ianzeng123
개요
트렌드싱크 프로 (SMC) 는 높은 시간 프레임 (HTF) 필터와 트렌드 동력을 기반으로 강력한 시장 트렌드 움직임을 포착하기 위한 양적 거래 전략이다. 이 전략은 다중 시간 프레임 분석, 트렌드 라인 탐지 및 엄격한 위험 관리를 결합하여 거래자에게 체계화된 거래 방법을 제공합니다.
전략 원칙
이 전략의 핵심은 다음과 같은 핵심 구성 요소입니다.
높은 시간 프레임 (HTF) 필터: 더 높은 수준의 시간 프레임 (예: 1 시간, 4 시간 또는 일계) 을 사용하여 전체 시장 추세 방향을 확인하고 거래가 주요 추세와 일치하는지 확인하십시오.
트렌드 라인 탐지: 중요한 전환점을 분석하여 동적으로 시장의 트렌드 방향을 식별하고 시각화된 트렌드 라인을 그리기.
출전 및 출전 논리:
- 장점 입시 조건: 가격이 트렌드 값을 돌파하고 높은 시간 프레임 상승
- 공백 입점 조건: 가격이 추세값 아래로 떨어지고 높은 시간 프레임이 하향으로
위험 관리:
- 고정 스톱: 입점 가격의 1%로 설정
- 정지 목표: 입점 가격의 10%로 설정
- ATR을 사용하여 동적 스톱 손실을 선택할 수 있습니다.
전략적 이점
다중 시간 프레임 확인: 서로 다른 시간 프레임과 결합하여 거래 가짜 신호의 가능성을 감소시킵니다.
트렌드 추적: 빈번하지만 낮은 품질의 거래가 아닌 강력한 트렌디 시장 움직임을 포착하는 데 집중하십시오.
엄격한 위험 관리:
- 소손실 ((1%) 자본보호
- [고위험이익비율: 1:10]
- 50%의 확률로도 수익을 낼 수 있습니다.
유연성: 다른 거래 유형에 따라 높은 시간 프레임 설정을 조정할 수 있습니다.
시각적 도움말: 트렌드 라인 도면을 제공하여 거래자가 시장의 움직임을 직관적으로 이해할 수 있도록 도와줍니다.
전략적 위험
시장 조건의 제한:
- 불안정하거나 명확한 추세가 없는 시장에서 부진한 성과
- 낮은 변동성 환경에서의 거래 효과
변수 민감성:
- 트렌드 사이클과 높은 시간 프레임의 선택은 전략 성능에 직접적인 영향을 미칩니다.
- 다른 시장과 거래 품종에 대한 변수 조정
손해배상 위험:
- 1%의 고정 스톱은 높은 변동성 시장에서 너무 긴밀할 수 있습니다.
- 거래 비용과 ‘피해’의 가능성을 증가시킬 수 있습니다.
전략 최적화 방향
역동적인 정지:
- ATR 기반의 동적 상쇄 방법을 도입
- 시장의 변동성에 따라 조정된 손실 범위
필터 보강:
- 합성 트래픽 분석
- 통합 유동성 스캔
- [Order Block]을 추가 확인
다중 전략 포트폴리오:
- ICT Power of 3 방식과 결합
- VWAP와 시장 형태 분석 통합
- 청산 핫도그와 함께 (특히 암호화폐 시장)
기계학습 최적화:
- 기계 학습 알고리즘을 사용하여 최적화 변수 선택
- 적응 변수 조정 메커니즘 개발
요약하다
트렌드싱크 프로 (SMC) 는 양이 아닌 품질에 초점을 맞춘 거래 전략이다. 이 전략은 다중 시간 프레임 확인, 엄격한 위험 관리 및 추세를 따르는 논리를 통해 거래자에게 체계화된 거래 프레임 워크를 제공합니다.
/*backtest
start: 2024-04-02 00:00:00
end: 2024-07-12 00:00:00
period: 1h
basePeriod: 1h
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/
//@version=6
strategy('TrendSync Pro (SMC)', overlay=true, default_qty_type=strategy.percent_of_equity, default_qty_value=1)
// Created by Shubham Singh
// Inputs
bool show_trendlines = input.bool(true, "Show Trendlines", group="Visual Settings")
int trend_period = input(20, 'Trend Period', group="Strategy Settings")
string htf = input.timeframe("60", "Higher Timeframe", group="Strategy Settings")
// Risk Management
float sl_percent = input.float(1.0, "Stop Loss (%)", minval=0.1, maxval=10, step=0.1, group="Risk Management")
float tp_percent = input.float(2.0, "Take Profit (%)", minval=0.1, maxval=10, step=0.1, group="Risk Management")
// Created by Shubham Singh
// Trendline Detection
var line trendline = na
var float trend_value = na
var bool trend_direction_up = false // Initialize with default value
pivot_high = ta.pivothigh(high, trend_period, trend_period)
pivot_low = ta.pivotlow(low, trend_period, trend_period)
if not na(pivot_high)
trend_value := pivot_high
trend_direction_up := false
if not na(pivot_low)
trend_value := pivot_low
trend_direction_up := true
// Created by Shubham Singh
// Higher Timeframe Filter
htf_close = request.security(syminfo.tickerid, htf, close)
htf_trend_up = htf_close > htf_close[1]
htf_trend_down = htf_close < htf_close[1]
// Trading Logic
long_condition = ta.crossover(close, trend_value) and htf_trend_up and trend_direction_up
short_condition = ta.crossunder(close, trend_value) and htf_trend_down and not trend_direction_up
// Created by Shubham Singh
// Entry/Exit with SL/TP
if strategy.position_size == 0
if long_condition
strategy.entry("Long", strategy.long)
strategy.exit("Long Exit", "Long", stop=close*(1-sl_percent/100), limit=close*(1+tp_percent/100))
if short_condition
strategy.entry("Short", strategy.short)
strategy.exit("Short Exit", "Short", stop=close*(1+sl_percent/100), limit=close*(1-tp_percent/100))
// Created by Shubham Singh
// Manual Trendline Exit
if strategy.position_size > 0 and ta.crossunder(close, trend_value)
strategy.close("Long")
if strategy.position_size < 0 and ta.crossover(close, trend_value)
strategy.close("Short")