ianzeng123
개요
이 전략은 스마트 펀드 개념 (SMC) 과 부린 띠의 돌파구를 결합한 양적 거래 시스템으로, 동적 확인 메커니즘을 통해 거래 신호의 신뢰성을 강화한다. 전략의 핵심은 가격 돌파구 부린 띠의 경로를 벗어나는 경우를 식별하는 것이며, 시장 구조 변환 (MSS) 신호에 부합하는 것을 요구하며, 선택적으로 높은 시간 주기 트렌드 확인과 결합한다. 또한, 동적 필터 필터를 도입하여, 입장 신호가 충분히 강력한 가격 동력을 가져야 한다고 요구하는 것은 전략의 승률과 위험 수익률을 크게 높였다.
전략 원칙
이 전략은 다음과 같은 세 가지 핵심 기술 구성 요소의 상호 작용을 기반으로 작동합니다.
브린 벨트 지표: 표준 격차를 사용하여 가격의 변동 범위를 계산하여 상궤, 하궤 및 중궤를 형성한다. 가격이 상궤를 돌파할 때 다중 신호가 발생하고 하궤를 돌파할 때 공백 신호가 발생한다. 이 전략의 부린 대역 기간은 55이며, 표준 격차는 2.0이다.
스마트 펀드 개념 (SMC):
- 주문 블록 (Order Blocks): 특정 회귀 기간 (설정된 20주기) 내의 최고 가격과 최저 가격을 계산하여 잠재적인 지지와 저항 영역을 형성한다.
- 유동성 영역: 최근 흔들림의 고점과 낮점을 식별하여 시장에서 유동성이 있을 수 있는 영역을 결정한다.
- 시장 구조 전환 (MSS): 종결 가격이 전기 고점을 돌파했을 때 부진한 시장 구조 전환을 형성한다. 종결 가격이 전기 저점을 돌파했을 때 하향 시장 구조 전환을 형성한다.
동력 확인 메커니즘: 입시 이 요구되는 실물 부분의 전체 높이의 비율이 특정 하락값에 도달하는 것을 보장하기 위해 가격 돌파구가 충분한 동력을 갖도록 한다. 동량 이 뚜렷한 녹색을 보이고, 하락동량 이 뚜렷한 빨간색을 보인다.
입장 조건:
- 다중 조건: 종전 가격 부린 띠를 뚫고 궤도에 올랐다 + 시가 시장 구조 전환 + (선택 가능) 높은 시간 주기 상승 추세 + (선택 가능) 충분한 시가 움직임
- 공백 조건: 종전 가격 부린 반도를 돌파 하향 경로 + 하향 시장 구조 전환 + (선택) 높은 시간 주기 하향 경향 + (선택) 충분한 하향 움직임
출전 조건:
- 많은 출전: 부린 띠 중간 경로를 넘어가는 상장 가격 또는 상장 가격의 99%가 주문 블록 최저점보다 낮습니다.
- 공백 출장: 종전 가격이 브린 띠 중간 궤도를 뚫거나 종전 가격이 주문 블록 최고점보다 101% 높습니다.
자금 관리 측면에서, 전략은 계정 순가치에 기반한 위험 제어 방법을 채택하고, 각 거래는 계정 순가치의 5%로 제한하여 단일 거래의 최대 위험 을 제어한다.
전략적 이점
다중 인증 메커니즘부린 띠 돌파구, 시장 구조 전환 및 동력 확인을 결합하여 다층 거래 신호 필터링 메커니즘을 형성하여 가짜 신호를 현저히 줄입니다.
추세와 동력이 전략은 트렌드 변화에 집중하는 것뿐만 아니라 가격 동력에 집중합니다. 트렌드 추적과 동력 포착의 완벽한 결합을 실현합니다.
시간주기 연동: 선택 가능한 고 시간 주기 트렌드 확인 기능 (기본 일선 레벨), 역동 거래를 효과적으로 피하고 우세한 거래의 성공률을 높인다.
시각적 직관전략은 명확한 시각적 보조를 제공하며, 브린 테이프, 주문 블록 라인, 흔들리는 높고 낮은 포인트 라인 및 동력 의 색상 표시를 통해 거래자가 시장 상태를 직관적으로 이해할 수 있습니다.
유연하고 조정 가능전략 파라미터는 매우 사용자 정의 가능하며, 브린 대역 길이, 표준 차의 곱, 주문 블록 회귀 길이, 흔들림 회귀 길이 및 동력 저하 등이 다양한 시장 환경에 적응할 수 있습니다.
현명한 재무 관리: 계좌의 순액 비율에 기반한 포지션 제어 방법을 채택하여, 위험을 효과적으로 관리하고, 단일 거래로 인해 과도한 손실을 방지한다.
