 시장의 변동성을 고려하여 역동적인 조정
- RSI 확인 신호를 더 많은 시간 주기로 추가합니다.
- 적응형 포지션 관리 시스템을 개발
요약하다
이것은 기술 분석과 위험 관리를 결합한 완전한 거래 시스템이다. 다중 주기 RSI의 연동 작용을 통해 거래 신호를 제공하고, 재원 관리 및 손해 방지 메커니즘을 통해 위험을 제어한다. 이 전략은 트렌드가 명백한 시장에서 작동하는 데 적합하지만 실제 시장 상황에 따라 파라미터를 최적화해야합니다. 시스템의 확장성은 좋으며, 추가 최적화를 위해 공간을 예약합니다.
전략 소스 코드
/*backtest
start: 2024-11-12 00:00:00
end: 2024-12-11 08:00:00
period: 1h
basePeriod: 1h
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/
//@version=5
strategy("Dual RSI with Rebuy Logic + Capital, Commission, and Stop Loss", overlay=true)
// Parameter
rsi_length = input.int(7, title="RSI Length")
daily_rsi_length = input.int(7, title="Daily RSI Length")
capital = input.float(10000, title="Initial Capital", minval=0) // Kapital
risk_per_trade = input.float(0.01, title="Risk per Trade (%)", minval=0.01, maxval=1.0) // Risikogröße in Prozent
commission = input.float(0.1, title="Commission (%)", minval=0, maxval=100) // Kommission in Prozent
stop_loss_pct = input.float(5, title="Stop Loss (%)", minval=0.1, maxval=100) // Stop-Loss in Prozent
// Ordergröße berechnen
risk_amount = capital * risk_per_trade
order_size = risk_amount / close // Größe der Order basierend auf Risikogröße und Preis
// Daily RSI
day_rsi = request.security(syminfo.tickerid, "D", ta.rsi(close, daily_rsi_length), lookahead=barmerge.lookahead_on)
// RSI auf aktuellem Timeframe
rsi = ta.rsi(close, rsi_length)
// Kauf- und Verkaufsbedingungen
buy_condition = rsi[1] < 40 and rsi > rsi[1] and day_rsi > 55
sell_condition = rsi[1] > 60 and rsi < rsi[1]
// Variablen, um den Preis des ersten Kaufs zu speichern
var float first_buy_price = na
var bool is_position_open = false
// Kauf-Logik
if buy_condition
if not is_position_open
// Initiales Kaufsignal
strategy.entry("Buy", strategy.long, qty=1)
first_buy_price := close
is_position_open := true
else if close < first_buy_price
// Rebuy-Signal, nur wenn Preis niedriger als erster Kaufpreis
strategy.entry("Rebuy", strategy.long, qty=1)
// Verkaufs-Logik
if sell_condition and is_position_open
strategy.close("Buy")
strategy.close("Rebuy")
first_buy_price := na // Zurücksetzen des Kaufpreises
is_position_open := false
// Stop-Loss-Bedingung
if is_position_open
// Stop-Loss-Preis berechnen (5% unter dem Einstiegspreis)
stop_loss_price = first_buy_price * (1 - stop_loss_pct / 100)
// Stop-Loss für "Buy" und "Rebuy" festlegen
strategy.exit("Stop Loss Buy", from_entry="Buy", stop=stop_loss_price)
strategy.exit("Stop Loss Rebuy", from_entry="Rebuy", stop=stop_loss_price)
// Performance-Metriken berechnen (mit Kommission)
gross_profit = strategy.netprofit / capital * 100
commission_cost = commission / 100 * strategy.closedtrades
net_profit = gross_profit - commission_cost
// Debug-Plots
plot(first_buy_price, title="First Buy Price", color=color.blue, linewidth=1)
plotchar(buy_condition, title="Buy Condition", char='B', location=location.abovebar, color=color.green)
plotchar(sell_condition, title="Sell Condition", char='S', location=location.belowbar, color=color.red)
// Debugging für Performance