ChaoZhang
개요
이 전략은 다중 기술 지표 필터링을 기반으로 하는 적응형 추세 추적 시스템입니다. 지수 이동 평균(EMA), 단순 이동 평균(SMA), 이동 평균 수렴 발산(MACD) 등 여러 기술 지표를 결합하고, 다양한 시장 환경에 맞게 매개변수를 동적으로 조정하여 효율적인 추세 포착과 위험 관리를 달성합니다. 이 전략은 계층적 필터링 메커니즘을 채택하고 여러 기술 지표의 조정된 협력을 통해 거래 신호의 신뢰성을 크게 향상시킵니다.
전략 원칙
전략의 핵심 논리는 3단계 필터링 메커니즘을 기반으로 합니다.
- 적응형 트렌드 인식 레이어: 빠른 EMA와 느린 EMA를 조합하여 트렌드 기준선을 계산하고, 시장 변동성에 따라 상단 및 하단 추적선을 동적으로 조정합니다.
- SMA 필터: 단순 이동 평균을 사용하여 가격 움직임 방향이 전체 추세와 일치하는지 확인합니다.
- MACD 확인 레이어: MACD 지표의 추세 확인 기능을 사용하여 거래 신호의 유효성을 더욱 검증합니다.
거래 신호를 생성하려면 추세 변화, SMA 방향 확인, MACD 신호선 지원 등 모든 필터 조건을 충족해야 합니다. 이 전략에는 계정 자본을 기반으로 한 동적 포지션 관리 시스템도 포함되어 있으며, 레버리지 요소를 통해 포지션 크기를 자동으로 조정합니다.
전략적 이점
- 강력한 적응성: 매개변수를 동적으로 조정함으로써 전략은 다양한 시장 환경에 적응할 수 있습니다.
- 완벽한 위험 관리: 다양한 필터링 메커니즘을 통해 거짓 신호의 발생 가능성을 크게 줄입니다.
- 높은 사용자 정의성: 사용자는 개인 거래 스타일에 따라 다양한 매개변수를 조정할 수 있습니다.
- 높은 수준의 자동화: JSON 형식의 알림 메시지를 지원하므로 자동 거래 시스템과 쉽게 연결할 수 있습니다.
- 뛰어난 시각화 효과: 추세 대역, 신호 마커 등 풍부한 시각적 피드백을 제공합니다.
전략적 위험
- 추세 의존성: 변동성이 큰 시장에서는 거짓 신호가 자주 생성될 수 있습니다.
- 히스테리시스 위험: 여러 필터링 메커니즘으로 인해 진입 시점이 지연될 수 있습니다.
- 매개변수 민감도: 매개변수 조합이 다르면 전략 성과에 큰 차이가 생길 수 있습니다.
- 레버리지 위험: 과도한 레버리지는 손실을 확대할 수 있습니다.
전략 최적화 방향
- 변동성 적응: ATR에 기반한 동적 손절매 메커니즘이 추가되었습니다.
- 시장 환경 식별: 시장 상태 분류 시스템을 추가하고 다양한 시장 환경에서 다양한 매개변수 조합을 사용합니다.
- 신호 품질 평가: 신호 강도 평가 시스템을 구축하고 신호 강도에 따라 위치를 동적으로 조정합니다.
- 펀드 관리 최적화: 보다 정교한 포지션 제어를 달성하기 위해 더 복잡한 펀드 관리 알고리즘을 도입합니다.
요약하다
이 전략은 다중 계층 필터링 메커니즘과 동적 매개변수 조정을 통해 더욱 신뢰할 수 있는 추세 추적 효과를 달성합니다. 지연 및 매개변수 종속성으로 인한 특정 위험이 존재하지만, 합리적인 매개변수 최적화와 위험 관리 조치를 통해 실제 거래에서는 안정적인 성과를 달성할 수 있습니다. 트레이더는 실시간 사용에 앞서 백테스팅 검증을 철저히 수행하고 개인의 위험 허용 범위에 맞게 매개변수 설정을 조정하는 것이 좋습니다.
