ianzeng123
개요
이 전략은 여러 기술 지표들을 결합한 트렌드 추적 동력 거래 시스템이다. 이 전략은 주로 200일 이동 평균 (MA200) 을 통해 큰 트렌드 방향을 판단하고, 50일 지수 이동 평균 (EMA50) 을 이용하여 역전 기회를 식별하고, 상대적으로 약한 지표 (RSI) 와 이동 평균 (MACD) 의 트렌드 분산 (Trend Scatter) 의 교차 신호를 결합하여 진입 시기를 결정한다. 이 전략은 또한 위험 통제 메커니즘을 포함하고 있으며, 위험 수익률과 추적을 설정하여 수익을 보호한다.
전략 원칙
전략의 핵심 논리는 다층 필터링 메커니즘을 통해 거래의 정확성을 높이는 것입니다. 우선 MA200을 통해 시장 주류를 결정하고 MA200 이상의 가격으로 다중 트렌드, 반대로 상향 트렌드를 판단합니다. 트렌드 방향을 결정한 후, 전략은 EMA50 인근의 회수 기회를 찾고, 최근 5 주기에 EMA50을 접촉하도록 요구합니다. 동시에, RSI 지표를 사용하여 움직임을 확인하고, RSI가 50보다 크거나 RSI가 50보다 작거나 RSI를 요구합니다.
전략적 이점
- 거래 신뢰성을 높이기 위한 다중 지표 공인
- 트렌드와 동력 요소를 결합하여 대규모의 상황을 포착할 수 있습니다.
- 리콜 메커니즘은 추격의 위험을 낮춘다
- 유연한 손해배상장치, 자본을 보호하면서도 큰일도 놓치지 않는다.
- 다양한 시장 환경에 적응할 수 있는 변수
- 전략 논리는 명확하고 이해하기 쉬우며 구현하기 쉽습니다.
전략적 위험
- 다중 지표 필터링으로 인해 일부 거래 기회를 놓칠 수 있습니다.
- 변동성이 큰 시장에서는 잘못된 신호가 자주 발생할 수 있습니다.
- 이동 평균은 지연성이 있으며, 진입 시점에 영향을 미칠 수 있습니다.
- 고정 리스크 수익은 다른 시장 환경보다 다르게 나타납니다.
- 매개 변수를 지나치게 최적화하면 과다 적합성의 위험이 발생할 수 있습니다.
전략 최적화 방향
- 변동성 지표의 도입, 동적으로 리스크/이익 비율을 조정
- 시장 환경 필터링 메커니즘을 강화하고, 동향과 흔들리는 시장을 식별합니다.
- 회귀 판단 논리를 최적화하여 출입 시점의 정확성을 향상시킵니다.
- 볼륨 확인 메커니즘을 추가하여 신호 안정성 향상
- 적응형 변수 시스템을 개발하여 전략의 융통성을 향상시킵니다.
요약하다
이 전략은 여러 가지 기술 지표를 통합하여 전체적인 트렌드 추적 거래 시스템을 구축한다. 전략의 장점은 여러 신호 확인이 거래의 신뢰성을 높이고, 위험 제어 메커니즘은 전략에 대한 좋은 보호를 제공한다는 것이다. 일부 고유한 위험이 있음에도 불구하고, 제안된 최적화 방향으로 전략의 성능을 더욱 향상시킬 수 있다.
전략 소스 코드
/*backtest
start: 2024-02-21 00:00:00
end: 2024-08-10 00:00:00
period: 1h
basePeriod: 1h
exchanges: [{"eid":"Binance","currency":"ETH_USDT"}]
*/
//@version=6
strategy("Trend-Following Momentum Strategy", overlay=true, default_qty_type=strategy.percent_of_equity, default_qty_value=2)
// PARAMETERS
lengthMA200 = input(200, title="200-day MA Length")
lengthEMA50 = input(50, title="50-day EMA Length")
rsiLength = input(14, title="RSI Length")
macdFastLength = input(12, title="MACD Fast Length")
macdSlowLength = input(26, title="MACD Slow Length")
macdSignalLength = input(9, title="MACD Signal Length")
riskRewardRatio = input(1.5, title="Risk-Reward Ratio")
useTrailingStop = input(true, title="Use Trailing Stop?")
trailingPercent = input(1.0, title="Trailing Stop (%)") / 100
// INDICATORS
ma200 = ta.sma(close, lengthMA200) // 200-day MA
ema50 = ta.ema(close, lengthEMA50) // 50-day EMA
rsi = ta.rsi(close, rsiLength) // RSI
[macdLine, signalLine, _] = ta.macd(close, macdFastLength, macdSlowLength, macdSignalLength)
// TREND CONDITIONS
bullishTrend = close > ma200
bearishTrend = close < ma200
// PULLBACK CONDITION
recentPullbackLong = ta.barssince(close < ema50) < 5 // Price touched EMA50 in last 5 bars
recentPullbackShort = ta.barssince(close > ema50) < 5 // Price touched EMA50 in last 5 bars
// ENTRY CONDITIONS
longEntry = bullishTrend and ta.crossover(macdLine, signalLine) and rsi > 50 and recentPullbackLong
shortEntry = bearishTrend and ta.crossunder(macdLine, signalLine) and rsi < 50 and recentPullbackShort
// EXECUTE TRADES
if longEntry
strategy.entry("Long", strategy.long)
strategy.exit("Long Exit", from_entry="Long", limit=close * (1 + riskRewardRatio), stop=close * (1 - (1 / (1 + riskRewardRatio))), trail_price=useTrailingStop ? close * (1 - trailingPercent) : na)
if shortEntry
strategy.entry("Short", strategy.short)
strategy.exit("Short Exit", from_entry="Short", limit=close * (1 - riskRewardRatio), stop=close * (1 + (1 / (1 + riskRewardRatio))), trail_price=useTrailingStop ? close * (1 + trailingPercent) : na)
// PLOT INDICATORS
plot(ma200, title="200-day MA", color=color.blue, linewidth=2)
plot(ema50, title="50-day EMA", color=color.orange, linewidth=2)