적응형 포텐셜 에너지 판단 대역 거래 시스템

SMA MA ENGULFING PATTERN VOLUME FILTER SWING COUNTING Risk-Reward Ratio Adaptive SL/TP SLOPE FILTER
생성 날짜: 2025-06-25 10:44:33 마지막으로 수정됨: 2025-08-04 14:01:29
복사: 0 클릭수: 333
avatar of ianzeng123 ianzeng123
2
집중하다
319
수행원

적응형 포텐셜 에너지 판단 대역 거래 시스템 적응형 포텐셜 에너지 판단 대역 거래 시스템

개요

자기 적응력 판단할 수 있는 파동대 거래 시스템은 특히 높은 변동성 시장에 위해 설계된 트렌드 추적 전략이다. 이 전략은 시장에서 세 번째 변동을 입시점으로 식별하고, 거래량 검증된 포식 형태를 확인 신호로 결합하고, 자기 적응력 중지/손실 중지 메커니즘과 위험 기반의 포지션 관리 방법을 사용한다. 전략의 핵심은 강력한 시장의 지속적 움직임을 포착하는 데 있으며, 트렌드가 명확하게 형성되고 구조적으로 확인된 후에만 거래에 진입하여 조기 입시의 위험을 피한다.

전략 원칙

이 전략은 여러 필터와 확인 메커니즘을 기반으로 하여 높은 확률의 경우에만 입학을 보장합니다.

  1. 트렌드 필터: 50주기 간단한 이동 평균 ((SMA) 을 사용하여 시장 방향을 결정한다. SMA 위쪽의 가격은 상승 추세로 간주되어 더하기 적합하다. SMA 아래의 가격은 하향 추세로 간주되어 더하기 적합하다.

  2. 변동수 논리

    • 더 많은 조건: 세 번째 더 높은 낮은 점이 형성될 때까지 기다립니다.
    • 공백 조건: 세 번째 더 낮은 고도가 형성될 때까지 기다립니다.
    • 5 K선으로 회귀 창을 사용하여 고점/저점 검출 이것은 우리가 트렌드 초기에 진입하지 않고, 트렌드가 가격 구조를 통해 확인된 후에 진입하는 것을 보장합니다.
  3. 침몰 상태 확인

    • 더 많은 것을 해야 합니다.
    • “비자”는 하락의 형태를 볼 필요가 있습니다.
    • K줄은 전의 K줄을 완전히 삼켜야 한다.
  4. 수량 필터: 현재 K 라인 거래량은 20주기 거래량 평균보다 커야 하며, 기관이 참여한 경우에만 거래되는 것을 보장한다.

  5. MA 기울기 필터: 50주기 SMA가 가장 최근의 3개의 K선에서 0.1이상의 기울기를 요구하고, 흔들림이나 평평한 추세를 피하고, 거래에 대한 동력을 높이기 위해 확인한다.

  6. 거래 시간 필터트레이딩은 특정 시간대에만 실행되므로, 하룻밤 사이에 발생하는 변동과 유동성이 부족합니다.

  7. 적응형 상쇄장치

    • 스톱 손실은 신호 K 선의 전체 크기를 기반으로 합니다 (그림 선 포함)
    • K선 크기가 25점 이상인 경우, 스톱로스는 K선 크기의 절반으로 축소됩니다.
    • 이것은 변동성에서 과도한 위험의 기회를 막아줍니다.
  8. 리스크 기반의 포지션 관리: 거래 당 위험 금액과 스톱 손실 크기에 따라 포지션 크기를 동적으로 계산하여 위험 일관성을 보장합니다.

전략적 이점

  1. 구조화된 입학세 번째 변동을 기다림으로써, 전략은 추격 하락을 피하고, 트렌드가 형성되고 가격 구조가 확인된 후에만 진입하여 승률을 크게 높인다.

  2. 다중 인증 메커니즘: 트렌드, 파동수, K선 형태, 교차량 및 동력 지표와 같은 다층 필터와 결합하여 여러 신호가 일치할 때만 진입하도록 하여, 가짜 신호를 줄인다.

  3. 자율적 위험 관리: 실제 시장의 변동성 동적에 따라 스톱 리벨을 조정하고, 높은 변동성 동안 스톱 리벨을 자동으로 축소하여 자금을 보호한다.

  4. 수량적 위험 제어: 매 거래의 포지션 크기를 정확하게 계산하여 시장 조건이 어떻게 변하든 매 거래의 위험 금액이 일관되게 유지되도록 한다.

  5. 기관 자금 확정거래량 필터를 통해, 큰 자본이 참여하는 경우에만 거래할 수 있도록 하고, 트렌드가 지속될 가능성을 높여줍니다.

  6. 소음 방지 디자인: 시간 필터와 최소 경사 요구 사항은 낮은 품질의 거래 환경과 방향없는 시장에서 잘못된 신호를 피하는 데 도움이됩니다.