전략 소스 코드
/*backtest
start: 2024-12-29 00:00:00
end: 2025-01-05 00:00:00
period: 45m
basePeriod: 45m
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/
//@version=6
strategy("Adaptive Trend Flow Strategy with Filters for SPX", overlay=true, max_labels_count=500,
initial_capital=1000, commission_type=strategy.commission.cash_per_order, commission_value=0.01, slippage=2,
margin_long=20, margin_short=20, default_qty_type=strategy.percent_of_equity, default_qty_value=100)
// User-defined inputs for trend logic
atr = input.int(14, "Main Length", minval=2, group = "Find more strategies like this on pineindicators.com")
length = input.int(2, "Main Length", minval=2)
smooth_len = input.int(2, "Smoothing Length", minval=2)
sensitivity = input.float(2.0, "Sensitivity", step=0.1)
// User-defined inputs for SMA filter
use_sma_filter = input.bool(true, "Enable SMA Filter?")
sma_length = input.int(4, "SMA Length", minval=1)
// User-defined inputs for MACD filter
use_macd_filter = input.bool(true, "Enable MACD Filter?")
macd_fast_length = input.int(2, "MACD Fast Length", minval=1)
macd_slow_length = input.int(7, "MACD Slow Length", minval=1)
macd_signal_length = input.int(2, "MACD Signal Length", minval=1)
// User-defined inputs for leverage
leverage_factor = input.float(4.5, "Leverage Factor", minval=1.0, step=0.1)
id = input("besttrader123", title= "Your TradingView username", group = "Automate this strategy with plugpine.com")
key = input("nc739ja84gf", title= "Unique identifier (UID)")
ticker = input("SPX", title= "Ticker/symbol of your broker")
bullcolor = #0097a7
bearcolor = #ff195f
showbars = input.bool(true, "Color Bars?")
showbg = input.bool(true, "Background Color?")
showsignals = input.bool(true, "Show Signals?")
// Trend calculation functions
calculate_trend_levels() =>
typical = hlc3
fast_ema = ta.ema(typical, length)
slow_ema = ta.ema(typical, length * 2)
basis = (fast_ema + slow_ema) / 2
vol = ta.stdev(typical, length)
smooth_vol = ta.ema(vol, smooth_len)
upper = basis + (smooth_vol * sensitivity)
lower = basis - (smooth_vol * sensitivity)
[basis, upper, lower]
get_trend_state(upper, lower, basis) =>
var float prev_level = na
var int trend = 0
if na(prev_level)
trend := close > basis ? 1 : -1
prev_level := trend == 1 ? lower : upper
if trend == 1
if close < lower
trend := -1
prev_level := upper
else
prev_level := lower
else
if close > upper
trend := 1
prev_level := lower
else
prev_level := upper
[trend, prev_level]
[basis, upper, lower] = calculate_trend_levels()
[trend, level] = get_trend_state(upper, lower, basis)
// SMA filter
sma_value = ta.sma(close, sma_length)
sma_condition = use_sma_filter ? close > sma_value : true
// MACD filter
[macd_line, signal_line, _] = ta.macd(close, macd_fast_length, macd_slow_length, macd_signal_length)
macd_condition = use_macd_filter ? macd_line > signal_line : true
// Signal detection with filters
long_signal = trend == 1 and trend[1] == -1 and sma_condition and macd_condition
short_signal = trend == -1 and trend[1] == 1
// Plotting visuals
p2 = plot(basis, color=trend == 1 ? bullcolor : bearcolor, linewidth=2)
p1 = plot(level, color=close > level ? bullcolor : bearcolor, linewidth=2, style=plot.style_linebr)
// if showsignals and ta.crossover(close, level)
// label.new(bar_index, level, "▲", color=bullcolor, textcolor=chart.bg_color, style=label.style_label_upper_right)
// if showsignals and ta.crossunder(close, level)
// label.new(bar_index, level, "▼", color=bearcolor, textcolor=chart.fg_color, style=label.style_label_lower_right)
qty = strategy.equity / close * leverage_factor
// Automated alerts
if long_signal
alert('{"AccountID": "' + id + '","Key": "' + key + '", "symbol": "' + ticker + '", "action": "long", "volume": ' + str.tostring(qty) + '}', alert.freq_once_per_bar)
if short_signal
alert('{"AccountID": "' + id + '","Key": "' + key + '", "symbol": "' + ticker + '", "action": "closelong"}', alert.freq_once_per_bar)
// Strategy entries and exits
if long_signal
strategy.entry("Long", strategy.long, qty=qty)
if short_signal
strategy.close("Long")
// Optional SMA and MACD plot
plot(use_sma_filter ? sma_value : na, color=color.new(color.blue, 80), title="SMA")
plot(use_macd_filter ? macd_line : na, color=color.new(color.orange, 80), title="MACD Line")
plot(use_macd_filter ? signal_line : na, color=color.new(color.red, 80), title="Signal Line")