Strategi arbitraj statistik adaptif mengikut momentum
Tarikh penciptaan:
2023-12-11 16:41:27
Akhirnya diubah suai:
2023-12-11 16:41:27
Salin:
0
Bilangan klik:
791
ChaoZhang
1
fokus pada
1621
Pengikut
Gambaran keseluruhan
Strategi ini berdasarkan kepada kaedah Nadaraya-Watson Nuclear Regression yang membina sebuah beling lingkaran kadar turun naik yang dinamik, dengan mengesan persilangan harga dengan beling lingkaran, untuk mewujudkan isyarat perdagangan yang murah dan tinggi. Strategi ini mempunyai asas analisis matematik dan dapat menyesuaikan diri dengan perubahan pasaran.
Prinsip Strategi
Strategi ini berpusat pada pengiraan pergerakan harga dalam belenggu. Pertama, berdasarkan tempoh semak semula yang disesuaikan, pembinaan kurva regresi Nadaraya-Watson dengan harga ((harga penutupan, harga tertinggi, harga terendah) dan mendapatkan anggaran harga yang diluruskan. Kemudian, berdasarkan panjang ATR yang disesuaikan, pengiraan ATR dikira, menggabungkan faktor yang berdekatan dan faktor yang jauh, untuk mendapatkan ruang lingkup belenggu.
Kelebihan Strategik
- Berdasarkan model matematik, parameter boleh dikawal, tidak mudah menghasilkan pengoptimuman berlebihan
- Mengambil peluang perdagangan dengan menggunakan dinamika harga dan turun naik
- Menggunakan koordinat logaritma, varieti yang dapat menangani dengan baik pelbagai kitaran masa dan ketara gelombang
- Sensitiviti untuk menyesuaikan parameter strategi
Risiko Strategik
- Model matematik teoretis, persembahan cakera mungkin kurang daripada yang diharapkan
- Pemilihan parameter utama memerlukan pengalaman, penyetempatan yang tidak betul boleh menjejaskan hasil
- Terdapat sedikit ketinggalan dan mungkin kehilangan beberapa peluang perdagangan
- Pasaran yang bergolak boleh menyebabkan isyarat yang salah
Untuk mengelakkan dan mengurangkan risiko ini, anda perlu mengoptimumkan parameter, melakukan pengukuran semula, memahami faktor-faktor yang mempengaruhi, dan berhati-hati dengan perancangan sebenar.
Arah pengoptimuman strategi
- Untuk mengoptimumkan lagi parameter, cari kombinasi parameter terbaik
- Parameter pilihan automatik menggunakan kaedah pembelajaran mesin
- Menambah syarat penapisan dan mengaktifkan strategi dalam keadaan pasaran tertentu
- Penapisan isyarat yang menyesatkan yang digabungkan dengan petunjuk lain
- Cuba algoritma model matematik yang berbeza
ringkaskan
Strategi ini mengintegrasikan analisis statistik dengan analisis petunjuk teknikal, dengan mengesan harga dan kadar turun naik secara dinamik, untuk mencapai isyarat perdagangan yang rendah dan tinggi. Parameter boleh disesuaikan mengikut keadaan pasaran dan keadaan sendiri. Secara keseluruhan, asas teori strategi adalah kukuh, prestasi praktikal masih perlu disahkan.
