ianzeng123
개요
이 전략은 CMO와 부린의 비율 지표 (%B) 를 결합한 트렌드 거래 시스템입니다. 가격의 움직임과 변동률의 변화를 분석하여 시장 추세의 돌파구를 포착합니다. 전략의 핵심 아이디어는 가격이 부린의 경계와 동력이 변할 때 거래하는 것입니다.
전략 원칙
이 전략은 두 가지 주요 기술 지표를 사용합니다.
- 부린 반지 비율 ((%B): 부린 반지에서의 가격의 상대적인 위치를 계산하여 과매매 상태를 판단한다. %B가 0.2보다 낮으면 가격이 하향에 가까워지고 반전이 발생할 수 있으며, %B가 0.8보다 높으면 가격이 상향에 가까워지고 반전이 발생할 수 있다.
- 드 동력 흔들림 지수 ((CMO): 상승과 하락의 차이를 계산하여 가격 동력을 측정한다. CMO는 마이너스 전환으로 동력이 0으로 증가하고, 긍정적 전환으로 마이너스 전환으로 동력이 0으로 증가한다.
거래 신호 생성 논리:
- 더 많은 조건: %B가 0.2를 쓰고 CMO가 0을 입고 더 많은 포지션을 열 때
- 공백 조건: %B가 0.8과 CMO가 0을 넘으면 공백을 열어
전략적 이점
- 신호 신뢰성: 운동량과 진동율의 2차원 지표를 결합하여 거짓 신호를 효과적으로 필터링 할 수 있습니다.
- 위험과 이익의 비교가 우수합니다: 트렌드 초기에 입점하여 더 많은 수익을 얻을 수 있습니다.
- 적응력: 전략은 다양한 시장 환경에서 작동하며, 동향을 잡을 수 있고, 동요시장에서 수익을 올릴 수 있습니다.
- 변수 조정: 거래자는 다양한 품종 특성에 따라 브린 띠와 CMO의 변수를 조정할 수 있습니다.
- 명확한 시각화: 전략은 직관적인 그래픽 인터페이스를 제공하여 분석과 판단을 쉽게 합니다.
전략적 위험
- 가짜 브레이크 위험: 시장에서 가짜 브레이크 신호가 발생하여 거래 손실이 발생할 수 있습니다.
- 슬라이드 위험: 급격한 변동이 있을 때 더 큰 슬라이드 손실이 발생할 수 있습니다.
- 트렌드 리버스 위험: 시장이 급격히 변하면 적당한 시간 내에 손실을 막을 수 없습니다.
- 변수 최적화 위험: 지나치게 최적화 된 변수들은 전략이 실판에서 제대로 작동하지 않도록 만들 수 있다.
- 시장 환경 의존성: 특정 시장 환경에서는 전략이 바람직하지 않을 수 있습니다.
위험 관리 제안:
- 합리적인 Stop Loss을 설정하세요.
- 거래의 비율을 통제하는 것
- 규칙적으로 정책 변수를 확인하고 조정합니다.
- 다른 기술 지표와 함께 상호 검증
전략 최적화 방향
- 트렌드 필터를 도입: 이동 평균과 같은 지표를 추가하여 전체 트렌드 방향을 확인 할 수 있습니다.
- 정지 손해 제도를 개선: 동적인 정지 손해 제도를 설계하여 자금 사용 효율을 높여라
- 최적화 매개 변수 적응: 시장의 변동에 따라 브린 밴드와 CMO 매개 변수를 자동으로 조정
- 거래량 분석을 늘리십시오: 거래량 지표를 합성하여 돌파의 유효성을 확인하십시오.
- 시간 필터: 낮은 변동성이 있는 시간에 거래하는 것을 피하십시오.
요약하다
이것은 기술 분석을 기반으로 한 체계화된 거래 전략으로, 동력과 변동률 지표를 결합하여 시장 추세 기회를 포착합니다. 전략은 합리적으로 설계되어 있으며, 강력한 실용성과 확장성을 가지고 있습니다. 합리적인 위험 제어와 지속적인 최적화를 통해 전략은 거래자에게 안정적인 수익 기회를 제공 할 수 있습니다.
전략 소스 코드
/*backtest
start: 2024-02-22 00:00:00
end: 2024-12-08 00:00:00
period: 1d
basePeriod: 1d
exchanges: [{"eid":"Binance","currency":"ETH_USDT"}]
*/
//@version=6
strategy("CMO + Bollinger Bands (%B) Strategy", overlay=true)
// Parameters for Bollinger Bands
bb_length = input.int(20, title="Bollinger Bands Length")
bb_mult = input.float(2.0, title="Bollinger Bands Multiplier")
// Calculate Bollinger Bands
basis = ta.sma(close, bb_length)
dev = bb_mult * ta.stdev(close, bb_length)
upper = basis + dev
lower = basis - dev
// Calculate %B
percentB = (close - lower) / (upper - lower)
// Parameters for Chande Momentum Oscillator
cmo_length = input.int(14, title="CMO Length")
// Calculate CMO
cmo = ta.cmo(close, cmo_length)
// Plot Bollinger Bands and %B
plot(basis, color=color.blue, title="Basis")
p1 = plot(upper, color=color.red, title="Upper Band")
p2 = plot(lower, color=color.green, title="Lower Band")
fill(p1, p2, color=color.rgb(173, 216, 230, 90), title="Bollinger Bands Fill")
hline(0, "Zero Line", color=color.gray)
hline(0.8, "Upper %B Threshold", color=color.red, linestyle=hline.style_dashed)
hline(0.2, "Lower %B Threshold", color=color.green, linestyle=hline.style_dashed)
// Plot CMO
plot(cmo, title="Chande Momentum Oscillator", color=color.purple)
hline(0, "CMO Zero Line", color=color.gray)
// Calculate crossover and crossunder for consistency
crossover_pB_0_2 = ta.crossover(percentB, 0.2)
crossover_cmo_0 = ta.crossover(cmo, 0)
crossunder_pB_0_8 = ta.crossunder(percentB, 0.8)
crossunder_cmo_0 = ta.crossunder(cmo, 0)
// Buy Signal
longCondition = crossover_pB_0_2 and crossover_cmo_0
if (longCondition)
strategy.entry("Long", strategy.long)
// Sell Signal
shortCondition = crossunder_pB_0_8 and crossunder_cmo_0
if (shortCondition)
strategy.entry("Short", strategy.short)
// Display signals on the chart
plotshape(series=longCondition, title="Buy Signal", location=location.belowbar, color=color.green, style=shape.labelup, text="BUY")
plotshape(series=shortCondition, title="Sell Signal", location=location.abovebar, color=color.red, style=shape.labeldown, text="SELL")