다중 대역 가격 반전 식별 전략: Horn 패턴 및 EMA 추세 필터링 기술 기반

개요

다중 파장 가격 역전 인식 전략은 가격 구조를 기반으로 한 거래 전략으로, 핵심은 시장에서 단기 역전 기회를 포착하기 위해 “호른 모드” (각형) 에 의존한다. 이 전략은 형태 인식, 트렌드 필터 및 변동률 확인의 3 차원을 결합하여 특정 3 K 라인 조합 패턴을 식별하고 4 K 라인 (확인 K 라인) 이 특정 조건을 충족하면 거래 신호를 유발한다. 이 전략은 EMA20을 주요 트렌드 필터 도구로 사용하여 거래 방향이 중기 추세와 일치하는지 확인하고, ATR 지표를 사용하여 낮은 변동률 환경에서 필터링하여 거래 품질을 효과적으로 향상시킵니다.

전략 원칙

이 전략의 핵심 원리는 가격 구조의 “Horn 패턴”에 기반을 두고 있다. 즉, 3개의 K선으로 형성된 특정 가격 패턴이다.

1. 다중 헤드 호른 모드：

   • 3개의 K선 (bar) 을 요구합니다.[3]、bar[2]、bar[1]) 중, 중간 K선 ((bar[2]) 의 낮은 점은 양쪽 K 선의 낮은 점보다 높습니다.
   • 첫 번째 K선과 세 번째 K선은 양선으로 되어 있어야 합니다.
   • “저점-고점-저점-저점”을 형성하는 W형 구조

2. 빈 머리 모드：

   • 3개의 K선 중 중간 K선 높이가 양쪽 K선 높이에 비해 낮아야 한다.
   • 첫 번째 K선과 세 번째 K선은 음선으로 되어 있어야 합니다.
   • “고점-저고점-고점”을 형성하는 M형 구조

3. 확인 조건：

   • 다중 신호: 4번째 K선 ((확인 K선) 종전 가격은 앞의 3개의 K선에서 가장 높은 지점을 넘어야 하며, 양선입니다.
   • 공백 신호: 4번째 K선 종전 가격은 전 3개의 K선 최저점을 돌파해야 하며, 음선이다

4. 필터 조건：

   • 트렌드 필터: 멀티 헤드 신호는 K 라인 종결 가격을 EMA20보다 높게 확인하고, 공수 신호는 K 라인 종결 가격을 EMA20보다 낮게 확인합니다.
   • 변동율 필터: 확인된 K선 또는 이전 K선의 변동폭은 ATR보다 커야 하며, 낮은 변동환경을 피하도록 한다.

전략은 정확한 입점 가격 설정과 위험 관리 방법을 사용합니다. 다중 머리는 확인 K 라인 종점 가격에 기초하여 최소 변동 단위를 추가하고, 공수 머리는 확인 K 라인 종점 가격에 최소 변동 단위를 제거합니다.

전략적 이점

1. 구조화된 거래 논리전략은 명확한 가격 구조와 형태를 기반으로 하며, 주관적인 판단을 줄이고 거래의 일관성과 반복성을 향상시킵니다.

2. 다중 필터링 장치: EMA 트렌드 필터와 ATR 변동율 필터로 신호 품질을 크게 향상시키고 불리한 시장 환경에서 잘못된 거래를 방지한다.

3. 정확한 진입과 위험 관리전략은 명확한 입시점, 중단점, 중단점을 설정하여 위험 관리가 간단하고 효과적이며 거래의 위험은 미리 알려져 있습니다.

4. 시각적 지원전략: Horn 모델의 구조선, 입수 가격선 및 목표 가격선을 도표에 그려 거래자의 거래 논리와 가격 움직임을 직관적으로 이해할 수 있도록 도와줍니다.

5. 매우 적응력이 좋다: 전략은 다양한 시간 프레임에 적용됩니다 ((5분에서 1시간) 그리고 높은 변동성 품종, 광범위한 응용 시나리오가 있습니다.

6. 매개 변수 조정EMA 길이, ATR 길이 및 변동률 하락값과 같은 핵심 매개 변수는 다양한 시장 조건과 개인 선호에 따라 조정될 수 있으며, 전략의 유연성을 높일 수 있습니다.

전략적 위험

1. 가짜 침입 위험: 높은 변동성 시장에서, 가격이 가짜 브레이크를 형성할 수 있으며, 신호를 발동한 후 급격히 반전하여, 스톱 손실이 유발됩니다. 해결책은 추가적인 확인 지표를 추가하거나, 입문 시기를 조정하는 것입니다.