Kod sumber strategi
/*backtest
start: 2022-12-04 00:00:00
end: 2023-12-10 00:00:00
period: 1d
basePeriod: 1h
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/
// © Julien_Eche
//@version=5
strategy("Nadaraya-Watson Envelope Strategy", overlay=true, pyramiding=1, default_qty_type=strategy.percent_of_equity, default_qty_value=20)
// Helper Functions
getEnvelopeBounds(_atr, _nearFactor, _farFactor, _envelope) =>
_upperFar = _envelope + _farFactor*_atr
_upperNear = _envelope + _nearFactor*_atr
_lowerNear = _envelope - _nearFactor*_atr
_lowerFar = _envelope - _farFactor*_atr
_upperAvg = (_upperFar + _upperNear) / 2
_lowerAvg = (_lowerFar + _lowerNear) / 2
[_upperNear, _upperFar, _upperAvg, _lowerNear, _lowerFar, _lowerAvg]
customATR(length, _high, _low, _close) =>
trueRange = na(_high[1])? math.log(_high)-math.log(_low) : math.max(math.max(math.log(_high) - math.log(_low), math.abs(math.log(_high) - math.log(_close[1]))), math.abs(math.log(_low) - math.log(_close[1])))
ta.rma(trueRange, length)
customKernel(x, h, alpha, x_0) =>
sumWeights = 0.0
sumXWeights = 0.0
for i = 0 to h
weight = math.pow(1 + (math.pow((x_0 - i), 2) / (2 * alpha * h * h)), -alpha)
sumWeights := sumWeights + weight
sumXWeights := sumXWeights + weight * x[i]
sumXWeights / sumWeights
// Custom Settings
customLookbackWindow = input.int(8, 'Lookback Window (Custom)', group='Custom Settings')
customRelativeWeighting = input.float(8., 'Relative Weighting (Custom)', step=0.25, group='Custom Settings')
customStartRegressionBar = input.int(25, "Start Regression at Bar (Custom)", group='Custom Settings')
// Envelope Calculations
customEnvelopeClose = math.exp(customKernel(math.log(close), customLookbackWindow, customRelativeWeighting, customStartRegressionBar))
customEnvelopeHigh = math.exp(customKernel(math.log(high), customLookbackWindow, customRelativeWeighting, customStartRegressionBar))
customEnvelopeLow = math.exp(customKernel(math.log(low), customLookbackWindow, customRelativeWeighting, customStartRegressionBar))
customEnvelope = customEnvelopeClose
customATRLength = input.int(60, 'ATR Length (Custom)', minval=1, group='Custom Settings')
customATR = customATR(customATRLength, customEnvelopeHigh, customEnvelopeLow, customEnvelopeClose)
customNearATRFactor = input.float(1.5, 'Near ATR Factor (Custom)', minval=0.5, step=0.25, group='Custom Settings')
customFarATRFactor = input.float(2.0, 'Far ATR Factor (Custom)', minval=1.0, step=0.25, group='Custom Settings')
[customUpperNear, customUpperFar, customUpperAvg, customLowerNear, customLowerFar, customLowerAvg] = getEnvelopeBounds(customATR, customNearATRFactor, customFarATRFactor, math.log(customEnvelopeClose))
// Colors
customUpperBoundaryColorFar = color.new(color.red, 60)
customUpperBoundaryColorNear = color.new(color.red, 80)
customBullishEstimatorColor = color.new(color.teal, 50)
customBearishEstimatorColor = color.new(color.red, 50)
customLowerBoundaryColorNear = color.new(color.teal, 80)
customLowerBoundaryColorFar = color.new(color.teal, 60)
// Plots
customUpperBoundaryFar = plot(math.exp(customUpperFar), color=customUpperBoundaryColorFar, title='Upper Boundary: Far (Custom)')
customUpperBoundaryAvg = plot(math.exp(customUpperAvg), color=customUpperBoundaryColorNear, title='Upper Boundary: Average (Custom)')
customUpperBoundaryNear = plot(math.exp(customUpperNear), color=customUpperBoundaryColorNear, title='Upper Boundary: Near (Custom)')
customEstimationPlot = plot(customEnvelopeClose, color=customEnvelope > customEnvelope[1] ? customBullishEstimatorColor : customBearishEstimatorColor, linewidth=2, title='Custom Estimation')
customLowerBoundaryNear = plot(math.exp(customLowerNear), color=customLowerBoundaryColorNear, title='Lower Boundary: Near (Custom)')
customLowerBoundaryAvg = plot(math.exp(customLowerAvg), color=customLowerBoundaryColorNear, title='Lower Boundary: Average (Custom)')
customLowerBoundaryFar = plot(math.exp(customLowerFar), color=customLowerBoundaryColorFar, title='Lower Boundary: Far (Custom)')
// Fills
fill(customUpperBoundaryFar, customUpperBoundaryAvg, color=customUpperBoundaryColorFar, title='Upper Boundary: Farmost Region (Custom)')
fill(customUpperBoundaryNear, customUpperBoundaryAvg, color=customUpperBoundaryColorNear, title='Upper Boundary: Nearmost Region (Custom)')
fill(customLowerBoundaryNear, customLowerBoundaryAvg, color=customLowerBoundaryColorNear, title='Lower Boundary: Nearmost Region (Custom)')
fill(customLowerBoundaryFar, customLowerBoundaryAvg, color=customLowerBoundaryColorFar, title='Lower Boundary: Farmost Region (Custom)')
longCondition = ta.crossover(close, customEnvelopeLow)
if (longCondition)
strategy.entry("Buy", strategy.long)
exitLongCondition = ta.crossover(customEnvelopeHigh, close)
if (exitLongCondition)
strategy.close("Buy")