Strategi Perdagangan Purata Pergerakan Pulangan
ChaoZhang
Gambaran keseluruhan
Strategi perdagangan regresi rata-rata adalah strategi perdagangan berdasarkan sejauh mana harga menyimpang dari rata-rata. Strategi ini memanfaatkan ciri-ciri harga yang menyimpang dari garis rata-rata jangka panjang, membina kedudukan apabila harga jauh di bawah atau di atas garis rata-rata, dan melakukan pelepasan posisi apabila harga kembali ke garis rata-rata.
Prinsip Strategi
Strategi ini mula-mula mengira purata bergerak untuk satu tempoh tertentu, yang mewakili trend harga jangka panjang. Kemudian, berdasarkan sejauh mana harga menyimpang dari purata bergerak, masa dan saiz kedudukan dibuat.
Apabila harga berada di bawah purata bergerak dalam peratusan tertentu, ia mewakili harga yang menyimpang dari trend jangka panjang, yang mana ia secara beransur-ansur menubuhkan beberapa pesanan mengikut peratusan kedudukan tertentu. Semakin jauh harga, semakin besar kedudukan yang ditubuhkan. Apabila harga kembali naik ke atas rata-rata bergerak, ia mewakili kembali ke arah trend jangka panjang, yang mana ia adalah peratusan kedudukan yang rata.
Begitu juga, apabila harga lebih tinggi daripada purata bergerak dengan peratusan tertentu, membuat borang kosong. Apabila harga turun kembali ke purata bergerak, melonggarkan kedudukan mengikut peratusan.
Analisis kelebihan
Menggunakan keupayaan untuk mengenal pasti trend garis rata-rata, mengikuti trend keseimbangan jangka panjang dalam harga saham, dan memahami arah trend utama.
Dengan membina kedudukan secara beratur, mengurangkan kos pembinaan gudang, dan mendapatkan harga kos yang lebih baik.
Menggunakan hentian beransur-ansur, pelbagai tahap kemerosotan mempunyai peluang hentian yang berbeza, mengurangkan risiko.
Pengendalian kedudukan menggunakan bahagian tetap untuk mengelakkan kerugian tunggal yang terlalu besar.
Tetapan parameter fleksibel, boleh disesuaikan mengikut varieti yang berbeza dengan tempoh purata bergerak atau perkadaran kedudukan.
Analisis risiko
Apabila harga bergolak, ia mungkin sering berhenti. Ia boleh dilonggarkan dengan baik, atau menggunakan syarat penapis lain.
Saham-saham yang kuat boleh terus menerus menembusi garis purata untuk terus naik atau turun, tidak dapat kembali ke garis purata berhenti. Ia boleh digabungkan dengan indikator trend untuk menilai trend yang kuat, menurunkan kedudukan.
Tetapan parameter yang tidak betul boleh menyebabkan kedudukan yang terlalu radikal atau berhenti. Parameter harus diuji dengan berhati-hati dan disesuaikan dengan pasaran.
Perdagangan yang kerap mungkin dikenakan kos yang lebih tinggi, dan parameter pengoptimuman faktor kos harus dipertimbangkan.
Arah pengoptimuman
Mengoptimumkan kitaran purata bergerak untuk menyesuaikan diri dengan ciri-ciri pelbagai jenis.
Mengoptimumkan nisbah kedudukan, mengimbangi risiko dan keuntungan.
Menambah penapisan kepada petunjuk teknikal lain untuk mengelakkan perdagangan yang tidak perlu.
Gabungan dengan indikator kadar turun naik, menyesuaikan nisbah kedudukan mengikut tahap turun naik pasaran.
Bergabung dengan mekanisme penguat penangguhan, mengurangkan risiko dan meningkatkan kadar pulangan.
ringkaskan
Strategi pengembalian garis rata memanfaatkan sifat pengembalian seimbang saham, meletakkan kedudukan apabila harga menyimpang dari garis rata-rata bergerak, berhenti ketika harga kembali, dapat menangkap trend jangka panjang saham dengan berkesan. Dengan pengoptimuman parameter dan penapisan indikator, dapat menyesuaikan diri dengan perubahan pasaran, memperoleh hasil yang lebih baik dengan syarat mengawal risiko.
/*backtest
start: 2022-10-19 00:00:00
end: 2023-10-25 00:00:00
period: 1d
basePeriod: 1h
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/
//@version=4
strategy("YJ Mean Reversion", overlay=true)
//Was designed firstly to work on an index like the S&P 500 , which over time tends to go up in value.
//Avoid trading too frequently (e.g. Daily, Weekly), to avoid getting eaten by fees.
