Strategi Perdagangan Titik Pusing Pergerakan Berganda


Tarikh penciptaan: 2023-10-24 12:19:04 Akhirnya diubah suai: 2023-10-24 12:19:04
Salin: 0 Bilangan klik: 754
1
fokus pada
1617
Pengikut

Strategi Perdagangan Titik Pusing Pergerakan Berganda

Gambaran keseluruhan

Strategi perdagangan titik peralihan dua garis rata adalah strategi perdagangan berdasarkan persilangan garis rata. Ia menggunakan purata bergerak dengan dua set parameter yang berbeza untuk menilai masa masuk dan keluar berdasarkan keadaan peralihan mereka.

Prinsip Strategi

Strategi ini menggunakan Harga sebagai sumber input harga dan mengira garis rata-rata dua parameter yang berbeza, iaitu SMA1 dan SMA2. Strategi ini menggunakan indikator ROC untuk menentukan perpindahan garis rata-rata. Apabila nilai ROC SMA1 melebihi had positif yang ditetapkan, anggaplah SMA1 bertukar ke atas dan rekodkan sinyal SMA1 ke atas. Apabila nilai ROC SMA1 jatuh di bawah had negatif yang ditetapkan, anggaplah SMA1 bertukar ke bawah dan rekodkan sinyal SMA1 ke bawah.

Apabila SMA1 berputar ke atas dan satu K-line SMA2 berputar ke bawah, ia menghasilkan isyarat beli, buat lebih; apabila SMA1 berputar ke bawah dan satu K-line SMA2 berputar ke atas, ia menghasilkan isyarat jual, buat kosong.

Strategi ini menggunakan dua perubahan garis rata untuk menentukan arah perdagangan, satu perubahan garis rata untuk mengesahkan masa masuk, dan dua persilangan garis rata untuk memastikan perubahan trend masa masuk, yang dapat menyaring penembusan palsu dengan berkesan.

Analisis kelebihan

  • Penggunaan dua garis silang dan penghakiman putaran dapat menyaring penembusan palsu dengan berkesan dan meningkatkan ketepatan masuk.

  • Garis rata bertukar digabungkan dengan indikator ROC dapat menentukan masa bertukar dengan jelas, mengelakkan perdagangan yang kerap.

  • Dengan menggunakan garis tengah dan panjang, anda boleh mengikuti trend utama dan mendapat keuntungan yang lebih besar.

  • Strategi logiknya mudah difahami dan mudah diimplementasikan, sesuai untuk pemula dalam perdagangan kuantiti.

  • Parameter yang boleh disesuaikan, menyesuaikan diri dengan keadaan pasaran yang berbeza, mempunyai kebolehsuaian yang kuat.

Analisis risiko

  • Dalam keadaan gegaran, penyeberangan dua garis rata boleh menghasilkan banyak isyarat palsu yang menyebabkan kerugian.

  • Parameter ROC perlu dioptimumkan dengan tepat, jika tidak, perubahan ke pengenalan akan menyebabkan kesilapan dan mempengaruhi prestasi strategi.

  • Pasar bergolak berkala besar boleh mencetuskan beberapa kali penutupan, yang boleh dielakkan dengan memperluas lebar penutupan.

  • Ia adalah satu-satunya kaedah yang digunakan di Malaysia untuk membetulkan keadaan yang berlaku, tetapi ia tidak boleh digunakan untuk membetulkan keadaan yang berlaku.

  • Perhatikan bahawa parameter yang dioptimumkan terlalu sesuai, dan tempoh ujian harus cukup panjang untuk merangkumi pelbagai keadaan.

Arah pengoptimuman

  • Mengoptimumkan parameter purata bergerak untuk mencari kombinasi kitaran purata yang terbaik

  • Optimumkan parameter ROC untuk meningkatkan ketepatan pengenalan arah

  • Menambah mekanisme penangguhan kerugian yang boleh digunakan untuk penangguhan kerugian dinamik yang menembusi tahap harga tersuai

  • Menambah syarat tambahan seperti triggering metrik volume perdagangan untuk mengelakkan penembusan palsu

  • Meningkatkan keberkesanan keputusan dalam kombinasi dengan penunjuk lain seperti MACD, BOLL dan lain-lain

  • Menggunakan kaedah pembelajaran mesin dan lain-lain untuk mengoptimumkan parameter secara automatik dan menyesuaikan diri dengan perubahan pasaran

ringkaskan

Strategi titik peralihan garis lurus ganda secara keseluruhan adalah strategi pengesanan trend yang mudah dan praktikal. Ia hanya memerlukan indikator garis lurus asas yang dapat dicapai, logiknya jelas dan mudah difahami, sangat sesuai untuk pemula perdagangan kuantitatif untuk belajar dan berlatih.

