ianzeng123
개요
브린 띠는 빠른 이동 평균과 느린 이동 평균을 결합한 다차원 트렌드를 강화하는 양적 거래 전략이다. 이 전략은 시장의 변동을 위해 특별히 설계된 트렌드 추적 시스템이다. 이 전략은 브린 띠의 변동률 통로와 두 개의 이동 평균의 트렌드 확인 메커니즘을 교묘하게 통합하여 다중 조건 필터링의 거래 의사 결정 프레임 워크를 형성한다. 이 전략은 가격의 브린 띠 궤도를 돌파하는 강력한 신호를 포착하고, 빠른 이동 평균과 느린 이동 평균의 위치에 대한 관계를 통해 트렌드 방향을 확인하는 데에 중점을 두고 있으며, 다중 조건이 동시에 충족되면만 다중 포지션에 진입하여 거래의 정확성과 신뢰성을 향상시킵니다.
전략 원칙
이 전략의 기술적 원리는 세 가지 핵심 지표의 상호 작용에 기반합니다.
브린 벨트 시스템전략은 21주기의 브린 띠를 사용하며, 표준 차이의 배수는 2.0이며, 변수 설정에 따라 기준 이동 평균 유형을 유연하게 선택할 수 있습니다. (SMA, EMA, SMMA, WMA 또는 VWMA). 브린 띠는 가격 변동의 범위를 포착하여 거래에 유동률 관점을 제공합니다.
이중 이동 평균 시스템전략은 6주기 빠른 간단한 이동 평균 ((Fast SMA) 과 45주기 느린 간단한 이동 평균 ((Slow SMA) 을 도입하여 쌍평등 시스템 (double linear system) 을 형성한다. 이 두 가지 이동 평균의 교차 및 위치 관계는 현재 트렌드의 방향과 강도를 효과적으로 식별하고 확인 할 수 있습니다.
다중 조건 입학 기구이 전략은 다음의 모든 조건이 충족될 때만 다수점 포지션을 생성합니다.
- 부린 반을 돌파한 종전 가격 (close > upper)
- 마감 가격은 느린 이동 평균 위에 있습니다.
- 빠른 이동 평균은 느린 이동 평균 위에 있습니다.
이러한 다중 조건의 설계는 강력한 상승 추세가 여러 기술 지표에 의해 확인된 경우에만 진입할 수 있도록 보장하며, 가짜 돌파구와 약점 신호를 효과적으로 필터링한다.
평형 상태는 명확한 기술 지표 신호에 기반합니다. 종결 가격이 브린의 하향 궤도를 넘어섰을 때 또는 빠른 이동 평균이 느린 이동 평균을 넘어섰을 때, 전략은 자동으로 평형 상태에서 빠져 나갑니다. 이러한 디자인은 전략이 적시에 손실을 중지하거나 이익을 잠금하여 트렌드 역전으로 인한 손실을 방지 할 수있게합니다.
전략적 이점
다중 신호 확인 메커니즘: 부린 반지 파격과 쌍평등선 트렌드 확인이 결합되어 가짜 파격 신호를 현저히 줄이고 거래의 품질과 성공률을 향상시킵니다.
변동성 적응브린띠의 설계 자체는 시장의 변동률에 대한 적응 특성을 가지고 있으며, 높은 변동 환경에서는 통로가 자연스럽게 확장되고, 낮은 변동 환경에서는 자연스럽게 수축하여 전략이 다른 시장 환경에 적응할 수 있도록 한다.
트렌드 강도 검증이 트리플 조건은 가격이 브린을 뚫고 궤도에 오르는 것뿐만 아니라 느린 평균선 위에 있어야 하며, 빠른 평균선은 느린 평균선보다 높아야 한다는 것을 요구함으로써, 강력한 추세만이 거래를 유발할 수 있도록 보장합니다.