//If you change the underlying asset, or time frame, tweaking the moving average may be necessary.
//Can work with a starting capital of just $1000, optimise the settings as necessary.
//Accepts floating point values for the amount of units to purchase (e.g. Bitcoin ).
//If price of units exceeds available capital, script will cancel the buy.
//Adjusted the input parameters to be more intuitive.
//input variables
movingAverage = input(title="Moving Average (bars)", type=input.integer, defval=28, minval=1, maxval=1000)
//riskPercentage = input(title="Amount to Risk (%)", type=input.integer, defval=1, minval=1, maxval=50)
deviation = input(title="Deviation Increment (%)", type=input.float, defval=5, minval=0.01, maxval=100) / 100
unitsLevel1 = input(title="Level 1 (units)", type=input.float, defval=1, minval=0.0001, maxval=10000)
unitsLevel2 = input(title="Level 2 (units)", type=input.float, defval=2, minval=0.0001, maxval=10000)
unitsLevel3 = input(title="Level 3 (units)", type=input.float, defval=4, minval=0.0001, maxval=10000)
unitsLevel4 = input(title="Level 4 (units)", type=input.float, defval=8, minval=0.0001, maxval=10000)
unitsLevel5 = input(title="Level 5 (units)", type=input.float, defval=16, minval=0.0001, maxval=10000)
//moving average and ma slope (use on weekly chart)
ma = sma(close, movingAverage)
//sl = ma > ma[4]
//units to buy
//amount = riskPercentage / 100 * (strategy.initial_capital + strategy.netprofit)
//units = floor(amount / close)
//mode 1
//strategy.order("buy", true, 1, when = (close < 0.95 * ma) and (strategy.position_size < 10))
//strategy.order("sell", false, strategy.position_size, when = (close > 1.05 * ma) and (strategy.position_size > 0))
//mode 2
//strategy.order("buy", true, 1, when = close < 0.8 * ma)
//strategy.order("sell", false, strategy.position_size, when = (close > 310) and (strategy.position_size > 0))
//mode 3
//strategy.order("buy", true, 1, when = (close < 0.95 * ma) and (close > 0.9 * ma))
//strategy.order("buy", true, 2, when = (close < 0.9 * ma) and (close > 0.85 * ma))
//strategy.order("buy", true, 4, when = (close < 0.85 * ma) and (close > 0.8 * ma))
//strategy.order("buy", true, 8, when = (close < 0.8 * ma) and (close > 0.75 * ma))
//strategy.order("buy", true, 16, when = (close < 0.75 * ma))
//strategy.order("sell", false, strategy.position_size, when = (close > 310) and (strategy.position_size > 0))
//mode 4
//strategy.order("buy", true, 1, when = (close < 0.98 * ma) and (close > 0.96 * ma) and (sl))
//strategy.order("buy", true, 2, when = (close < 0.96 * ma) and (close > 0.94 * ma) and (sl))
//strategy.order("buy", true, 4, when = (close < 0.94 * ma) and (close > 0.92 * ma) and (sl))
//strategy.order("buy", true, 8, when = (close < 0.92 * ma) and (close > 0.90 * ma) and (sl))
//strategy.order("buy", true, 16, when = (close < 0.90 * ma) and (sl))
//strategy.order("sell", false, strategy.position_size, when = (close > 310) and (strategy.position_size > 0))
//mode 5
//strategy.order("buy", true, 1, when = (close < 0.95 * ma) and (close > 0.9 * ma))
//strategy.order("buy", true, 2, when = (close < 0.9 * ma) and (close > 0.85 * ma))
//strategy.order("buy", true, 4, when = (close < 0.85 * ma) and (close > 0.8 * ma))
//strategy.order("buy", true, 8, when = (close < 0.8 * ma) and (close > 0.75 * ma))
//strategy.order("buy", true, 16, when = (close < 0.75 * ma))
//strategy.order("sell", false, 1, when = (close > 1.05 * ma) and (close < 1.1 * ma) and (strategy.position_size > 0))
//strategy.order("sell", false, 2, when = (close > 1.1 * ma) and (close < 1.15 * ma) and (strategy.position_size > 0))
//strategy.order("sell", false, 4, when = (close > 1.15 * ma) and (close < 1.2 * ma) and (strategy.position_size > 0))
//strategy.order("sell", false, 8, when = (close > 1.2 * ma) and (close < 1.25 * ma) and (strategy.position_size > 0))
//strategy.order("sell", false, 16, when = (close > 1.25 * ma) and (close < 1.3 * ma) and (strategy.position_size > 0))
