Strategi Rangkaian Saraf Dua Rangka Masa
Prinsip Strategi
Strategi ini menggunakan model ramalan rangkaian saraf untuk menilai arah harga dalam dua jangka masa yang berbeza, dan melakukan dagangan apabila isyarat dua garis masa searah.
Logik khusus adalah seperti berikut:
-
Dapatkan perubahan harga dua jangka masa yang berbeza, contohnya harian dan 1 jam
-
Masukkan perubahan harga ke dalam rangkaian saraf untuk latihan, dan dapatkan ramalan output bagi setiap garis masa
-
Apabila ramalan output dua garis masa searah, iaitu melebihi ambang, maka isyarat dagangan dijana
-
Apabila ramalan harian menunjukkan beli, dan ramalan 1 jam menunjukkan beli, lakukan dagangan beli (long)
-
Apabila ramalan harian menunjukkan jual, dan ramalan 1 jam menunjukkan jual, lakukan dagangan jual (short)
-
Apabila ramalan dua garis masa tidak searah, tutup kedudukan
Strategi ini memanfaatkan sepenuhnya maklumat dua garis masa, menilai arah aliran dari pelbagai dimensi, kemudian melakukan dagangan, yang dapat mengurangkan isyarat palsu dengan berkesan.
Kelebihan Strategi
-
Ramalan dua garis masa meningkatkan ketepatan penilaian
-
Rangkaian saraf memodelkan data yang kompleks
-
Dagangan searah mengelakkan perangkap
Risiko Strategi
-
Memerlukan sejumlah besar data untuk latihan rangkaian
-
Reka bentuk struktur rangkaian perlu diuji berulang kali
-
Kekerapan kemunculan isyarat kombinasi dua garis masa agak rendah
Kesimpulan
Strategi ini menggunakan rangkaian saraf untuk menilai arah harga dari dua garis masa, dan melakukan dagangan dengan memastikan ketepatan penilaian. Walau bagaimanapun, ia perlu mengoptimumkan parameter rangkaian dan menetapkan kekerapan dagangan yang munasabah. Secara keseluruhannya, ia dapat memberikan panduan arah dagangan yang agak stabil.
/*backtest
start: 2023-08-14 00:00:00
end: 2023-09-13 00:00:00
period: 3h
basePeriod: 15m
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/
//@version=2
strategy("ANN 2 signals", overlay=false, precision=4, calc_on_every_tick=true)
threshold = input(title="Threshold", type=float, defval=0.006, step=0.001)- 1