  7. 사용자 정의 변수전략: 전략은 개인 위험 선호와 다른 시장 환경에 따라 최적화 할 수있는 여러 조정 가능한 매개 변수를 제공합니다.

전략적 위험

  1. 변동 계수 재배치 위험: 신호가 거래를 유발하면, 변동 계수가 재설정되며, 바람직하지 않은 시간에 후속 신호를 놓치게 될 수 있다. 보다 지능적인 재설정 메커니즘을 구현하거나, 2차 우수 신호를 인식하는 것을 증가시키는 것이 좋습니다.

  2. 고정 회귀 창 제한: 고정된 5 K 선 회귀 창을 사용하는 것은 다른 시장 환경에서 일관되게 작동하지 않을 수 있다. 시장의 변동성에 따라 자동으로 조정되는 적응 회귀 창을 사용하는 것을 고려하십시오.

  3. 단일 시간 프레임에 지나치게 의존하는 것: 5분 차트에서만 작업하면 더 큰 시간 프레임의 중요한 구조를 놓칠 수 있습니다. 입시 품질을 높이기 위해 여러 시간 프레임 분석을 추가하는 것이 좋습니다.

  4. 정지 비율: 고정된 리스크/이익 비율 ((2.2) 는 모든 시장 환경에 적합하지 않을 수 있습니다. 낮은 변동성 동안, 이것은 비현실적인 목표로 이어질 수 있습니다. 높은 변동성 동안, 너무 일찍 수익을 얻을 수 있습니다. ATR 또는 시장의 변동성 동력에 따라 중지 수준을 조정하는 것을 고려하십시오.

  5. K선 크기 하락 위험대K선 처리 논리: ((25점 값) 은 고정값으로 모든 시장 환경에 적합하지 않을 수 있다. 상대값을 사용하는 것이 권장된다 (예를 들어 ATR의 비율) 고정점 수 대신.

  6. 거래 시간 제한: 고정 거래 시간 필터는 중요한 시장 기회를 놓칠 수 있습니다. 실제 변동성과 유동성 조건에 따라 거래 시간 창을 동적으로 조정하는 것을 고려하십시오.

최적화 방향

  1. 적응 변수 최적화

    • 고정된 매개 변수 (MA 길, 회귀 창, 기울기 절벽 등) 를 시장의 변동성에 따라 자동으로 조정되는 동적 매개 변수로 변환합니다.
    • 고정 비율이 아닌 ATR 기반의 적응형 상쇄 및 정지 메커니즘
    • 시장 상태 탐지 시스템을 개발하여 다양한 시장 환경 (트렌드, 흔들림, 돌파구) 에서 자동으로 매개 변수를 조정합니다.
  2. 다중 시간 프레임 협동

    • 더 높은 시간 프레임의 트렌드 확인을 추가하여 거래 방향이 더 큰 트렌드와 일치하도록합니다.
    • 시간 프레임에 걸쳐 지원/저항을 인식하고, 진입점 및 중지 지점의 정확성을 향상시킵니다.
    • 변동성에 따라 최적의 운영 시간 프레임을 자동으로 선택하는 적응 시간 프레임 선택 메커니즘을 개발
  3. 고급 변동 분석

    • 약한 변동과 강한 변동을 구분하는 변동 계수 메커니즘을 개선
    • 파동 강도 평가 시스템을 추가하여 보다 구조화된 파동을 우선적으로 선택합니다.
    • 변동 실패 검출을 구현하여 트렌드 전환 신호를 조기에 식별합니다.
  4. 스마트 자금 관리 업그레이드

    • 계정 변동성에 기반한 적응형 위험 관리 시스템을 개발
    • 연이은 자금 관리 조정 장치를 실현
    • 거래 성과에 기반한 자동 상환 시스템을 추가
  5. 통계학습의 개선

    • 거래 기록 분석 시스템을 구현하여 가장 잘 작동하는 시장 조건을 식별합니다.
    • 입학 시기를 최적화하기 위해 역사적인 성과에 기반한 조건 확률 모델을 개발합니다.
    • 기계 학습 모듈을 추가하여 신호 품질을 예측하고 낮은 확률 거래를 필터링합니다.
  6. 실행 최적화

    • 스마트 입점 논리를 개발하여 평균 입점 가격을 최적화하기 위해 대량 입장을 지원합니다.
    • 가격행동에 기반한 스톱로스 트래킹 시스템을 구현하여 수익을 보호합니다.
    • 일부 수익 메커니즘을 추가하고, 다른 가격 목표에서 자동으로 하락

요약하다

자기 적응력 판단할 수 있는 파동 거래 시스템은 잘 설계된 트렌드 추적 전략으로, 여러 필터와 확인 메커니즘을 통해 거래 품질을 향상시킨다. 그것의 핵심 장점은 엄격한 입시 조건, 자기 적응력 있는 위험 관리 및 시장 구조에 기반한 파동 식별 능력에 있다. 이 전략은 제3의 파동과 거래량 확인을 기다리는 침수 형태를 통해, 가짜 돌파구와 조기 입시를 효과적으로 방지하고, 동시에 포지션 크기를 동적으로 계산하여 위험 통제를 보장한다.

