다중 지표 협업 추세 모멘텀 거래 시스템

UT Bot HMA JCFBV ATR WMA
생성 날짜: 2025-05-14 15:09:44 마지막으로 수정됨: 2025-05-14 15:09:44
복사: 0 클릭수: 271
avatar of ianzeng123 ianzeng123
2
집중하다
319
수행원

다중 지표 협업 추세 모멘텀 거래 시스템 다중 지표 협업 추세 모멘텀 거래 시스템

개요

다중 지표 연동 트렌드 동력 거래 시스템은 Ultimate Trend Bot (UT Bot), Hull Moving Average (HMA) 및 JCFBV 지표를 통합하여 높은 확률의 거래 신호를 식별합니다. 전략은 삼중 필터링 메커니즘을 통해 신호 신뢰성을 확인하고, 거래 시간 필터 기능을 포함하며, 런던, 뉴욕 및 도쿄 거래 시간 동안 선택적으로 거래를 수행합니다. 시스템은 사전 설정된 중지 손실과 중지 포인트를 사용하여 재산을 보호하면서 합리적인 이익을 잠금합니다.

전략 원칙

이 전략의 핵심은 높은 품질의 거래 신호를 다중 지표 협동으로 확인하는 것입니다.

  1. UT Bot 구성요소: ATR을 사용하여 가격 변동의 범위를 계산하고, 동적으로 추적하는 스톱 손실 라인을 설정한다. 가격이 상향으로 이 라인을 돌파하면 잠재적인 구매 신호가 발생한다.

  2. HMA 트렌드 필터: HMA를 사용하여 시장 추세 방향을 확인한다. HMA를 상향으로 돌파한 경우에만 구매 신호가 유효하며, 거래가 추세에 부합하도록 보장한다.

  3. JCFBV 동력 확인: 가중된 이동 평균을 통해 계산된 운동 지표. 원래의 라인에서 신호선을 통과하고 상단에 유지하면 시장의 운동이 증가하여 입장에 적합합니다.

  4. 거래 시간 필터: 특정 거래 시간 동안만 실행하도록 구성할 수 있으며, 유동성이 낮은 시간을 피한다.

  5. 위험 관리: 고정된 점수 스톱로스 및 스톱 스을 사용하여, 각 거래에 대해 명확한 리스크 제어와 수익 목표가 있는지 확인한다.

종합적으로 볼 때, 전략은 모든 조건이 동시에 충족될 때만 구매 신호를 유발합니다. 이러한 여러 확인 메커니즘은 신호의 신뢰성을 크게 향상시킵니다.

전략적 이점

이 전략의 구조와 논리를 분석하면 다음과 같은 장점을 요약할 수 있습니다:

  1. 다층 필터링 장치3가지 유형의 지표를 통합하여 가짜 신호를 효과적으로 줄이고 거래 성공률을 높여줍니다.

  2. 적응성: ATR 기반의 동적 조정 추적 스톱 라인, 다양한 시장 변동 조건에 적합하다.

  3. 트렌드 확인HMA는 거래의 방향이 주요 동향과 일치하도록 하고, 역동적인 거래의 위험을 피한다.

  4. 동력 검증JCFBV 지표는 시장의 강력한 동력을 식별하여 시장에 진입하는 시기를 정확하게 조정합니다.

  5. 시간 최적화시장 활동이 높은 기간에 집중하고, 효율적이지 않은 거래 환경을 피하십시오.

  6. 명확한 위험 통제: 사전 설정된 스톱로스 은 명확한 리스크-이익 비율을 제공하여 자금 관리를 용이하게 합니다.

  7. 시각적 도움말: 지표선과 진입 신호를 그리며, 직관적인 시각적 참조를 제공한다.

전략적 위험

하지만, 이 디자인은 여전히 잠재적인 위험과 한계를 가지고 있습니다.

  1. 매개변수 민감도: 여러 개의 핵심 매개 변수 설정이 전략 성능에 중대한 영향을 미치며, 부적절한 선택은 과도한 최적화를 초래할 수 있다.

  2. 다중 조건 제한이 필터링은 거래 빈도를 줄여서 유리한 기회를 놓칠 수 있습니다.

  3. 고정 상쇄 제한: 시장의 변동성을 고려하지 않고 모든 시장 조건에 적합하지 않을 수 있습니다.

  4. 추세 반전 위험: 주로 트렌드가 뚜렷한 시장에 적용되며, 수평 또는 급격한 반전 시에는 좋지 않을 수 있다.

  5. 시간적 의존성“일부 거래시간에 지나치게 의존하면 다른 시간에는 더 좋은 기회를 놓칠 수 있다”.

  6. 지표 연동 지연다중 지표 확인이 낙후 효과를 가져오기 때문에 입시 지점이 좋지 않을 수 있습니다.

완화 방법은: 충분한 회전 측정 및 매개 변수 최적화; 적응형 상쇄 스톱을 도입; 시장 환경 필터를 증가; 매개 변수를 정기적으로 평가하고 조정하는 등이다.

전략 최적화 방향

코드 분석을 바탕으로 다음과 같은 최적화 방향이 있습니다.

  1. 동적 위험 관리: ATR 기반의 동적 스톱 스톱을 사용하여 시장의 변동에 자동으로 적응한다.

  2. 시장 환경 필터링시장 상황을 판단하는 추가 지표를 도입하고, 높은 불확실성이나 과도한 변동이 있을 때 거래를 중단한다.

