Gambaran Keseluruhan

Strategi ini menggabungkan Strategi Pembalikan 123 dan Strategi Pintasan Regresi Linear untuk menghasilkan strategi dagangan gabungan pelbagai faktor. Strategi Pembalikan 123 menilai hubungan harga antara dua hari dagangan terakhir dan menggabungkan indikator Stochastik untuk mengesan isyarat pembalikan. Strategi Pintasan Regresi Linear pula menggunakan analisis regresi linear untuk menilai hubungan antara harga dan garis trend, menghasilkan isyarat dagangan. Kedua-dua strategi saling mengesahkan, dengan berkesan menapis isyarat palsu.

Prinsip Strategi

Strategi Pembalikan 123

Strategi ini berdasarkan prinsip berikut:

1. Jika hubungan harga penutup dua hari dagangan terakhir adalah harga penutup hari ini lebih tinggi daripada semalam, dan garis cepat Stoch berada di bawah garis perlahan Stoch, ia dianggap sebagai isyarat pembalikan kenaikan harga.
2. Jika hubungan harga penutup dua hari dagangan terakhir adalah harga penutup hari ini lebih rendah daripada semalam, dan garis cepat Stoch berada di atas garis perlahan Stoch, ia dianggap sebagai isyarat pembalikan penurunan harga.

Peraturan penentuan adalah seperti berikut:

• Jika harga penutup hari ini > harga penutup semalam dan garis cepat Stoch < garis perlahan Stoch dan garis cepat Stoch > parameter yang ditetapkan, hasilkan isyarat beli.
• Jika harga penutup hari ini < harga penutup semalam dan garis cepat Stoch > garis perlahan Stoch dan garis cepat Stoch < parameter yang ditetapkan, hasilkan isyarat jual.

Strategi ini memerlukan penetapan parameter indikator Stochastik, termasuk: kitaran K-line untuk pengiraan Stoch (Length), kitaran pelicinan garis cepat Stoch (KSmoothing), kitaran pelicinan garis perlahan Stoch (DLength), dan ambang penentuan garis cepat Stoch (Level).

Strategi Pintasan Regresi Linear

Strategi ini berdasarkan analisis regresi linear untuk menilai hubungan antara harga dan garis trend regresi linear. Peraturan penentuan adalah seperti berikut:

• Jika harga penutup lebih besar daripada pintasan regresi linear, hasilkan isyarat beli.
• Jika harga penutup lebih kecil daripada pintasan regresi linear, hasilkan isyarat jual.

Strategi ini memerlukan penetapan kitaran regresi linear (LengthLRI) dan sumber data input regresi linear (xSeria).

Strategi Gabungan

Strategi gabungan ini memerlukan isyarat beli/jual daripada kedua-dua Strategi Pembalikan 123 dan Strategi Pintasan Regresi Linear dipenuhi secara serentak sebelum arahan dagangan sebenar dihasilkan. Ini dengan berkesan menapis isyarat palsu dan meningkatkan prestasi dagangan.

Analisis Kelebihan

Strategi ini mempunyai kelebihan berikut:

1. Didorong pelbagai faktor, menapis isyarat palsu dengan berkesan dan meningkatkan kualiti isyarat.
   Menggabungkan dua jenis strategi yang berbeza; pesanan hanya akan diletakkan apabila kedua-dua strategi menghasilkan isyarat serentak. Mekanisme pengesahan pelbagai faktor ini dapat menapis isyarat ralat yang kadangkala dihasilkan oleh satu strategi, mengurangkan dagangan yang tidak perlu, dan meningkatkan kualiti isyarat dengan ketara.

2. Memantau hubungan harga dengan trend secara masa nyata, mengelakkan perangkap.
   Pintasan regresi linear dapat mencerminkan hubungan antara harga dan garis trend secara masa nyata. Jika harga telah menyimpang dengan ketara daripada trend, ia akan memberi amaran tepat pada masanya untuk menyesuaikan arah kedudukan pelaburan. Ini dapat menghentikan kerugian tepat pada masanya dan mengelakkan terperangkap dalam trend sejarah.

3. Mengimbangi peluang dagangan mengikut trend dan pembalikan.
   Strategi regresi linear lebih mahir dalam mengenal pasti titik beli/jual mengikut trend, manakala Strategi Pembalikan 123 memberi tumpuan kepada pengenalpastian titik pembalikan. Kedua-duanya dapat menggabungkan kelebihan dagangan trend dan dagangan pembalikan dengan baik.

