개요

축축 유동성 변동량 전략은 기술 분석을 기반으로 한 정량 거래 시스템으로, 시장의 핵심 지지 및 저항 영역을 활용하여 거래 결정을 내린다. 이 전략의 핵심은 1 시간 시간 프레임의 유동성 변동점을 식별하고, 가격이 이러한 핵심 수준을 돌파할 때 시장에 진입하며, 엄격한 1: 2 위험 수익 비율을 적용하여 위험 관리를 수행한다. 이 전략은 축축점 분석 기술을 채택하여, 타.피보트 (ta.pivothigh) 및 타.피보트 (ta.pivotlow) 함수를 통해 흔들림 고점 (resistance point) 및 흔들림 저점 (support point) 을 계산하고, 트렌드 방향과 결합하여 정확한 시장 진입 시기를 선택한다.

전략 원칙

이 전략은 다음과 같은 몇 가지 핵심 개념의 상호 작용에 기초하고 있습니다.

1. 유동성 영역 식별전략:ta.pivothigh 및 ta.pivotlow 함수를 사용하여 시장의 중요한 유동성 영역을 식별합니다. (지원 및 저항 지점) <unk> 회귀 파라미트 (부용 5) 는 축점의 감성을 제어합니다. 더 작은 값은 감성을 증가시키지만 잡음을 가져올 수 있으며, 큰 값은 반대로합니다.

2. 입력 논리：

   • 다목 (多頭): 가격이 상승 추세에서 1시간의 지지를 돌파하고 가격이 최근의 저항점 (close <resistance1h) 보다 낮을 때 입점한다.
   • 공백: 가격이 하향 추세에서 1시간 저항 지점을 돌파하고 최근 지지 지점 (close > support1h) 보다 높을 때 입점한다.

3. 위험 관리：

   • 초기 정지: 다중 헤드는 지지점 아래의 버퍼 영역을 설정 (support1h * (1 - stopLossBuffer / 100)), 공중 헤드는 저항점 위의 버퍼 영역을 설정 (resistance1h * (1 + stopLossBuffer / 100)) [2].
   • 파격 스톱: 다중 헤드는 가격 닫기 지점 아래에서 (close < support1h), 공중 헤드는 가격 닫기 지점 위에서 (close > resistance1h) 트리거.

4. 수익 목표이 전략은 고정된 1:2의 리스크/이익 비율을 사용하여 수익 목표를 계산합니다.

   • 다중: takeProfitPrice = entryPrice + 2 * risk
   • 빈 머리: takeProfitPrice = entryPrice - 2 * risk

이 방법을 통해, 전략은 높은 승률을 유지하면서도, 이윤을 창출하는 거래의 수익이 손실을 초래하는 거래의 손실을 상쇄할 수 있도록 보장합니다.

전략적 이점

이 전략의 코드 구현을 심층적으로 분석한 결과, 다음과 같은 몇 가지 중요한 장점을 요약할 수 있습니다.

1. 높은 객관적인 입구: 기술 지표 ((중추점) 를 이용한 지지점과 저항점의 식별은 객관적인 진입 신호를 제공하며, 주관적인 판단으로 인한 감정의 편차를 줄인다.

2. 시장의 변동에 적응하는 것이 전략은 가격 변동에 기초하여 중요한 수준을 계산하기 때문에, 다양한 시장 환경에서 변동성의 변화에 자동으로 적응할 수 있으며, 매개 변수를 자주 조정할 필요가 없습니다.

3. 명확한 위험 관리 프레임워크고정 1: 2 리스크 수익률과 동적 중지 손실 전략은 자금 관리의 일관성과 효율성을 보장합니다. 시장이 거래 예상과 달리 거래 할 때 시스템이 적시에 중단되어 계좌 자금을 보호 할 수 있습니다.

4. 트렌드 확인 필터이 전략은 가격의 특정 위치를 지원/저항 지점과 비교하여 요구합니다. 이는 거래 신호가 전체 시장 추세와 일치하는지 확인하고 역전 거래의 가능성을 줄이는 데 도움이 됩니다.

5. 시각적 보조 분석전략: 전략은 지원, 저항, 입시 신호를 시각적으로 보여 주며, 거래자가 시장 상황을 직관적으로 이해하고 전략적 결정을 내릴 수 있도록 도와줍니다.

전략적 위험

이 전략은 장점이 많지만, 몇 가지 잠재적인 위험도 있습니다.

1. 가짜 침입 위험: 큰 변동이나 낮은 유동성이있는 시장에서, 가격은 종종 지원 / 저항 지점을 돌파 한 후 다시 돌아와 가짜 돌파 신호를 생성 할 수 있습니다. 해결책은 가격의 확인 후 확인이 종료되는 것을 기다리는 것과 같은 확인 조건을 추가하거나 거래량 필터를 추가하는 것입니다.

2. 매개변수 민감도: 회귀 매개 변수 ((lookback) 의 선택은 신호 품질에 큰 영향을 미칩니다. 너무 작은 값은 너무 많은 신호와 잡음을 발생시키고, 너무 큰 값은 중요한 전환점을 놓칠 수 있습니다. 해결책은 특정 시장의 역사적인 변동성에 따라 최적화 매개 변수입니다.

