Strategi berbalik arah


Tarikh penciptaan: 2023-09-21 16:40:01 Akhirnya diubah suai: 2023-09-21 16:40:01
Salin: 0 Bilangan klik: 606
1
fokus pada
1617
Pengikut

Gambaran keseluruhan

Strategi ini dicipta berdasarkan prinsip bercabang emas dan bercabang mati. Apabila rata-rata jangka pendek berada di atas rata-rata jangka panjang, lakukan lebih banyak; apabila rata-rata jangka pendek berada di bawah rata-rata jangka panjang, posisi kosong. Strategi ini mudah difahami dan sesuai untuk pelajar pemula.

Prinsip Strategi

Strategi ini berdasarkan kepada dua indikator garis rata sma ((close, 14) dan sma ((close, 28).

Pertama, tentukan garis purata panjang dan pendek:

short_ma = sma(close, 14)
long_ma = sma(close, 28)

Kemudian, berdasarkan keputusan yang dibuat oleh penyokong-penyokong yang terlibat, dia berkata:

longCondition = crossover(short_ma, long_ma)
shortCondition = crossunder(short_ma, long_ma)

Apabila anda memakai garis rata-rata jangka panjang pada garis rata-rata jangka pendek, lakukan lebih banyak:

strategy.entry("Buy", strategy.long, when = longCondition) 

Apabila jangka pendek rata-rata di bawah garis rata-rata jangka panjang:

strategy.close_all(when = shortCondition)

Prinsip strategi ini adalah mudah dan jelas, menggunakan garpu emas garpu mati garpu untuk membuat keputusan, dan mempunyai keupayaan untuk mengesan trend.

Analisis kelebihan

  • Strategi ini mudah difahami dan boleh digunakan oleh pemula.
  • Menggunakan garis rata untuk menilai trend, mempunyai keupayaan untuk mengesan trend
  • Tempoh purata yang boleh disesuaikan, parameter strategi yang boleh dioptimumkan
  • Tetapkan titik hentian untuk mengawal kerugian tunggal

Analisis risiko

  • Strategi binari sensitif terhadap kejutan pasaran dan boleh menghasilkan banyak perdagangan yang rugi
  • Garis purata mempunyai ketinggalan dan mungkin terlepas titik perubahan harga
  • Posisi yang dibina berhampiran titik persimpangan rata-rata mudah terjebak
  • Parameter kitaran rata-rata perlu dioptimumkan, kesan kitaran yang berbeza mungkin berbeza
  • Tidak boleh berhenti dengan cepat apabila trend berubah secara ganas

Arah pengoptimuman

Strategi ini boleh dioptimumkan dalam beberapa aspek:

  1. Optimumkan parameter kitaran rata-rata untuk mencari kombinasi parameter yang terbaik

Anda boleh mencuba pelbagai jangka masa purata jangka pendek dan jangka panjang untuk mencari kombinasi terbaik. Sebagai contoh, ujian perbandingan parameter (5, 10), (10, 20), (20, 60) dan sebagainya.

  1. Menambah syarat penapisan untuk mengelakkan isyarat palsu

Anda boleh menambah syarat penapisan seperti jumlah transaksi, perbezaan harga dan lain-lain semasa persilangan garis rata-rata untuk mengelakkan terlalu banyak transaksi dalam pasaran yang bergolak.

  1. Meningkatkan strategi hentikan kerugian

Menetapkan titik henti atau menggunakan garis rata sebagai garis henti, anda boleh mengawal kerugian tunggal.

  1. Bersama-sama dengan petunjuk lain

Ia boleh digunakan untuk perdagangan gabungan dengan penunjuk tambahan seperti MACD, KDJ dan lain-lain untuk meningkatkan kesan strategi.

