
바닷가 전략 최적화 버전은 가짜 돌파구를 기반으로 한 역전 거래 전략으로, 시장의 유동성을 잡기 위해 특별히 설계되었다. 이 전략의 핵심 아이디어는 유명한 거래자 Linda Raschke의 “바닷가” 개념에서 유래했다. 바닷가 (즉, 트렌드를 따르는 거래자) 가 발생하면, 똑똑한 자금이 “煮 “된다. 구체적으로, 이 전략은 가격이 최근 최고점이나 최저점을 돌파한 후의 가짜 움직임을 식별하여, 가격이 원래의 위치로 돌아온 후 범위에 진입하여, 대형 시장 참가자가 리테일 거래자를 돌파구 위치로 유도 한 후 시장의 역전 특성을 활용하여, 반전 거래자에게 높은 확률의 진입 지점을 제공합니다.
이 전략은 가격 행동 분석에 기반을 두고 있으며, 돈치안 채널, 주문 블록, 공정 가치 격차 등과 같은 여러 고급 지표와 결합하여 시장 구조와 기관의 자금 발자국에 대한 깊은 통찰력을 제공하며 거래 결정을 위해 여러 층의 확인을 제공합니다.
바닷가 전략의 작동 원리는 시장 심리학과 거래자 행동 패턴에 기반한다. 전략은 코드에서 네 가지 핵심 거래 신호를 인식한다:
해파리 주체 다중 머리 신호 ((TBS Long): 해파리가 가장 가까운 동치안 하위점을 완전히 뚫고 나서 다시 범위에 다시 닫는다. 이 가짜 뚫림은 일반적으로 더 강한 반전 신호를 나타낸다.
해파리 주체 空頭 신호 ((TBS Short): 해파리가 가장 가까운 동치안 고도를 완전히 뚫고 다시 폐쇄된 후 범주로 돌아온다.
바닷가 그림자 선이 다중 머리 신호 ((TWS Long): 바닷가 그림자 선이 ((가 아니라 실물) 이 둥지안 하락점을 뚫고, 하지만 종전 가격이 범위에 다시 돌아옵니다. 이것은 약한 그러나 여전히 유효한 반전 신호로 간주됩니다.
해양 그림자 선이 공중 신호 ((TWS Short): 해양 그림자 선이 돈치안 고점을 돌파하지만, 종점 가격은 범위에 돌아옵니다.
정책은 또한 두 가지 추가적인 확인 조건을 추가할 수 있습니다.
선택된 조건이 충족되면, 전략은 신호가 종착 시점에 진입하여, 스톱로스 (SL) 를 의 낮은 지점 (for multihead) 또는 높은 지점 (for empty head) 아래로 설정하고, 미리 설정된 리스크-리터드 비율 (default 1.5x) 에 따라 자동으로 수익 목표 (TP) 를 계산한다.
높은 확률의 전환점을 잡는 것해안 전략의 주요 장점은 “거짓 돌파” 또는 “피해 사냥” 지역을 효과적으로 식별할 수 있다는 것입니다. 이러한 지역은 일반적으로 시장의 대규모 참가자의 행동 지점을 나타냅니다. 이러한 지역을 대상으로 역으로 작동함으로써 거래자는 “지능한 자금”과 같은 방향으로 서있을 수 있습니다.
다중 인증 메커니즘: 전략은 여러 가지 기술 지표와 가격 행동 신호를 결합하여 확인 조건 ((TBS/TWS 신호 + 선택 가능한 OB/FVG 필터) 를 중첩하여 거래 신호의 신뢰성을 높이고, 가짜 신호를 크게 감소시킵니다.
자동화 된 위험 관리: 전략은 위험 관리 기능을 내장하고, 거래마다 자동으로 중지 손실과 중지 수준을 계산하여 잘못된 경우 손실을 제한하고, 올바른 경우 합리적인 수익을 얻을 수 있도록합니다. 위험 수익률은 조정 가능하며, 다른 위험 용도에 적합합니다.
다른 시장 환경에 적응하는 것: 이 전략은 흔들림이나 간격 시장에서 가장 잘 작동하지만, 파라미터를 조정하여 (동치안 회귀주기와 같은) 다른 시장 조건에도 적응할 수 있다.