유연한 변수 구성: 전략은 사용자가 브린 반지 길이를 조정할 수 있도록 허용합니다. 이동 평균 유형, 표준 차의 배수 및 빠른 느린 평균 선 주기는 다른 시장 조건과 개인 거래 스타일에 따라 최적화된 조정을 할 수 있습니다.
명확한 입출장 논리전략의 거래 규칙은 간단하고 명확하며, 입출장 조건은 객관적인 기술 지표에 기반하여 주관적 판단의 영향을 줄입니다.
전략적 위험
추세 지연 인식부린밴드 및 이동 평균은 지연된 지표이며, 급격한 변동이 있는 시장에서 진입 시기가 늦어지고, 시장 초기 수익의 일부를 놓칠 수 있다. 해결 방법은 빠른 이동 평균의 주기를 적절히 단축하거나 부린밴드 매개 변수를 조정할 수 있다.
자주 거래하는 위험위기상황에서, 가격은 종종 브린을 뚫고 다시 내려가며, 여러 거래로 거래 비용을 증가시킬 수 있다. 추가적인 필터링 조건을 추가하거나 확인 주기를 연장함으로써 가짜 신호를 줄일 수 있다.
한방 거래 제한: 현재 전략은 다방면 거래만을 지원하고, 하향 추세에서 수익을 얻을 수 없으며, 자금 활용률이 부족합니다. 허공 거래 전략을 추가하여 쌍방향 거래를 실현하는 것을 고려할 수 있습니다.
매개변수 민감도: 전략 성능은 매개 변수 설정에 크게 의존하며, 다른 시장 환경에는 다른 매개 변수 조합이 필요할 수 있습니다. 충분한 회수 및 매개 변수 최적화 또는 적응 매개 변수 조정 메커니즘을 사용하는 것이 좋습니다.
거래 비용의 영향: 전략으로 설정된 0.1%의 수수료와 3점의 슬라이드 포인트는 실제 거래에서 차이가 있을 수 있으며 실제 수익에 영향을 미칩니다. 실제 거래 플랫폼의 요금 구조에 따라 조정 및 테스트해야합니다.
전략 최적화 방향
필터링 조건을 추가: 거래량 확인, 트렌드 강도 지표 (ADX와 같은) 또는 가격 형태 인식과 같은 추가 조건을 추가하여 신호 품질을 더욱 향상시킬 수 있습니다. 예를 들어, 부린 띠 돌파구가 발생했을 때 거래량이 증가하도록 요구할 수 있습니다.
자금 관리 최적화: 현재 전략은 계좌 자금의 100%를 사용하여 거래합니다. 위험 비율 모델 또는 변동률 조정된 포지션 관리를 도입하여 시장의 변동성과 신호 강도에 따라 포지션 크기를 조정할 수 있습니다.
추가 시간 프레임 검증: 여러 시간 프레임 분석을 도입할 수 있으며, 더 높은 시간 프레임에서도 트렌드 방향을 확인하도록 요구하여 충격적인 상황에서 잘못된 판단을 줄일 수 있습니다. 예를 들어, 일선과 4 시간 그래프가 동시에 트렌드 조건을 충족하도록 요구합니다.
다이내믹 스톱로스 전략 도입: ATR (Average True Rate) 에 기초하여 동적 스톱로드를 설정할 수 있고, 이동 스톱로드를 사용하여 (Brines Bands 중궤도 또는 느린 이동 평균을 추적하는 것과 같이) 이윤을 더 잘 보호할 수 있다.
양방향 거래 능력: 공백 거래를 지원하기 위해 확장 전략, 반대 조건이 충족될 때 공백 포지션을 구축하여 하향 추세를 최대한 활용하십시오.
변수 적응 메커니즘: 시장 상태에 기반한 변수 동적 조정 메커니즘을 개발하여 다양한 변동률과 추세 강도 환경에서 브린 밴드 및 이동 평균 변수를 자동으로 최적화하여 전략의 적응성을 향상시킵니다.
