ianzeng123
개요
QMC와 QM 결합된 AO의 멀티 계층 시간 프레임의 양적 거래 전략은 기술 분석 기반의 양적 거래 시스템으로, 잠재적인 거래 기회를 식별하기 위해 양적 시장 범주 ((QMC), 양적 이동 ((QM), 그리고 경이로운 진동 지표 (Awesome Oscillator, AO) 의 기각 신호를 결합합니다. 이 전략은 특히 H4 및 H1 시간 프레임에 대해 설계되었으며, 1:3의 리스크 수익률을 적용합니다. 이는 잠재적인 이익이 잠재적인 손실의 3배를 의미합니다. 이 전략의 핵심 아이디어는 가격의 높은 / 낮은 지점과 동적 지표 사이의 기각을 식별하여 돌파 가격 형태와 결합하여 시장의 역향을 포착하는 것입니다.
전략 원칙
이 전략은 다음과 같은 세 가지 주요 구성 요소를 기반으로 작동합니다.
마법의 진동 지표 (AO):AO는 가격 중점 ((HL2) 의 5주기 및 34주기 간단한 이동 평균 사이의 차이를 계산하여 얻을 수 있는 동력 지표이다… 전략은 시장 동력의 변화를 식별하기 위해 AO를 사용합니다.
양적 이동 (QM) 레벨 검출전략은 5개의 K선의 축의 고점과 저점을 사용하여 중요한 가격 수준을 식별한다. 다음의 상황이 발생했을 때 QM 신호를 생성한다:
- 황소시장 QM 신호: 중심축 하락점이 형성되고 현재 종결 가격은 전 K선에서 최고 가격보다 높습니다.
- 곰 시장 QM 신호: 중심축 고점을 형성하고 현재 종료 가격은 전 K 선의 최저 가격보다 낮습니다.
AO 검출에서 벗어난：
- “가격 혁신이 낮지만 AO 지표가 상승했을 때”
- 하락의 반발: 가격 혁신이 높지만 AO 지표가 낮아지면
전략의 입시 조건은 QM 신호와 AO의 반발의 결합입니다:
- 다중 입점: 황소 시장의 QM 신호와 상자 AO의 반발이 동시에 나타났습니다.
- 공허 입시: 하위권 AO와 동시 동시 동시적으로 나오는 곰 시장의 QM 신호
스톱로스는 QM 레벨에 기반하여 0.2배의 ATR (Average True Rate) 을 더한 보저로 설정되며, 스톱 목표는 입시 가격과 스톱로스 레벨의 차이의 3배로 설정되어, 1: 3의 리스크 수익률을 달성한다.
전략적 이점
다중 인증 메커니즘이 전략은 가격 형태 ((QMC와 QM) 와 동력 지표 ((AO) 를 결합하여 더 신뢰할 수 있는 거래 신호를 제공합니다. 여러 번 확인하면 가짜 신호의 위험이 줄어들고 거래 성공률이 높아집니다.
인식하는 능력에서 벗어나는 것전략은 가격과 동력 지표 사이의 오차를 식별할 수 있습니다. 이것은 종종 시장 추세가 곧 뒤집을 것이라는 강력한 신호입니다. 이 역전점을 사전에 식별하는 능력은 거래자가 대부분의 시장 참가자보다 먼저 위치를 설정할 수있게합니다.
위험 관리 최적화1: 3의 위험과 수익의 비율은 30%의 승률이 있더라도 장기적으로 수익을 낼 수 있다는 것을 의미합니다. 이러한 보수적 인 위험 관리 방법은 계좌 자금을 보호하는 데 도움이됩니다.
시장 구조에 기반한 상쇄: 스톱포스트는 시장 구조의 중요한 지지 또는 저항 영역을 나타내는 핵심 QM 수준 근처에 설정되어 있으며, 무작위로 선택된 가격 지점이 아니라 스톱포스트의 효과를 높입니다.