2. 트렌드 전환점 불확실성: 트렌드 전환점 근처에서, EMA 필터링은 초기 역전 신호를 놓치게 할 수 있습니다. 이 문제를 완화하기 위해 다른 트렌드 식별 도구를 추가하거나 더 민감한 EMA 매개 변수를 설정하는 것을 고려할 수 있습니다.

3. 유동성이 낮은 환경의 위험: 낮은 유동성 환경에서 슬라이드 포인트는 실제 입시 가격이 이상적인 가격에서 벗어나 리스크 수익률에 영향을 미칠 수 있습니다. 고 유동성 품종이나 주요 거래 시점에 이 전략을 사용하는 것이 좋습니다.

4. 매개변수 민감도:EMA와 ATR 파라미터의 선택은 전략 성능에 중요한 영향을 미치며, 다른 시장 환경에는 다른 파라미터 설정이 필요할 수 있다. 다양한 시장 조건에 대한 역검사를 통해 파라미터를 최적화하는 것이 좋습니다.

5. 연속적인 손실 위험모든 거래 전략에는 연속적인 손실이 있을 수 있으며, 합리적인 재무 관리 프로그램이 단일 거래의 위험을 제어하고, 재무 곡선의 큰 회전을 피하는 것이 필요합니다.

전략 최적화 방향

1. 다중 시간 프레임 확인: 더 높은 시간 프레임의 트렌드 확인 메커니즘을 도입하여, 더 높은 시간 프레임의 트렌드 방향이 일치할 때만 거래를 실행하여 신호 품질을 향상시킵니다. 이것은 더 긴 주기의 EMA 또는 다른 트렌드 지표를 추가하여 수행 할 수 있습니다.

2. 동적 차단 장치: 현재 전략은 고정된 1R 중지 목표를 사용하며, 강력한 추세에서 더 많은 이익을 얻기 위해 손실을 추적하거나 ATR 기반의 동적 중지와 같은 동적 중지 메커니즘을 도입하는 것을 고려할 수 있습니다.

3. 변동률은 스스로 적응합니다.: 현재 전략은 고정된 ATR 값을 사용하여 낮은 변동 환경을 필터링하고, 최근 시장 변동 특성에 따라 값을 자동으로 조정하는 변동률 자조 장치를 구현하는 것을 고려할 수 있습니다.

4. 입시 최적화: 리콜 입시 논리를 추가하는 것을 고려하고, 확인된 신호 후에 소규모 리콜을 기다린 후 다시 입시하여 더 나은 입시 가격과 리스크 수익률을 얻을 수 있다.

5. 가격행동 확인기본 호른 모델에 기초하여, 거래량 확인, 도표 형식 확인과 같은 가격 행동 확인 요소를 추가하여 신호 품질을 더욱 향상시킵니다.

6. 기계학습 통합: 기계 학습 알고리즘의 도입을 고려하여, 역사 데이터 훈련 모델을 통해 가장 성공할 가능성이 높은 호른 패턴을 식별하고, 신호 품질의 지능적인 필터를 구현한다.

요약하다

다중 파장 가격 역전 인식 전략은 가격 구조 인식, 트렌드 필터링 및 변동률 확인을 결합한 거래 시스템으로, 특정 호른 패턴 역전 신호를 포착하여 중기 트렌드에 부응하는 경우 거래를 실행합니다. 이 전략의 장점은 명확한 구조화된 거래 논리, 정밀한 위험 관리 및 여러 필터링 메커니즘에 있습니다. 중장기 거래자가 시장의 역전 기회를 포착하는 데 적합합니다.

전략적 위험은 주로 가짜 돌파구, 트렌드 전환점의 불확실성과 파라미터 민감성에서 비롯되지만, 추가 확인 메커니즘을 추가하고, 파라미터 설정을 최적화하고, 자금 관리를 개선함으로써 이러한 위험을 효과적으로 관리할 수 있다. 미래 최적화 방향은 다중 시간 프레임 확인, 동적 정지 메커니즘, 변동율 적응 및 기계 학습 통합을 포함하며, 이러한 최적화는 전략의 안정성과 수익성을 더욱 향상시킬 전망이다.

전반적으로, 이 전략은 거래자에게 가격 반전을 식별하고 거래하는 체계적이고 측정 가능한 방법을 제공하며, 합리적인 위험 관리와 지속적인 최적화와 함께 거래자의 도구 상에 효과적인 도구가 될 잠재력을 가지고 있습니다.