요약하다
브린 띠는 빠르고 느린 이동 평균을 결합한 다차원 추세를 강화하는 수량 거래 전략을 통해 변동률과 추세 지표를 통합하여 다층 거래 의사 결정 시스템을 구축한다. 전략의 핵심 장점은 다중 조건 확인 메커니즘에 있으며, 신호 품질과 신뢰성을 크게 향상시킨다. 약간의 지연성과 파라미터 민감성 문제가 있음에도 불구하고, 합리적인 위험 관리와 파라미터 최적화를 통해 전략은 추세가 명확한 시장에서 안정적으로 성과를 낼 수 있다.
추가적인 최적화는 필터링 조건을 추가하고, 자금 관리를 개선하고, 다중 시간 프레임 분석을 도입하고, 개발 파라미터 자체 적응 메커니즘을 도입함으로써 전략을 더욱 포괄적이고 안정적으로 만들 수 있습니다. 종합적으로 볼 때, 이것은 명확하고 논리적으로 엄격한 트렌드 추적 전략입니다.
/*backtest
start: 2024-04-02 00:00:00
end: 2025-04-01 00:00:00
period: 1d
basePeriod: 1d
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/
//@version=6
strategy("BTC Bollinger Bands w Fast and Slow SMAs", overlay=true, commission_value=0.1, slippage=3, default_qty_type=strategy.percent_of_equity, default_qty_value=100)
length = input.int(21, minval=1)
fastSmaLength = input.int(6, title="Fast SMA Length", minval=1) // Fast SMA with default 20
slowSmaLength = input.int(45, title="Slow SMA Length", minval=1) // Slow SMA with default 60
maType = input.string("SMA", "Basis MA Type", options=["SMA", "EMA", "SMMA (RMA)", "WMA", "VWMA"])
src = input(close, title="Source")
mult = input.float(2.0, minval=0.001, maxval=50, title="StdDev")
// Calculate SMAs dynamically
fastSma = ta.sma(src, fastSmaLength) // Fast SMA
slowSma = ta.sma(src, slowSmaLength) // Slow SMA
// Bollinger Bands Calculation
ma(source, length, _type) =>
switch _type
"SMA" => ta.sma(source, length)
"EMA" => ta.ema(source, length)
"SMMA (RMA)" => ta.rma(source, length)
"WMA" => ta.wma(source, length)
"VWMA" => ta.vwma(source, length)
basis = ma(src, length, maType)
dev = mult * ta.stdev(src, length)
upper = basis + dev
lower = basis - dev
offset = input.int(0, "Offset", minval=-500, maxval=500)
// Plotting the bands, basis, and both dynamic SMAs
plot(basis, "Basis", color=#2962FF, offset=offset)
p1 = plot(upper, "Upper", color=#F23645, offset=offset)
p2 = plot(lower, "Lower", color=#089981, offset=offset)
plot(fastSma, "Fast SMA", color=color.orange, offset=offset) // Plot the Fast SMA
plot(slowSma, "Slow SMA", color=color.blue, offset=offset) // Plot the Slow SMA
fill(p1, p2, title="Background", color=color.rgb(33, 150, 243, 95))
// Strategy logic: Open long position when the price closes above the upper Bollinger Band,
// the price is above the Slow SMA, and the Fast SMA is above the Slow SMA
// Condition to open a long position:
// 1. Price closes above the upper Bollinger Band
// 2. Price is above the Slow SMA
// 3. Fast SMA is above Slow SMA
if (close > upper and close > slowSma and fastSma > slowSma)
// Open Long position on the next candle's open
strategy.entry("Long", strategy.long) // Open Long on the current candle
// Condition to close the long position: previous close below the lower Bollinger Band or Fast SMA is below Slow SMA
if (close < lower or fastSma < slowSma)
// Close Long on the next candle's open
strategy.close("Long") // Close Long on the next bar's open