자동화된 거래 능력이 전략은 완전히 프로그래밍되어 자동으로 거래를 실행할 수 있고, 감정적인 방해를 줄이고, 거래 규율의 엄격한 실행을 보장합니다.
전략적 위험
신호에서 벗어난 거짓 신호: 흔들리는 시장에서 AO 이탈은 가짜 신호를 생성하여 불필요한 거래 손실을 초래할 수 있습니다. 시장 소음은 지표의 단기 이탈을 유발할 수 있지만 가격이 예상대로 돌아가지 않을 수 있습니다.
시장의 급격한 변동 위험주요 보도 자료나 블랙 스윙 사건 중에 가격이 스톱로스를 빠르게 돌파하여 실제 손실이 예상보다 많을 수 있습니다.
매개변수 민감도: 전략은 고정된 파라미터를 사용한다 (예를 들어, 5과 34주기의 이동 평균, 5개의 K선의 축점, 0.2ATR의 완충), 이러한 파라미터는 다른 시장 환경이나 다른 거래 품종에서 조정할 필요가 있다.
신호 지연 위험: 축점 형성 및 확인 기각으로 인해 거래 신호가 지연되어 최적의 입시 시기를 놓칠 수 있습니다.
재무 관리 문제전략: 고정된 10%의 계정 자본 비율을 사용하여 거래합니다. 이것은 모든 시장 조건이나 계정 크기에 적합하지 않을 수 있습니다.
해결책:
- 트렌드 필터 또는 오동률 필터와 같은 더 많은 필터 조건과 결합하여 가짜 신호를 줄이십시오.
- 역동적인 포지션 관리를 실시하고, 시장의 변동성에 따라 자본 비율을 조정합니다.
- 주요 경제 자료가 발표되기 전 전략 중단
- 다양한 시장 환경에 대한 최적의 매개 변수 설정을 찾기 위해 광범위한 재검토를 수행합니다.
전략 최적화 방향
- 트렌드 필터를 추가합니다.: 더 긴 주기를 가진 트렌드 지표 (일계 또는 주기) 를 도입하고, 큰 트렌드 방향에서만 거래한다. 이것은 승률을 높일 수 있다. 왜냐하면 우세한 거래는 대개 역행 거래보다 성공적이기 때문이다. 다음과 같은 코드를 추가하는 것을 고려할 수 있다:
longTermTrend = ta.sma(close, 200) > ta.sma(close, 200)[20]
longCond := longCond and longTermTrend
shortCond := shortCond and not longTermTrend
- 동적 중지 손실과 위험 비율: 시장의 변동성에 따라 중지 거리 및 리스크 수익률을 조정한다. 높은 변동성이있는 시장에서 더 넓은 중지 및 더 작은 리스크 수익률이 필요할 수 있다. ATR의 배수를 사용하여 역동적으로 설정할 수 있다:
volMultiplier = ta.atr(14) / ta.atr(14)[20]
slDistance = atr * 0.2 * math.min(2, math.max(0.5, volMultiplier))
거래 시간 필터를 추가합니다.특정 시기가 (시장 개시 또는 중요한 데이터 발표 전후와 같은) 변동성이 높기 때문에 이 전략에 적합하지 않을 수 있습니다. 시기를 필터링하면 이러한 위험한 시간에 거래를 피할 수 있습니다.
입학 시점을 최적화현재 전략: 신호에 나타나는 첫 번째 K 라인 입시를 고려할 수 있으며, 더 나은 입시 가격을 얻기 위해 리콜을 기다리기 또는 K 라인을 다시 확인하는 것을 고려할 수 있습니다.
다단계 차단 전략: 단순하게 단일 정지 목표를 설정하는 것이 아니라, 단계적으로 정지를 할 수 있습니다. 예를 들어, 1:1의 리스크 수익률을 달성하면 입시 가격으로 정지를 이동하고, 1:2에 도달하면 일부 포지션을 청산하고, 나머지 포지션은 더 높은 수익을 추구합니다.