  3. 변수 적응 메커니즘: 개발된 알고리즘은 시장의 성과에 따라 핵심 매개 변수를 자동으로 조정할 수 있다.

  4. 일부 포지션 관리: 더 나은 위험을 관리하고 평균 진입 가격을 최적화하기 위해 입점 및 출퇴근 체계를 도입한다.

  5. 반전 보호: 빠른 시장 역전 감지 장치를 설계하여 강력한 역전 신호가 감지되면 조기 퇴출한다.

  6. 관련 자산 확인: 관련 자산이나 지수의 확인 신호를 추가하여 신뢰도를 높인다.

  7. 시간 퇴화 요인: 오랜 시간 동안 출전 조건을 유발하지 않은 지분을 보유하면 시간 침체 인자를 도입하여 수익 회귀를 방지한다.

요약하다

다중 지표 연동 트렌드 동력 거래 시스템은 UT Bot, HMA 및 JCFBV를 통합하여 거래 신호의 다차원 확인을 구현합니다. 전략은 트렌드, 동력 및 가격 행동의 연동 확인을 요구합니다. 동시에 거래 시간 필터링과 위험 관리를 결합하여 완전한 거래 시스템을 형성합니다.

주요 장점은 여러 층의 필터링 장치와 자기 적응 성능으로, 잘못된 신호를 줄이고 다른 시장 조건에 적응할 수 있다. 그러나 또한 매개 변수 감수성 등의 제한이 있어 신중하게 대처해야 한다.

최적화 방향은 주로 동적 위험 관리, 시장 환경 필터링 및 매개 변수 적응 등에 초점을 맞추고 있습니다. 모든 양적 전략은 주기적으로 평가되고 변화하는 시장 환경에 적응하기 위해 조정해야합니다.

전체적으로, 이것은 합리적이고 논리적으로 명확하게 설계된 종합형 거래 전략이며, 경험있는 양자 거래자의 사용과 맞춤에 적합합니다. 충분한 재검토와 변수 최적화가 권장되며, 작은 포지션에서 시작하여 유효성을 검증합니다.

전략 소스 코드
/*backtest
start: 2025-05-06 00:00:00
end: 2025-05-13 00:00:00
period: 1m
basePeriod: 1m
exchanges: [{"eid":"Futures_Binance","currency":"ETH_USDT"}]
*/

//@version=6
strategy("Clarity Strategy: UT Bot + HMA + JCFBV (v6 fixed)", overlay=true, max_labels_count=500)

// === INPUTS === //
ut_keyvalue = input.float(3, title="UT Bot Key Value", step=0.5)
ut_atrperiod = input.int(10, title="UT Bot ATR Period")

hma_period = input.int(50, title="HMA Period")

jcfb_depth = input.int(15, "JCFBV Depth")
jcfb_smooth = input.int(30, "Signal Smoothing Period")

sl_points = input.int(1000, title="Stop Loss (Points)")
tp_points = input.int(2000, title="Take Profit (Points)")

enable_london = input.bool(true, title="Allow London Session?")
enable_newyork = input.bool(true, title="Allow New York Session?")
enable_tokyo = input.bool(true, title="Allow Tokyo Session?")

// === SESSION FILTERING === //
hr = hour(time)
in_london  = (hr >= 3 and hr < 12)
in_newyork = (hr >= 8 and hr < 17)
in_tokyo   = (hr >= 19 or hr < 4)
session_ok = (enable_london and in_london) or (enable_newyork and in_newyork) or (enable_tokyo and in_tokyo)

// === UT BOT LOGIC === //
src = close
atr = ta.atr(ut_atrperiod)
nLoss = ut_keyvalue * atr

var float trailing_stop = na
trailing_stop := src > nz(trailing_stop[1]) ? math.max(nz(trailing_stop[1]), src - nLoss) :
                 src < nz(trailing_stop[1]) ? math.min(nz(trailing_stop[1]), src + nLoss) :
                 nz(trailing_stop[1])

ut_buy = ta.crossover(src, trailing_stop)
plot(trailing_stop, color=color.gray, title="UT Bot Trailing Stop")

// === HMA LOGIC === //
hma_raw = 2 * ta.wma(close, math.round(hma_period / 2)) - ta.wma(close, hma_period)
hma = ta.wma(hma_raw, math.round(math.sqrt(hma_period)))
plot(hma, color=color.orange, title="HMA 50")
cross_above_hma = ta.crossover(close, hma)

// === JCFBV (SIMPLIFIED) === //
jcfb_raw = ta.wma(close - close[1], jcfb_depth)
jcfb_signal = ta.wma(jcfb_raw, jcfb_smooth)
vol_rising = ta.crossover(jcfb_raw, jcfb_signal)
yellow_bar = jcfb_raw >= jcfb_signal

plot(jcfb_raw, color=color.gray, title="JCFBV Line")
plot(jcfb_signal, color=color.yellow, title="JCFBV Signal")

// === COMBINED ENTRY CONDITION === //
long_entry = ut_buy and cross_above_hma and vol_rising and yellow_bar and session_ok

if (long_entry)
    strategy.entry("Long", strategy.long)
    strategy.exit("Exit", from_entry="Long", loss=sl_points, profit=tp_points)

plotshape(long_entry, title="Long Entry Signal", location=location.belowbar, color=color.green, style=shape.triangleup, size=size.small)