시각적 직관전략: 명확한 시각적 표시와 신호를 제공하여 거래자가 시장 상황을 쉽게 이해하고 신속하게 결정을 내릴 수 있도록합니다.
잘못된 신호의 위험: 여러 번의 확인에도 불구하고, 시장은 특히 높은 변동이나 유동성이 부족한 시기에 잘못된 신호를 일으킬 수 있습니다. 이러한 위험을 줄이기 위해, 실전 이전 충분한 회귀를 수행하고 실전에서 높은 유동성이있는 시간에 적용하는 전략을 고려하는 것이 좋습니다.
시간 프레임 의존성다양한 시간 프레임에서 전략의 성능은 현저하게 다를 수 있습니다. 낮은 시간 프레임 (예: 15 분에서 1 시간) 은 더 많은 거래 신호를 생성 할 수 있지만 동시에 잡음을 증가시킬 수 있습니다.
강세를 보이는 시장 위험: 강한 트렌드 시장에서, 가짜 돌파 반전 신호의 효력이 감소할 수 있는데, 실제 돌파의 확률이 증가하기 때문이다. 명확한 트렌드 방향에서 반전 거래를 피하거나, 추가적인 트렌드 필터를 추가하는 것이 이 위험을 줄일 수 있다.
매개변수 민감도: 동치안 회귀주기 (기본 20) 는 전략 성능에 큰 영향을 미칩니다. 너무 짧으면 너무 많은 신호가 발생할 수 있으며 너무 길으면 기회를 놓칠 수 있습니다. 회귀를 통해 특정 시장과 시간 프레임에 가장 적합한 매개 변수를 찾는 것이 좋습니다.
손해배상 설정 위험: 현재 전략의 중지 손실은 신호 턱의 극치에 설정되어 있으며, 어떤 경우에는 너무 긴축되거나 너무 느슨할 수 있습니다. 변동률이나 ATR을 통해 중지 손실 거리를 조정하여 더 유연하게 만들 수 있습니다.
덩치안 주기 적응: 현재 전략은 고정된 돈치안 회귀주기를 사용한다. [기본 20] 시장의 변동률이나 트렌드 강도에 따라 동적으로 조정되는 적응주기를 구현하는 것을 고려할 수 있다. 예를 들어, 높은 변동률 환경에서 더 긴 주기를 사용하며, 낮은 변동률 환경에서 더 짧은 주기를 사용하여 다른 시장 상태에 적응한다.
트렌드 필터 추가: 강한 추세에서 역전 거래를 피하기 위해, 이동 평균 방향이나 ADX 지표와 같은 추세 필터를 추가하여 흔들리는 시장에서만 역전 신호를 활성화 할 수 있습니다. 이것은 전략의 장기 적용에서의 안정성을 크게 향상시킬 수 있습니다.
최적화된 스톱/프리트 전략: 현재 전략은 고정된 리스크 수익을 사용하여 스톱을 설정하는 것보다 다단계 수익 목표 또는 후속 손실을 달성하는 것을 고려할 수 있으며, 큰 가격 변동을 더 잘 포착 할 수 있습니다. 예를 들어, 첫 번째 수익 목표가 달성 된 후 손실을 비용으로 이동하여 남은 포지션이 계속 작동 할 수 있습니다.
시간 필터: 시간 필터 기능을 추가하여 시장 개장/폐지 전이나 중요한 뉴스 발표 기간 동안 거래하는 것을 피합니다. 이러한 기간은 일반적으로 높은 변동성과 예측 불가능합니다.
거래량 확인: 전략에 거래량 분석을 통합하여 가격 움직임이 충분한 거래량으로 지원되는지 확인한다. 예를 들어, 가짜 브레이크 시 거래량이 낮아지고, 범위에 돌아가는 경우 거래량이 증가하여 반전의 유효성을 확인 할 수 있다.
기계 학습 최적화: 전략의 안정성과 수익성을 더욱 높이기 위해 기계 학습 기술을 적용하여 역사 데이터에 기반한 최적의 변수 조합을 자동으로 식별하거나 신호의 성공 가능성을 예측하는 것을 고려하십시오.