이러한 최적화 방향의 목적은 전략의 안정성과 수익성을 높이고, 큰 회수 가능성을 줄이고, 다양한 시장 환경에 더 잘 적응하는 것입니다.
요약하다
QMC와 QM이 결합된 AO의 멀티 계층 시간 프레임의 양적 거래 전략은 가격 구조 분석과 동적 지표를 결합한 고급 거래 시스템이다. QM의 돌파구 형태와 AO의 돌파구를 찾아내는 것으로 전략은 잠재적인 트렌드 반전 기회를 포착하는 것을 목표로 한다. 1: 3의 리스크 수익 설정은 전략의 보수적 위험 관리 개념을 반영하며, 낮은 승률에도 불구하고 장기적인 수익성을 유지할 수 있다.
이 전략의 핵심 장점은 다중 확인 메커니즘과 시장 구조에 기반한 스톱로스 설정이지만, 가짜 신호와 변수 민감성 등의 위험에 직면해 있다. 트렌드 필터를 추가하고, 위험 변수를 동적으로 조정하고, 진입 시기를 최적화하는 등의 방법으로 이 전략에는 큰 개선의 여지가 있다.
이 전략은 양적 거래자에게는 개인 거래 스타일과 위험 선호도에 따라 추가적으로 사용자 정의 및 최적화 할 수있는 견고한 프레임 워크를 제공합니다. 독립적인 거래 시스템으로 사용되거나 더 큰 거래 전략 포트폴리오의 일부로 사용되든 이 전략은 양적 거래에서 기술적 분석의 효과적인 응용을 보여줍니다.
/*backtest
start: 2024-07-15 00:00:00
end: 2025-07-12 08:00:00
period: 2h
basePeriod: 2h
exchanges: [{"eid":"Futures_Binance","currency":"SOL_USDT","balance":200000}]
*/
//@version=5
strategy("QMC + QM + AO Divergence Strategy | 1:3 RR | H4-H1", overlay=true, default_qty_type=strategy.percent_of_equity, default_qty_value=10)
// === AO (Awesome Oscillator) ===
ao = ta.sma(hl2, 5) - ta.sma(hl2, 34)
plot(ao, title="AO", color=ao >= 0 ? color.green : color.red, style=plot.style_columns)
// === QMC & QM Level Detection (Simplified) ===
pivotHigh = ta.pivothigh(high, 5, 5)
pivotLow = ta.pivotlow(low, 5, 5)
plotshape(pivotHigh, location=location.abovebar, style=shape.triangledown, color=color.red)
plotshape(pivotLow, location=location.belowbar, style=shape.triangleup, color=color.green)
var float qmLevel = na
var float qmHighLevel = na
var float qmLowLevel = na
qmBull = pivotLow and close > high[1]
qmBear = pivotHigh and close < low[1]
if qmBull
qmLevel := low[5]
qmLowLevel := low[5]
if qmBear
qmLevel := high[5]
qmHighLevel := high[5]
// === AO Divergence Detection ===
bullDiv = low < low[1] and ao > ao[1]
bearDiv = high > high[1] and ao < ao[1]
// === Entry Conditions ===
longCond = qmBull and bullDiv
shortCond = qmBear and bearDiv
// === TP/SL Settings (RR = 1:3, SL QM baş seviyesine göre) ===
atr = ta.atr(14)
longSL = qmLowLevel - atr * 0.2
longTP = close + 3 * (close - longSL)
shortSL = qmHighLevel + atr * 0.2
shortTP = close - 3 * (shortSL - close)
// === Execute Trades ===
if longCond
strategy.entry("Long", strategy.long)
strategy.exit("TP/SL Long", from_entry="Long", limit=longTP, stop=longSL)
alert("📈 QMC + QM Long Signal (AO Divergence)", alert.freq_once_per_bar)
if shortCond
strategy.entry("Short", strategy.short)
strategy.exit("TP/SL Short", from_entry="Short", limit=shortTP, stop=shortSL)
alert("📉 QMC + QM Short Signal (AO Divergence)", alert.freq_once_per_bar)