  1. Pengoptimuman tempat masuk

Mencari tempat kemasukan yang lebih baik berhampiran garis rata-rata, dan bukannya membina kedudukan yang rapat dengan garis rata-rata. Sebagai contoh, tempat kemasukan yang jauh dari garis rata-rata.

ringkaskan

Konsep strategi dua garis sejajar adalah mudah dan mudah digunakan oleh pemula. Tetapi strategi ini sensitif terhadap gegaran pasaran, terdapat risiko kerugian tertentu. Kita boleh meningkatkan keberkesanan strategi dengan mengoptimumkan parameter, menambah syarat penapis, menetapkan hentian, dan menambahkan indikator lain.

||

Overview

This strategy is designed based on the golden cross and death cross of dual moving averages. It goes long when the short period moving average crosses above the long period moving average, and closes position when the short period moving average crosses below the long period moving average. The strategy is simple and easy to understand, suitable for beginners to learn.

Strategy Logic

The strategy is mainly based on the sma(close, 14) and sma(close, 28) indicators.

First define the short and long moving averages:

short_ma = sma(close, 14)  
long_ma = sma(close, 28)

Then determine entry and exit based on golden cross and death cross:

longCondition = crossover(short_ma, long_ma)
shortCondition = crossunder(short_ma, long_ma) 

Go long when the short MA crosses above the long MA:

strategy.entry("Buy", strategy.long, when = longCondition)

Close position when the short MA crosses below the long MA:

strategy.close_all(when = shortCondition) 

The logic is simple and clear, utilizing the crossovers of dual MAs to determine entries and exits. It has some trend following capacity.

Advantage Analysis

  • Simple logic, easy for beginners to use
  • Utilizes MA crossovers to determine trends
  • Customizable MA periods for parameter optimization
  • Allows stop loss to control single trade loss

Risk Analysis

  • Sensitive to market fluctuation, may generate multiple losing trades
  • Lagging nature of MAs, may miss price reversal points
  • Prone to being trapped near MA crossover points
  • Need to optimize MA periods, different periods may lead to different results
  • Unable to quickly cut loss when trend changes violently

Optimization Directions

The strategy can be optimized in the following aspects:

  1. Optimize MA periods to find the best combination

Test different short and long MA periods, such as (5, 10), (10, 20), (20, 60) etc to find the optimal combination.

  1. Add filters to avoid false signals

Add filters like trading volume, price gap etc. near MA crossovers to avoid excessive trades in ranging markets.

  1. Incorporate stop loss

Set stop loss price or use MA as stop loss line to control single trade loss.

  1. Combine with other indicators

Add auxiliary indicators like MACD, KDJ etc. to improve strategy performance.

  1. Optimize entry points

Find better entry points near MAs instead of entering right at the crossover. For example, enter on MA divergence points.

Summary

The dual MA strategy is simple for beginners to use. But it is sensitive to market fluctuations and has risks of losses. We can improve it by optimizing parameters, adding filters, incorporating stop loss, combining other indicators etc. It can perform well in strong trends but should be used with caution or proper stop loss in ranging markets.
[/trans]

Kod sumber strategi
/*backtest
start: 2023-08-21 00:00:00
end: 2023-09-20 00:00:00
period: 1h
basePeriod: 15m
exchanges: [{"eid":"Binance","currency":"BTC_USDT"}]
*/

//@version=2
// strategy("Tester", pyramiding = 50, default_qty_type = strategy.cash, default_qty_value = 20, initial_capital = 2000, commission_type = strategy.commission.percent, commission_value = 0.25)

minGainPercent = input(0.6)
gainMultiplier = minGainPercent * 0.01 + 1


longCondition = crossover(sma(close, 14), sma(close, 28))
shortCondition = crossunder(sma(close, 14), sma(close, 28))


avg_protection = input(1)
gain_protection = input(1)


strategy.entry("Buy", strategy.long, when = longCondition    and (avg_protection >= 1 ? (na(strategy.position_avg_price) ? true : close <= strategy.position_avg_price) : true))
strategy.close_all(when = shortCondition  and (gain_protection >=1 ? (close >= gainMultiplier * strategy.position_avg_price) : true))