ChaoZhang
개요
이 전략은 가마 중도 평균 가격 (GWAP) 과 동력 분석을 결합한 정량 거래 시스템이다. 이 전략은 역사적 가격 데이터를 가마 중도 처리하고, 단기 동력 지표와 결합하여 가격 움직임을 예측한다. 전략의 핵심은 가마 인자를 사용하여 근기한 가격에 더 높은 무게를 배분하여 근기한 시장 움직임에 대한 감수성을 높이는 것이다.
전략 원칙
전략은 주로 두 가지 핵심 심리학 이론에 기반합니다: 동력 효과와 마 중도 가격. 동력 측면에서, 전략은 금융 시장에서 가격 추세가 지속되는 특성을 활용합니다. 중력 측면에서, 마 인자 ((수용 범위 0.5-1.5)) 를 통해 역사 가격에 지수적 하락 가중을 가합니다. 구체적으로, 전략은 GWAP를 기준 가격으로 계산하여 가격이 GWAP 위에 있고 3 개의 연속으로 상승 추세를 보이는 경우 더 많은 포지션을 열고, 반대로 빈 포지션을 열습니다.
전략적 이점
- 자기 적응력: 마 웨이트 메커니즘은 시장 상황에 따라 역동적으로 역사적 데이터에 무게를 배분할 수 있다.
- 위험 통제: GWAP를 기준 가격으로 사용하여 거래 결정을위한 신뢰할 수있는 기준을 제공합니다.
- 컴퓨팅 효율성: 전략은 배열 저장과 회로 컴퓨팅 방식을 채택하여 컴퓨팅 효율성을 최적화한다.
- 매개 변수 조정 가능: ?? 馬因子 및 계산 주기 등의 핵심 매개 변수는 시장 상황에 따라 유연하게 조정할 수 있다.
전략적 위험
- 시장 변동 위험: 불안한 시장에서 빈번하게 잘못된 신호가 발생할 수 있습니다.
- 변수 민감성: 마 요소의 선택은 전략 성능에 큰 영향을 미치며 지속적인 최적화가 필요합니다.
- 계산 지연: 많은 히스토리 데이터를 처리할 경우 리스크 실행이 지연될 수 있다.
- 트렌드 반전 위험: 시장의 트렌드가 급격히 반전되면, 전략적 반응이 상대적으로 늦어질 수 있다.
전략 최적화 방향
- 변동률 자조 메커니즘을 도입하고, 동적으로 마 인자를 조정한다.
- 여러 시간 주기 트렌드 확인 메커니즘을 추가하십시오.
- 계산 효율을 최적화하고 소수 그룹 작업을 줄여줍니다.
- 시장 정서 지표를 추가하여 전략의 예측 정확도를 향상시킵니다.
- 역동적인 손해 차단 장치를 구현하고, 위험 통제 능력을 향상시킵니다.
요약하다
이 전략은 마의 무게와 동력 분석을 결합하여 시장 경향에 대한 지능적인 추적을 구현한다. 그것의 핵심 장점은 시장 상황의 동력에 따라 무게 분배를 조정할 수 있다는 점이며, 동시에 높은 계산 효율을 유지한다는 것이다. 특정 시장 위험과 파라미터 민감성 문제가 있지만, 지속적인 최적화와 개선으로 전략은 좋은 적용 전망을 가지고 있다.
전략 소스 코드
/*backtest
start: 2024-02-18 00:00:00
end: 2025-02-16 08:00:00
period: 6h
basePeriod: 6h
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/
//@version=6
strategy("BTC Future Gamma-Weighted Momentum Model (BGMM)", shorttitle="BGMM", overlay=true,
default_qty_type=strategy.cash, default_qty_value=50000,
slippage=1, commission_value=0.01)
// Inputs
length = input.int(60, "Length for GWAP Calculation")
gamma_factor = input.float(0.75, "Gamma Weight Factor", minval=0.5, maxval=1.5, step=0.01)
// Helper Functions
var float cumulative_weighted_price = na
var float cumulative_weight = na
price = (high + low + close) / 3 // Typical price as a baseline
gamma_weights = array.new_float(length, 0.0)
price_series = array.new_float(length, na)
// Populate Arrays for Calculation
if bar_index >= length
for i = 0 to length - 1
weighted_gamma = math.pow(gamma_factor, i)
array.set(gamma_weights, i, weighted_gamma)
array.set(price_series, i, close[i])
// Compute GWAP
weighted_sum = 0.0
weight_total = 0.0
for i = 0 to length - 1
w = array.get(gamma_weights, i)
p = array.get(price_series, i)
weighted_sum := weighted_sum + p * w
weight_total := weight_total + w
GWAP = weight_total != 0 ? weighted_sum / weight_total : na
plot(GWAP, color=color.red, title="Gamma Weighted Average Price")
// Conditions for Trade Signals
long_condition = close > GWAP and close[1] > close[2] and close[2] > close[3]
short_condition = close < GWAP and close[1] < close[2] and close[2] < close[3]
// Strategy Logic
if long_condition
strategy.entry("Long", strategy.long)
if short_condition
strategy.entry("Short", strategy.short)