ChaoZhang
개요
이 전략은 분화 이론과 자기 적응 격자 기반의 단선 거래 시스템으로, 변동률 경계를 결합하여 거래 시기를 최적화한다. 시스템은 격자 수준을 동적으로 조정하여, 높은 변동성 동안 시장의 미세한 구조 변화를 포착하고, 낮은 변동성 동안 과도한 거래를 피한다. 이 전략은 평균 실제 파동량 (ATR), 간단한 이동 평균 (SMA) 및 분화 돌파점을 포함한 여러 가지 기술 지표를 통합하여 전체적인 거래 의사 결정 프레임 워크를 구성한다.
전략 원칙
전략의 핵심은 분화 인식과 변동률 집합을 통해 동적 거래망을 구축하는 것입니다. 구체적으로 구현하는 데는 다음과 같은 몇 가지 중요한 단계가 포함됩니다:
- 축 높음 (Pivot High) 과 축 낮음 (Pivot Low) 을 사용하여 지역 극한 지점을 분형 돌파 신호로 식별
- ATR 지표를 사용하여 시장의 변동성을 측정하고 거래 촉발 조건으로 최소 변동 값을 설정합니다
- ATR 값과 사용자 정의에 따라 격자 레벨을 동적으로 조정합니다.
- 트렌드 방향을 결정하기 위해 SMA를 사용하여 거래 결정을위한 방향성 편차를 제공합니다.
- 격자 수준에서 제한 주문을 설정하고 ATR 값에 따라 중지 및 이득 위치를 조정합니다.
전략적 이점
- 자기 적응성 - 격자 수준은 시장의 변동성에 따라 자동으로 조정되어 다른 시장 환경에 적응합니다.
- 리스크 관리가 완성된 - 동요율 절감과 손실 추적 메커니즘을 통합하여 리스크를 효과적으로 제어
- 거래 기회의 정확성 - 분형 돌파 및 트렌드 방향의 이중 확인을 통해 거래 품질을 향상시킵니다
- 시각화 지원 - 분화점 및 격자 레벨의 그래픽 표시를 제공하여 모니터링을 용이하게 합니다.
- 매개 변수 유연성 - 개인 위험 선호와 시장 조건에 따라 매개 변수를 조정할 수 있습니다.
전략적 위험
- 변수 민감성 - 다른 변수 조합으로 인해 전략 성능에 큰 차이가 발생할 수 있으며 충분한 테스트가 필요합니다.
- 시장 환경 의존성 - 극히 낮은 변동성이 있는 시장에서 거래 기회가 줄어들 수 있는 상황
- 가짜 돌파 위험 - 분형 돌파 신호는 가짜 돌파가 발생할 수 있으며, 다른 지표와 함께 확인해야 합니다.
- 슬라이드 포인트 영향 - 제한 가격 주문을 실행할 때 슬라이드 포인트가 발생할 수 있으며 실제 실행에 영향을 미칠 수 있습니다.
- 자금 관리 요구 사항 - 과잉 위험을 피하기 위해 합리적인 자금 규모를 설정해야 합니다.
전략 최적화 방향
- 더 많은 기술 지표를 도입 - RSI, MACD와 같은 지표를 추가하여 신호 확인을 고려할 수 있습니다.
- 최적화된 상쇄 메커니즘 - 더 복잡한 동적 상쇄 알고리즘을 개발하여 위험 통제의 효율성을 높일 수 있습니다.
- 유동률 모델을 개선 - GARCH 계열 모델과 같은 더 고급 유동률 예측 모델을 사용하는 것을 고려하십시오.
- 시장 환경 필터를 추가 - 시장 환경 인식 모듈을 추가하여 다른 시장 단계에서 다른 매개 변수를 사용합니다.
- 적응 가능한 매개 변수 시스템을 개발 - 매개 변수를 자동으로 최적화하여 정책 적응력을 향상시킵니다.
요약하다
이것은 분화 이론, 격자 거래 및 변동률 필터를 결합한 통합 전략 시스템입니다. 여러 기술 지표의 조합 사용으로 시장 미시 구조를 효과적으로 포착합니다. 전략의 장점은 자율성과 위험 제어 능력에 있습니다. 그러나 또한 매개 변수 최적화 및 시장 환경에 대한 적응성에 주의를 기울여야합니다. 지속적인 최적화 및 개선으로, 이 전략은 다양한 시장 환경에서 안정적인 성능을 유지할 것으로 예상됩니다.
전략 소스 코드
/*backtest
start: 2024-02-17 00:00:00
end: 2025-02-15 08:00:00
period: 1d
basePeriod: 1d
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/
//@version=6
strategy("Adaptive Fractal Grid Scalping Strategy", overlay=true)
// Inputs
atrLength = input.int(14, title="ATR Length")
smaLength = input.int(50, title="SMA Length")
gridMultiplierHigh = input.float(2.0, title="Grid Multiplier High")
gridMultiplierLow = input.float(0.5, title="Grid Multiplier Low")
trailStopMultiplier = input.float(0.5, title="Trailing Stop Multiplier")
volatilityThreshold = input.float(1.0, title="Volatility Threshold (ATR)")
// Calculate Fractals
fractalHigh = ta.pivothigh(high, 2, 2)
fractalLow = ta.pivotlow(low, 2, 2)
// Calculate ATR and SMA
atrValue = ta.atr(atrLength)
smaValue = ta.sma(close, smaLength)
// Determine Trend Direction
isBullish = close > smaValue
isBearish = close < smaValue
// Calculate Grid Levels
gridLevelHigh = fractalHigh + atrValue * gridMultiplierHigh
gridLevelLow = fractalLow - atrValue * gridMultiplierLow
// Plot Fractals and Grid Levels
plotshape(not na(fractalHigh), style=shape.triangledown, location=location.abovebar, color=color.red, size=size.small)
plotshape(not na(fractalLow), style=shape.triangleup, location=location.belowbar, color=color.green, size=size.small)
plot(gridLevelHigh, color=color.red, linewidth=1, title="Grid Level High")
plot(gridLevelLow, color=color.green, linewidth=1, title="Grid Level Low")
// Trade Execution Logic with Volatility Threshold
if (atrValue > volatilityThreshold)
if (isBullish and not na(fractalLow))
strategy.entry("Buy", strategy.long, limit=gridLevelLow)
if (isBearish and not na(fractalHigh))
strategy.entry("Sell", strategy.short, limit=gridLevelHigh)
// Profit-Taking and Stop-Loss
strategy.exit("Take Profit/Stop Loss", "Buy", limit=gridLevelHigh, stop=fractalLow - atrValue * trailStopMultiplier)
strategy.exit("Take Profit/Stop Loss", "Sell", limit=gridLevelLow, stop=fractalHigh + atrValue * trailStopMultiplier)