Overview

The Dual Moving Average Turning Point strategy is a trend following strategy based on moving average crossovers. It uses two moving averages with different parameter settings and determines entry and exit points according to their turning directions. This strategy is simple and intuitive, easy to implement, and suitable for medium-to-long term trading.

Strategy Logic

The strategy uses Price as the price input source and calculates two moving averages, SMA1 and SMA2, with different parameters. It uses the ROC indicator to determine the turning directions of the moving averages. When SMA1’s ROC value exceeds the positive threshold, it is considered an upward turn of SMA1 and an upward signal is recorded. When SMA1’s ROC value breaks the negative threshold, it is considered a downward turn of SMA1 and a downward signal is recorded. The judgment logic for SMA2 is similar.

When SMA1 turns upward and the previous bar’s SMA2 turns downward, a buy signal is generated to go long. When SMA1 turns downward and the previous bar’s SMA2 turns upward, a sell signal is generated to go short.

The strategy uses the turning directions of two moving averages to determine the trading direction and the turning of one moving average to confirm entry timing. The dual moving average crossover ensures the trend has changed when entering the market, which helps avoid false breakouts.

Advantage Analysis

  • Using dual moving average crossover and turning points can effectively filter out false breakouts and improve entry accuracy.

  • Combining moving average turning points with the ROC indicator can clearly identify turning points and avoid frequent trading.

  • Adopting medium-to-long-term dual moving averages can track the main trend and achieve sizable trend profits.

  • The strategy logic is simple and clear, easy to understand and implement, suitable for quant trading beginners.

  • Customizable parameters suit different market environments with strong adaptability.

Risk Analysis

  • Dual moving average crossovers may generate many false signals in ranging markets, leading to losses.

  • The ROC parameters need precise optimization, otherwise turn recognition will have errors, affecting strategy performance.

  • Large periodic ranging markets may trigger stop loss multiple times. Expanding stop loss range can avoid it.

  • Relying solely on moving averages, it’s hard to respond to sudden events like major news, which may lead to losses.

  • Note the overfitting problem in parameter optimization. Test period should be long enough to include different market conditions.

Optimization Directions

  • Optimize moving average parameters to find the best moving average period combination.

  • Optimize ROC parameters to improve turning point recognition accuracy.

  • Add stop loss mechanisms such as dynamic stop loss based on breaking customized price levels.

  • Add additional conditions like volume indicators to avoid false breakouts.

  • Incorporate other indicators like MACD, BOLL to improve decision making.

  • Use machine learning etc. to auto optimize parameters and adapt to market changes.

Summary

In summary, the Dual Moving Average Turning Point strategy is a simple and practical trend following strategy. It can be implemented with basic moving average indicators and has clear, easy-to-understand logic, making it very suitable for quant trading beginners to learn and practice. With parameter optimization and stop loss optimization, the strategy stability can be greatly improved. Combining with other auxiliary indicators can further enhance the strategy. The highly customizable strategy can be flexibly applied to different market environments and is a recommended dual moving average trading strategy.

[/trans]

Kod sumber strategi
/*backtest
start: 2023-09-23 00:00:00
end: 2023-10-23 00:00:00
period: 2h
basePeriod: 15m
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/

//@version=3
strategy("MA Turning Point Strategy", overlay=true)
src = input(close, title="Source")

price = request.security(syminfo.tickerid, timeframe.period, src)
ma1 = input(25, title="1st MA Length")
type1 = input("HMA", "1st MA Type", options=["SMA", "EMA", "HMA", "VWMA"])
f_hma(_src, _length)=>
    _return = wma((2*wma(_src, _length/2))-wma(_src, _length), round(sqrt(_length)))

price1 = if (type1 == "SMA")
    sma(price, ma1)
else
    if (type1 == "EMA")
        ema(price, ma1)
    else
        if (type1 == "VWMA")
            vwma(price, ma1)
        else
            f_hma(price, ma1)
    
plot(series=price1, style=line,  title="1st MA", color=blue, linewidth=2, transp=0)

lookback1 = input(1, "Lookback 1")
roc1 = roc(price1, lookback1)

ma1up = false
ma1down = false
ma2up = false
ma2down = false

ma1up := nz(ma1up[1])
ma1down := nz(ma1down[1])
ma2up := nz(ma2up[1])
ma2down := nz(ma2down[1])

trendStrength1 = input(2.5, title="Minimum slope magnitude * 100", type=float) * 0.01

if crossover(roc1, trendStrength1)
    ma1up := true
    ma1down := false
    
if crossunder(roc1, -trendStrength1) 
    ma1up := false
    ma1down := true

longCondition = ma1up and ma1down[1]
if (longCondition)
    strategy.entry("Long", strategy.long)

shortCondition = ma1down and ma1up[1]
if (shortCondition)
    strategy.entry("Short", strategy.short)