3. 정지수준 위험: 고정 비율의 손실 버퍼 지대는 다양한 변동성 환경에서 충분히 유연하지 않을 수 있다. 높은 변동성 기간 동안에는 너무 이른 손실로 이어질 수 있다. 낮은 변동성 기간 동안에는 너무 먼 손실 위치로 이어질 수 있다. 해결책은 변동성에 적응하는 손실 버퍼 지대를 구현하는 것이다.

4. 거래 비용의 영향: 전략의 수익 목표 및 중지 손실 계산은 거래 비용을 고려하지 않습니다. 이것은 실제 거래에서 예상보다 낮은 실제 수익률을 초래할 수 있습니다. 해결책은 거래 비용 요소를 계산에 포함시키는 것입니다.

5. 역사적인 데이터에 의존하는 한계: 축점의 계산은 역사적 데이터에 의존하고, 이는 전략이 시장 조건이 크게 변할 때 반응이 늦어질 수 있음을 의미합니다. 해결책은 다른 전향적 지표와 결합하여 예측 능력을 강화하는 것입니다.

전략 최적화 방향

코드 분석을 바탕으로, 이 전략은 다음과 같은 방향으로 최적화될 수 있습니다:

1. 변동성 적응 변수: 변동성 지표 (ATR와 같은) 를 도입하여 역동적으로 회수 변수와 정지 완충 구역을 조정하여 전략이 다른 시장 조건에 더 잘 적응 할 수 있도록합니다. 시장의 변동성이 시간이 지남에 따라 변하고 고정된 변수가 다른 변동성 환경에서 일관되게 작동하지 않기 때문입니다.

2. 수량 확인: 진입 신호에 거래량 확인 조건을 추가하여 가짜 돌파의 위험을 줄인다. 거래량이 높은 돌파는 일반적으로 더 신뢰할 수 있는데, 이는 시장 참가자들의 합의가 더 강하다는 것을 나타냅니다.

3. 다중 시간 프레임 분석: 더 긴 시간 프레임의 트렌드 분석을 통합하여 거래의 방향이 더 큰 트렌드와 일치하는지 확인합니다. 이것은 더 큰 트렌드에 따라 거래하는 것이 일반적으로 더 높은 성공률을 가지고 있기 때문에 신호 품질을 향상시키는 데 도움이됩니다.

4. 동적 리스크 수익률: 시장의 변동성이나 기술 형태에 따라 위험-수익률을 조정한다. (정치적 수준에서 멀리 떨어져있는 경우) 기회가 더 좋을 때 수익 목표를 높인다. 이것은 높은 품질의 신호가 나타날 때 수익을 극대화 할 수 있다.

5. 기계 학습 강화: 기계 학습 알고리즘을 사용하여 역사적 신호의 특성을 분석하여 신호의 성공 가능성을 예측하고 그에 따라 포지션 크기 또는 위험 매개 변수를 조정합니다. 이것은 전략이 역사적 데이터에서 패턴을 배우고 예측의 정확도를 높이는 데 도움이 될 수 있습니다.

6. 이윤을 늘리는 지속적 관리이동 중지 또는 부분 수익 기능을 구현하여 수익 거래가 더 큰 시장 움직임을 잡을 수있는 기회를 제공합니다. 이것은 트렌드 움직임을 포착하는 데 특히 가치가 있으며 전략의 전체 수익률을 크게 향상시킬 수 있습니다.

요약하다

중심축 유동성 변동량 전략은 명확하고 논리적으로 구성된 양적 거래 시스템으로, 기술 분석의 중심점 이론, 가격 행동 분석 및 위험 관리 원칙을 교묘하게 결합합니다. 이 전략의 핵심 장점은 객관적인 입수 신호와 엄격한 위험 제어 장치로, 다양한 시장 환경에서 적용하기에 적합합니다.

1시간 시간 프레임의 핵심 유동성 영역을 식별함으로써 (지원점과 저항점) 전략은 가격이 이러한 영역을 뚫을 때 동적 기회를 잡을 수 있습니다. 고정 1: 2 리스크-비율 비율은 장기적인 수익의 수학적인 기대를 보장하고, 동적 중지-손실 메커니즘은 추가적인 위험 보호 층을 제공합니다.

이 전략은 가짜 돌파구 및 변수 최적화와 같은 도전에 직면하고 있지만, 이 문서에서 제시된 최적화 방향은 변동성 적응 변수, 거래량 확인 및 다중 시간 프레임 분석과 같은 문제를 효과적으로 완화 할 수 있습니다. 특히 기계 학습 기술을 도입하면 전략에 상당한 성능 향상을 가져올 수 있습니다.

전반적으로, 축축 유동성 변동량 전략은 거래자에게 체계적이고 복제 가능한 거래 방법을 제공하며, 감정적 편견을 줄이고, 규율을 강화합니다. 이 전략은 더 깊이 연구하고 최적화하려는 거래자에게는 개인 위험 선호와 목표 시장에 따라 맞춤화 할 수있는 견고한 기반을 제공합니다.