//mode 6
//strategy.order("B1", true, unitsLevel1 * units, when = (close < 0.95 * ma) and (close > 0.9 * ma))
//strategy.order("B2", true, unitsLevel2 * units, when = (close < 0.9 * ma) and (close > 0.85 * ma))
//strategy.order("B3", true, unitsLevel3 * units, when = (close < 0.85 * ma) and (close > 0.8 * ma))
//strategy.order("B4", true, unitsLevel4 * units, when = (close < 0.8 * ma) and (close > 0.75 * ma))
//strategy.order("B5", true, unitsLevel5 * units, when = (close < 0.75 * ma))
//strategy.order("S1", false, unitsLevel1 * units, when = (close > 1.05 * ma) and (close < 1.1 * ma) and (strategy.position_size > 0))
//strategy.order("S2", false, unitsLevel2 * units, when = (close > 1.1 * ma) and (close < 1.15 * ma) and (strategy.position_size > 0))
//strategy.order("S3", false, unitsLevel3 * units, when = (close > 1.15 * ma) and (close < 1.2 * ma) and (strategy.position_size > 0))
//strategy.order("S4", false, unitsLevel4 * units, when = (close > 1.2 * ma) and (close < 1.25 * ma) and (strategy.position_size > 0))
//strategy.order("S5", false, unitsLevel5 * units, when = (close > 1.25 * ma) and (close < 1.3 * ma) and (strategy.position_size > 0))
//mode 7
//strategy.order("B1", true, units, when = (close < 0.95 * ma) and (close > 0.9 * ma))
//strategy.order("B2", true, units, when = (close < 0.9 * ma) and (close > 0.85 * ma))
//strategy.order("B3", true, units, when = (close < 0.85 * ma) and (close > 0.8 * ma))
//strategy.order("B4", true, units, when = (close < 0.8 * ma) and (close > 0.75 * ma))
//strategy.order("B5", true, units, when = (close < 0.75 * ma))
//strategy.order("S1", false, units, when = (close > 1.05 * ma) and (close < 1.1 * ma) and (strategy.position_size > 0))
//strategy.order("S2", false, units, when = (close > 1.1 * ma) and (close < 1.15 * ma) and (strategy.position_size > 0))
//strategy.order("S3", false, units, when = (close > 1.15 * ma) and (close < 1.2 * ma) and (strategy.position_size > 0))
//strategy.order("S4", false, units, when = (close > 1.2 * ma) and (close < 1.25 * ma) and (strategy.position_size > 0))
//strategy.order("S5", false, units, when = (close > 1.25 * ma) and (close < 1.3 * ma) and (strategy.position_size > 0))
//banding calculations
aH = 1.0 - deviation
aL = aH - deviation
bH = aL
bL = bH - deviation
cH = bL
cL = cH - deviation
dH = cL
dL = dH - deviation
eH = dL
strategy.initial_capital = 50000
//mode 8
strategy.order("B1", true, unitsLevel1, when = (close < aH * ma) and (close > aL * ma) and (unitsLevel1 * close < (strategy.initial_capital + strategy.netprofit)))
strategy.order("B2", true, unitsLevel2, when = (close < bH * ma) and (close > bL * ma) and (unitsLevel2 * close < (strategy.initial_capital + strategy.netprofit)))
strategy.order("B3", true, unitsLevel3, when = (close < cH * ma) and (close > cL * ma) and (unitsLevel3 * close < (strategy.initial_capital + strategy.netprofit)))
strategy.order("B4", true, unitsLevel4, when = (close < dH * ma) and (close > dL * ma) and (unitsLevel4 * close < (strategy.initial_capital + strategy.netprofit)))
strategy.order("B5", true, unitsLevel5, when = (close < eH * ma) and (unitsLevel5 * close < (strategy.initial_capital + strategy.netprofit)))
//banding calculations
fL = 1.0 + deviation
fH = fL + deviation
gL = fH
gH = gL + deviation
hL = gH
hH = hL + deviation
iL = hH
iH = iL + deviation
jL = iH
strategy.order("S1", false, unitsLevel1, when = (close > fL * ma) and (close < fH * ma) and (strategy.position_size > 0))
strategy.order("S2", false, unitsLevel2, when = (close > gL * ma) and (close < gH * ma) and (strategy.position_size > 0))
strategy.order("S3", false, unitsLevel3, when = (close > hL * ma) and (close < hH * ma) and (strategy.position_size > 0))
strategy.order("S4", false, unitsLevel4, when = (close > iL * ma) and (close < iH * ma) and (strategy.position_size > 0))
strategy.order("S5", false, unitsLevel5, when = (close > jL * ma) and (strategy.position_size > 0))
plot(ma, color=#666666, linewidth=5)