4. Parameter strategi boleh disesuaikan dan dioptimumkan secara gabungan.
   Kedua-dua strategi menyediakan parameter tertentu untuk penyesuaian, membolehkan pengoptimuman parameter bagi pelbagai instrumen dan trend yang berbeza untuk mengoptimumkan prestasi strategi gabungan.

Analisis Risiko

Strategi ini juga mempunyai risiko berikut:

1. Didorong pelbagai faktor mungkin terlepas beberapa peluang.
   Keperluan untuk memenuhi isyarat dagangan kedua-dua strategi menyebabkan kehilangan sebahagian peluang yang boleh meraih keuntungan hanya dengan satu strategi. Jika prestasi satu strategi menjadi lemah, ia akan menjejaskan prestasi dagangan keseluruhan.

2. Regresi linear mempunyai ketinggalan (lag).
   Regresi linear memerlukan data sejarah tertentu untuk pengiraan dan tidak dapat bertindak balas secara masa nyata terhadap peristiwa mengejut, menyebabkan sedikit ketinggalan. Jika harga melonjak secara drastik, garis trend regresi linear memerlukan masa untuk menyesuaikan, dan dalam tempoh ini isyarat ralat mungkin terhasil.

3. Memerlukan pengoptimuman parameter yang sesuai.
   Kedua-dua strategi memerlukan pemilihan parameter yang sesuai; bagi sesetengah instrumen, parameter mungkin perlu diubah suai secara berasingan. Pemilihan parameter yang tidak sesuai akan mengurangkan keberkesanan strategi.

Risiko yang sepadan boleh dikurangkan melalui kaedah berikut:

1. Melonggarkan sedikit syarat pencetus isyarat gabungan untuk mengelakkan kehilangan terlalu banyak peluang.
2. Menggabungkan indikator trend dan lain-lain sebagai alternatif kepada regresi linear untuk mendapatkan penilaian trend yang lebih masa nyata.
3. Menggunakan kaedah pembelajaran mesin untuk membantu pengoptimuman parameter, meningkatkan keberkesanan pemilihan parameter.

Arah Pengoptimuman

Strategi ini boleh dioptimumkan lagi daripada aspek berikut:

1. Menggunakan kaedah pembelajaran mesin untuk pengoptimuman parameter.
   Data sejarah boleh dikumpul, matlamat pengoptimuman parameter direka bentuk, dan algoritma pembelajaran mesin seperti algoritma genetik atau pengoptimuman Bayesian digunakan untuk mencari kombinasi parameter terbaik.

2. Menambah mekanisme henti rugi.
   Peraturan henti rugi boleh ditetapkan dengan menggabungkan ATR, indikator trend, dan lain-lain untuk mengawal kerugian maksimum bagi setiap dagangan.

3. Mengoptimumkan logik masuk/keluar pasaran.
   Syarat bantuan seperti penapisan purata bergerak, penentuan Bollinger Bands boleh ditambah berdasarkan isyarat dagangan untuk mengurangkan kekerapan pelarasan kedudukan dan mengelakkan perangkap.

4. Menggabungkan analisis sentimen.
   Menggunakan teknik pemprosesan bahasa semula jadi untuk menilai sentimen peserta pasaran sebagai bantuan dalam keputusan dagangan.

5. Menambah modul ramalan pembelajaran mesin.
   Menggunakan model pembelajaran mendalam seperti LSTM, GRU untuk meramal harga sebagai rujukan penting dalam membuat keputusan strategi.

Kesimpulan

Strategi ini menggabungkan Strategi Pembalikan 123 dan Strategi Pintasan Regresi Linear untuk melaksanakan dagangan kuantitatif pelbagai faktor. Mekanisme pengesahan dapat menapis isyarat palsu dengan berkesan, mengimbangi peluang dagangan pembalikan dan trend. Walau bagaimanapun, strategi ini juga mempunyai risiko ketinggalan tertentu, memerlukan perhatian terhadap pengoptimuman parameter dan peluasan mekanisme kawalan risiko untuk meningkatkan kestabilan strategi. Menggabungkan teknologi seperti pembelajaran mesin untuk pengoptimuman parameter dan peluasan ciri merupakan arah pengoptimuman lanjut yang patut diterokai untuk strategi ini.