전략적 위험
과대 최적화 위험: 전략에는 브린 대역 길이 ((55)), 표준 차이의 곱 ((2.0)), 회귀 길이 등과 같은 여러 가지 조정 가능한 파라미터가 포함되어 있으며, 이는 파라미터를 과도하게 최적화하여 곡선 적합 문제를 초래할 수 있습니다. 해결책은 다른 시간 주기와 시장 환경 하에서 안정성 테스트를 수행합니다.
뒤처진 문제: 브린 띠와 SMC 요소는 역사 데이터 계산에 기반하고 있으며, 약간의 지연성이 있으며, 입시 시기가 좋지 않을 수 있습니다. 해결책은 가격 행동 분석과 다른 선도적 지표 보조 판단을 결합하는 것입니다.
추세 반전 위험: 강력한 시장 역전 시, 전략은 연속적인 손실이 발생할 수 있다. 해결책은 트렌드 역전 탐지 장치를 추가하거나, 극단적인 시장 조건에서 거래를 중단하는 것이다.
재정 관리의 도전: 고정 5%의 자본 배당은 변동성이 높은 시장에서 너무 위험 할 수 있습니다. 해결책은 동적으로 자본 배당 비율을 조정하여 시장의 변동성에 따라 적응 조정하는 것입니다.
유동성 위험: 유동성이 낮은 시장에서, 주문 블록과 유동성 영역이 충분히 정확하지 않을 수 있습니다. 해결책은 거래량 확인 메커니즘을 추가하거나 유동성이 풍부한 시장에서만 이 전략을 적용하는 것입니다.
전략 최적화 방향
동적 변수 조정: 적응 메커니즘을 도입할 수 있으며, 시장의 변동에 따라 브린 밴드의 표준 차차 곱셈과 길이의 파라미터를 자동으로 조정하여 전략을 다른 시장 환경에 더 잘 적응시킬 수 있습니다. 이렇게 하면 정적 파라미터가 다른 시장 조건에서 다르게 나타나는 문제를 해결할 수 있습니다.
트렌드 인식 강화: 방향 이동 지수 ((DMI) 또는 평균 방향 지수 ((ADX) 와 같은 추가적인 트렌드 지표를 도입할 수 있으며, 이는 추세 강도를 더욱 확인하고, 약한 트렌드 시장에서 과도한 거래를 방지한다.
출전 메커니즘 개선현재 출전 메커니즘은 비교적 간단하며, 이윤을 더 잘 보호하기 위해 후속 손해, 이동 평균 교차 또는 ATR 배수 손해와 같은 더 유연한 출전 방식을 도입하는 것이 고려 될 수 있습니다.
통합 트래픽 분석전략에 거래량 확인 메커니즘을 추가하여 가격 돌파가 거래량과 함께 크게 증가하도록 요구합니다. 거래량은 중요한 시장 참여 지표로서 가격 동력의 진실성을 효과적으로 확인할 수 있습니다.
시간 필터를 도입: 시장은 거래 시간에 따라 다른 성능을 나타냅니다. 시간 필터를 추가하여 특정 거래 시간 (아시아 청산 시간 등) 에서 신호를 발생하지 않도록 할 수 있습니다.
자금 관리 최적화ATR 기반의 포지션 계산 방법을 도입할 수 있습니다. 시장의 변동성에 따라 위험 을 조정하고, 높은 변동성 시장에서 노출을 줄이고, 낮은 변동성 시장에서 포지션을 적절하게 증가시킵니다.
요약하다
동량 주동형 부린 띠 돌파구와 지능형 자금 개념 융합 전략은 기술 분석과 시장 구조 이론을 결합한 종합 거래 시스템이다. 이 전략은 부린 띠 돌파구를 통해 가격 동력을 포착하고, SMC 이론을 사용하여 중요한 가격 수준과 시장 구조 변화를 식별하고, 동량 필터링 필터를 통해 신호 신뢰성을 강화한다. 다단계 신호 확인 메커니즘은 가짜 신호를 현저하게 감소시키고, 선택 가능한 높은 시간 주기의 트렌드 확인은 역동 거래를 피하는 데 도움이 된다.
이 전략은 명확한 논리와 여러 장점이 있음에도 불구하고, 거래자는 변수 최적화 위험, 지연 문제 및 트렌드 역전 위험 등과 같은 잠재적인 위험을 인식해야합니다. 동적 변수 조정, 향상된 트렌드 식별, 출구 메커니즘 및 통합 거래량 분석과 같은 최적화 조치를 도입함으로써 전략의 강도와 적응력을 더욱 향상시킬 수 있습니다.
궁극적으로, 거래자는 완벽한 거래 전략이 없다는 것을 기억해야하며, 전략의 핵심 논리를 이해하고, 위험을 합리적으로 관리하고, 다양한 시장 환경에 따라 유연하게 조정하는 것이 중요합니다. 실제 적용 전에, 전략이 다양한 시장 조건에서 어떻게 작동하는지 확인하기 위해 충분한 재검토와 전향 테스트를 수행하는 것이 좋습니다.