전략은 상당히 완성되었지만, 특히 변수 적응성, 다중 시간 프레임 분석 및 고급 자금 관리 측면에서 개선할 여지가 있습니다. 제안된 최적화 조치를 실행하여, 특히 ATR 기반의 동적 변수 및 다중 시간 프레임 확인을 도입함으로써, 이 전략은 다양한 시장 환경에서 안정성과 수익성을 더욱 향상시킬 수 있습니다.

무엇보다도, 거래자는 이 전략의 아이디어가 전환점을 예측하는 것이 아니라 확인된 추세에서 높은 확률의 연속 기회를 잡는다는 것을 이해해야합니다. 이 전략은 여러 조건의 조화를 위해 인내심을 가지고 위험 관리 규칙을 엄격하게 시행함으로써 강력한 거래 시스템으로 자리매김 할 수 있습니다.

전략 소스 코드
/*backtest
start: 2025-01-01 00:00:00
end: 2025-05-12 00:00:00
period: 1h
basePeriod: 1h
exchanges: [{"eid":"Futures_Binance","currency":"BNB_USDT"}]
*/

// @version=6
strategy("US30 Stealth Strategy", overlay=true)


// === USER INPUTS ===
maLen = input.int(50, "Trend MA Length")
volMaLen = input.int(20, "Volume MA Length")
hlLookback = input.int(5, "Lookback for High/Low Detection")
rrRatio = input.float(2.2, "Risk-to-Reward Ratio", step=0.1)
maxCandleSize = input.float(30.0, "Max Candle Size (pips/points)")
pipValue = input.float(1.0, "Pip Value (USD per pip/point)")
riskAmount = input.float(500.0, "Risk Per Trade (USD)")
largeCandleThreshold = input.float(25.0, "Threshold for large candles")
maSlopeLen = input.int(3, "MA Slope Lookback Bars")
minSlope = input.float(0.1, "Min Slope Threshold")


// === TREND DETECTION ===
ma = ta.sma(close, maLen)
slope = ma - ma[maSlopeLen]
isSlopeUp = slope > minSlope
isSlopeDown = slope < -minSlope
isDownTrend = close < ma and isSlopeDown
isUpTrend = close > ma and isSlopeUp


// === COUNTERS ===
var int lhCount = 0
var int hlCount = 0


// === LOWER HIGH DETECTION ===
isLowerHigh = high < ta.highest(high[1], hlLookback)
if isLowerHigh
    lhCount += 1
    hlCount := 0


// === HIGHER LOW DETECTION ===
isHigherLow = low > ta.lowest(low[1], hlLookback)
if isHigherLow
    hlCount += 1
    lhCount := 0


// === ENGULFING DETECTIONS ===
bearEng = (close < open) and (close < open[1]) and (open > close[1]) and (close <= open[1]) and (open >= close[1])
bullEng = (close > open) and (close > open[1]) and (open < close[1]) and (close >= open[1]) and (open <= close[1])


// === VOLUME FILTER ===
volMA = ta.sma(volume, volMaLen)
volOK = volume > volMA


// === TIME FILTER (Oman 2AM–11PM = UTC 22:00–19:00) ===
inSession = (hour >= 22 or hour < 19)


// === CANDLE SIZE & SL LOGIC ===
rawCandleSize = high - low
useHalfCandle = rawCandleSize > largeCandleThreshold
slSize = useHalfCandle ? rawCandleSize / 2 : rawCandleSize
validSize = rawCandleSize <= maxCandleSize


// === SIGNAL CONDITIONS ===
sellSig = inSession and isDownTrend and (lhCount == 3) and bearEng and volOK and validSize
buySig  = inSession and isUpTrend and (hlCount == 3) and bullEng and volOK and validSize


// === RISK-CALCULATED POSITION SIZE ===
positionSize = riskAmount / (slSize * pipValue)


// === SL/TP LEVELS ===
bearSL = close + slSize
bearTP = close - rrRatio * slSize


bullSL = close - slSize
bullTP = close + rrRatio * slSize


// === EXECUTIONS ===
if sellSig
    strategy.entry("Sell", strategy.short, qty=positionSize)
    strategy.exit("TP/SL Sell", from_entry="Sell", stop=bearSL, limit=bearTP)
    lhCount := 0


if buySig
    strategy.entry("Buy", strategy.long, qty=positionSize)
    strategy.exit("TP/SL Buy", from_entry="Buy", stop=bullSL, limit=bullTP)
    hlCount := 0