바닷가 전략 최적화 버전은 시장의 가짜 돌파구와 유동성 함정을 포착하여 높은 확률의 거래 기회를 제공하는 정교하게 설계된 역전 거래 시스템입니다. 동치안 통로, 주문 블록 및 공정 가치 틈새 등과 같은 여러 확인 도구를 결합하여 시장 구조의 중요한 전환점을 효과적으로 식별 할 수 있습니다.
이 전략의 특징은 시장 심리학에 대한 깊은 이해, 특히 대형 시장 참가자가 유동성 영역을 활용하여 소매업자를 불리한 위치에 유도하는 방법에 있습니다. “지능한 자금”의 편에 서는 전략은 위험을 통제 할 수 있는 상태에서 안정적인 수익을 얻을 수 있습니다.
전략은 흔들림과 간격 시장에서 가장 잘 작동하지만, 앞서 제시한 최적화 방향에 의해 더 많은 적응력과 탄력성을 강화하여 광범위한 시장 조건에서 유효하게 유지 할 수 있습니다. 무엇보다 거래자는 전략의 배후에 있는 원리를 이해하고, 위험 관리 기술과 결합하여 충분한 피드백과 시뮬레이션 거래를 통해 특정 시장에서의 효과를 검증해야합니다.
/*backtest
start: 2024-04-27 00:00:00
end: 2025-04-25 08:00:00
period: 1h
basePeriod: 1h
exchanges: [{"eid":"Futures_Binance","currency":"SOL_USDT"}]
*/
//@version=5
strategy("🐢 Turtle Soup Strategy v1.0 – TBS/TWS + OB/FVG + SL/TP", overlay=true, default_qty_type=strategy.percent_of_equity, default_qty_value=100)
// === INPUTS ===
lookback = input.int(20, "Donchian Lookback", minval=5)
rr1 = input.float(1.5, "TP1 Risk-Reward")
useOB = input.bool(true, "Use Order Block Filter")
useFVG = input.bool(false, "Use FVG Filter")
// === DONCHIAN LEVELS ===
highestHigh = ta.highest(high[1], lookback)
lowestLow = ta.lowest(low[1], lookback)
// === ORDER BLOCK LOGIC ===
bullOB = close > open and close > high[1] and open[1] > close[1]
bearOB = close < open and close < low[1] and open[1] < close[1]
// === FVG LOGIC ===
fvgUp = low > high[2]
fvgDn = high < low[2]
// === TURTLE SOUP SETUPS ===
// Body-based reversal (TBS)
tbsLong = close < lowestLow and close > open and open < lowestLow
tbsShort = close > highestHigh and close < open and open > highestHigh
// Wick-based reversal (TWS)
twsLong = low < lowestLow and close > lowestLow
twsShort = high > highestHigh and close < highestHigh
// === CONFLUENCE CHECK ===
longConfluence = (not useOB or bullOB) and (not useFVG or fvgUp)
shortConfluence = (not useOB or bearOB) and (not useFVG or fvgDn)
// === FINAL SIGNAL CONDITIONS ===
longEntry = (tbsLong or twsLong) and longConfluence
shortEntry = (tbsShort or twsShort) and shortConfluence
// === ENTRY + SL/TP LEVEL CALCULATION ===
longSL = low
shortSL = high
longTP = close + (close - low) * rr1
shortTP = close - (high - close) * rr1
// === STRATEGY EXECUTION ===
if longEntry
strategy.entry("Long", strategy.long)
strategy.exit("TP/SL Long", from_entry="Long", limit=longTP, stop=longSL)
if shortEntry
strategy.entry("Short", strategy.short)
strategy.exit("TP/SL Short", from_entry="Short", limit=shortTP, stop=shortSL)
// === OPTIONAL: PLOT SIGNAL LABELS ===
plotshape(longEntry, title="Long Signal", location=location.belowbar, color=color.green, style=shape.labelup, text="BUY 🟢")
plotshape(shortEntry, title="Short Signal", location=location.abovebar, color=color.red, style=shape.labeldown, text="SELL 🔴")