/*backtest
start: 2025-01-01 00:00:00
end: 2025-04-09 00:00:00
period: 1d
basePeriod: 1d
exchanges: [{"eid":"Futures_Binance","currency":"ETH_USDT"}]
*/
//@version=6
strategy('02 SMC + BB Breakout v4 + Momentum Color', overlay=true, initial_capital=100000)
// Inputs
length = input.int(55, title='Bollinger Bands Length')
mult = input.float(2.0, title='Standard Deviation Multiplier')
higher_tf = input.timeframe('1D', title='Higher Timeframe Confirmation')
confirm_trend = input.bool(true, title='Use Higher Timeframe Trend')
show_smc = input.bool(true, title='Show SMC Elements')
ob_length = input.int(20, title="Order Block Lookback", minval=5)
swing_length = input.int(12, title="Swing Lookback", minval=5)
momentum_filter = input.bool(true, title="Require Momentum Candle for Entry")
momentum_body_percent = input.float(70, title="Momentum Candle Body %", minval=1, maxval=100) / 100.0 // Percentage of the candle's range that must be the body
// Bollinger Bands Calculation
basis = ta.sma(close, length)
upper_band = basis + mult * ta.stdev(close, length)
lower_band = basis - mult * ta.stdev(close, length)
// Higher Timeframe Confirmation
higher_tf_close = request.security(syminfo.tickerid, higher_tf, close)
higher_tf_sma = ta.sma(higher_tf_close, length)
higher_tf_trend = higher_tf_close > higher_tf_sma
// Smart Money Concepts (SMC)
// Order Blocks (Simplified as recent price clusters)
order_block_high = ta.highest(high, ob_length)
order_block_low = ta.lowest(low, ob_length)
// Liquidity Zones
recent_swing_high = ta.highest(high, swing_length)
recent_swing_low = ta.lowest(low, swing_length)
// Market Structure Shift (MSS)
previous_high = ta.valuewhen(high > ta.highest(high[1], swing_length), high[1], 0)
previous_low = ta.valuewhen(low < ta.lowest(low[1], swing_length), low[1], 0)
shift_to_bullish = close > previous_high
shift_to_bearish = close < previous_low
// Momentum Candle Check (Strong Body)
candle_range = high - low
candle_body = math.abs(close - open)
body_percentage = candle_range > 0 ? candle_body / candle_range : 0 // Avoid division by zero if range is 0
long_momentum = body_percentage >= momentum_body_percent and close > open
short_momentum = body_percentage >= momentum_body_percent and close < open
// --- START: Momentum Candle Coloring ---
// Use color.lime for a neon green effect and color.red for neon red.
bullish_momentum_color = long_momentum ? color.lime : na
bearish_momentum_color = short_momentum ? color.red : na
barcolor(bullish_momentum_color, title="Bullish Momentum Candle")
barcolor(bearish_momentum_color, title="Bearish Momentum Candle")
// --- END: Momentum Candle Coloring ---
// Entry Conditions
long_condition = ta.crossover(close, upper_band) and (not confirm_trend or higher_tf_trend) and shift_to_bullish and (not momentum_filter or long_momentum)
short_condition = ta.crossunder(close, lower_band) and (not confirm_trend or not higher_tf_trend) and shift_to_bearish and (not momentum_filter or short_momentum)
// Exit Conditions (TWEAKED)
exit_long = ta.crossunder(close, basis) or close < (order_block_low * 0.99)
exit_short = ta.crossover(close, basis) or close > (order_block_high * 1.01)
// Calculate 5% of equity for position size
risk_percent = 5.0 // Use float for percentage calculation
capital_per_trade = (strategy.equity * risk_percent) / 100
trade_qty = capital_per_trade / close
trade_qty := trade_qty < 0.000001 ? 0.000001 : trade_qty // Ensure minimum trade quantity if calculated qty is too small
// Strategy Execution
if long_condition
strategy.entry('Long', strategy.long, qty=trade_qty)
if short_condition
strategy.entry('Short', strategy.short, qty=trade_qty)
if exit_long
strategy.close('Long', comment="Exit Long")
if exit_short
strategy.close('Short', comment="Exit Short")
// Plotting Bollinger Bands (Improved)
p1 = plot(upper_band, color=color.rgb(76, 175, 80), title='Upper BB', linewidth=2)
p2 = plot(lower_band, color=color.rgb(244, 67, 54), title='Lower BB', linewidth=2)
plot(basis, color=color.rgb(33, 150, 243), title='Basis BB', linewidth=2)
//plot entry and exit shapes
plotshape(long_condition, title="Long Entry", location=location.belowbar, color=color.new(color.green, 0), style=shape.triangleup, size=size.small)
plotshape(short_condition, title="Short Entry", location=location.abovebar, color=color.new(color.red, 0), style=shape.triangledown, size=size.small)