ChaoZhang
개요
이 전략은 EMA, 수요 지역 및 거래량을 결합한 고도로 적응 가능한 중개 전략이다. 이 전략은 여러 기술 지표의 교차 확인을 통해 시장 추세를 식별하고 핵심 수요 지역 인근에서 거래를 한다. 이 전략은 역동적인 정지 및 수익 목표를 채택하고 ATR 지표를 통해 시장 변동성에 적응한다.
전략 원칙
전략의 핵심 논리는 다음과 같은 핵심 요소에 기초합니다.
- 9주기 및 15주기 EMA의 트렌드 방향이 주요 거래 신호로 사용
- 중요한 가격 수준을 더 높은 시간 프레임 ((15 분) 의 공급 및 수요 영역으로 결정합니다.
- 트렌드의 유효성을 확인하기 위해 거래량 확인을 사용하십시오.
- ATR 기반의 동적 중지 및 수익 목표를 사용하여 위험을 관리하십시오.
- 여러 조건이 동시에 충족될 때만 거래를 합니다.
구체적으로, 9주기 EMA가 3주기 연속으로 상승할 때, 15주기 EMA도 상승 경향을 보이고, 가격이 수요 영역 위에 있고, 20주기 거래량 평균선이 50주기 거래량 평균선보다 큰 경우, 시스템은 여러 신호를 발산한다. 공백 신호의 논리는 반대로 있다.
전략적 이점
- 다중 인증 메커니즘은 거래의 신뢰성을 크게 향상시킵니다.
- 동적 스톱 로즈 및 수익 목표가 다양한 시장 환경에 적응할 수 있습니다.
- 불리한 가격 영역에서 거래하는 것을 피하기 위해 공급 및 수요 영역을 필터링하십시오.
- 거래량 확인은 추가적인 트렌드 검증을 제공합니다.
- 시장 상황에 따라 리스크/이익 비율을 유연하게 조정할 수 있습니다.
- 전략은 다양한 시장 조건에 잘 적응합니다.
전략적 위험
- 높은 변동성 시장에서 잘못된 신호가 나타날 수 있습니다.
- 복수의 확인 조건으로 인해 거래 기회를 놓칠 수 있습니다.
- 공급과 수요의 지역 식별에 지연이 있을 수 있습니다.
- 수평 시장에서 거래 신호가 자주 발생할 수 있습니다.
위험 관리 조치:
- 동적 ATR 상쇄를 사용하여 시장의 변동에 적응하십시오.
- 거래량 확인을 통해 가짜 신호를 필터링합니다.
- 엄격한 리스크/이익 비율 통제
- 중요한 가격대 근처에서 거래하는 방법
전략 최적화 방향
- 시장의 변동성에 따라 자동으로 조정할 수 있도록 적응 EMA 주기를 도입합니다.
- 시장 상태 인식 모듈을 추가하여 다른 시장 환경에서 다른 매개 변수를 사용합니다.
- 공급 및 수요 지역의 계산 방법을 최적화하여 식별의 정확성을 향상시킵니다.
- 더 많은 시장 미시 구조 분석을 추가합니다.
- 동적 개발의 위험과 이익 대비 조정 장치
요약하다
이것은 여러 가지 기술 분석 도구를 통합 한 완전한 거래 시스템이며, 여러 확인 메커니즘을 통해 거래의 신뢰성을 향상시킵니다. 전략의 장점은 자율성과 위험 관리 능력에 있습니다. 그러나 동시에 다양한 시장 환경에서 성능의 차이에 주의를 기울여야합니다. 제안 된 최적화 방향에 의해 전략은 더 향상 될 여지가 있습니다.
전략 소스 코드
/*backtest
start: 2024-02-08 00:00:00
end: 2025-02-06 08:00:00
period: 1d
basePeriod: 1d
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/
//@version=5
strategy("Optimized Scalping Strategy with EMA & Supply/Demand Zones", overlay=true)
// Inputs
ema9_length = input(9, title="EMA 9 Length")
ema15_length = input(15, title="EMA 15 Length")
higher_tf = input.timeframe("15", title="Higher Timeframe for Zones")
atr_mult = input(1.5, title="ATR Multiplier for Stop Loss")
risk_reward = input.float(1.2, title="Risk-Reward Ratio", options=[1.2, 1.3, 1.4])
// Calculating EMAs
ema9 = ta.ema(close, ema9_length)
ema15 = ta.ema(close, ema15_length)
// Function to detect supply & demand zones
get_zone(tf) =>
high_tf_high = request.security(syminfo.tickerid, tf, ta.highest(high, 50))
high_tf_low = request.security(syminfo.tickerid, tf, ta.lowest(low, 50))
[high_tf_high, high_tf_low]
[supply_zone, demand_zone] = get_zone(higher_tf)
// ATR-based Stop Loss and Take Profit
atr = ta.atr(14)
long_sl = close - (atr * atr_mult)
long_tp = close + (atr * atr_mult * risk_reward)
short_sl = close + (atr * atr_mult)
short_tp = close - (atr * atr_mult * risk_reward)
// Entry conditions with volume and trend confirmation
longCondition = ta.rising(ema9, 3) and ta.rising(ema15, 3) and close > demand_zone and ta.sma(volume, 20) > ta.sma(volume, 50)
shortCondition = ta.falling(ema9, 3) and ta.falling(ema15, 3) and close < supply_zone and ta.sma(volume, 20) > ta.sma(volume, 50)
// Exit conditions using ATR-based SL/TP with additional trend confirmation
exitLong = (close >= long_tp or close <= long_sl) and ta.falling(ema9, 2)
exitShort = (close <= short_tp or close >= short_sl) and ta.rising(ema9, 2)
// Executing trades with improved risk management
if longCondition
strategy.entry("Long", strategy.long)
strategy.exit("Long Exit", from_entry="Long", stop=long_sl, limit=long_tp)
if shortCondition
strategy.entry("Short", strategy.short)
strategy.exit("Short Exit", from_entry="Short", stop=short_sl, limit=short_tp)
// Plotting
plot(ema9, color=color.blue, title="EMA 9")
plot(ema15, color=color.red, title="EMA 15")
plot(supply_zone, color=color.orange, title="Supply Zone")
plot(demand_zone, color=color.green, title="Demand Zone")