1. Persegi
  2. Strategi Ramalan Harga Logaritma

Strategi Ramalan Harga Logaritma

Penulis:ChaoZhang, Tarikh: 2023-12-20 14:40:23
Tag:

img

Ringkasan

Strategi ini menggunakan fungsi logaritma untuk memodelkan perubahan harga berdasarkan penyimpangan standard dan purata jumlah dagangan untuk mengira z-score sebagai parameter input kepada fungsi logaritma untuk meramalkan harga masa depan.

Prinsip Strategi

  1. Mengira nilai ROC harga penutupan, mengumpul nilai positif ke dalam volume_pos dan nilai negatif ke dalam volume_neg
  2. Hitung perbezaan antara volume_pos dan volume_neg sebagai net_volume
  3. Mengira simpangan standard net_std dan purata net_sma dari net_volume
  4. Hitung z-score dengan membahagikan net_sma dengan net_std
  5. Menggunakan harga penutupan, deviasi standard 20 hari harga penutupan dan z-skor sebagai parameter ke dalam fungsi logistik untuk meramalkan harga tempoh seterusnyas
  6. Long apabila harga yang diramalkan melebihi harga sebenar semasa * 1.005, close position apabila di bawah * 0.995

Analisis Kelebihan

Strategi ini menggabungkan maklumat statistik jumlah dagangan dan ramalan harga menggunakan fungsi logaritma.

Kelebihan adalah:

  1. Menggunakan perbezaan jangka pendek dalam jumlah dagangan untuk mengukur sentimen pasaran
  2. Fungsi logaritma sesuai dengan lengkung perubahan harga untuk ramalan
  3. Strategi yang mudah dan mudah dilaksanakan

Analisis Risiko

Beberapa risiko juga wujud dalam strategi ini:

  1. Penunjuk jumlah dagangan mempunyai kelewatan, tidak dapat mencerminkan perubahan pasaran tepat pada masanya
  2. Ramalan logaritma tidak selalu tepat, boleh menyesatkan
  3. Kekurangan langkah-langkah stop loss ketidakupayaan untuk mengawal kerugian

Risiko boleh dikurangkan dengan:

  1. Gabungkan penunjuk lain untuk menilai kebolehpercayaan isyarat kelantangan
  2. Mengoptimumkan parameter fungsi logaritma untuk meningkatkan ketepatan ramalan
  3. Tetapkan barisan stop loss untuk mengehadkan kerugian maksimum setiap perdagangan dan keseluruhan

Arahan pengoptimuman

Strategi ini boleh dioptimumkan lagi dengan:

  1. Menggunakan pembelajaran mesin untuk mengoptimumkan fungsi logaritma secara dinamik
  2. Menggabungkan penunjuk turun naik untuk menyesuaikan saiz kedudukan
  3. Tambah penapisan Bayesian untuk menapis isyarat yang tidak sah
  4. Gabungkan dengan strategi breakout untuk memasuki titik breakout
  5. Menggunakan peraturan persekutuan untuk mengesan isyarat perbezaan jumlah-harga

Menggabungkan pelbagai kaedah dapat meningkatkan kestabilan dan keuntungan.

Kesimpulan

Strategi ini mengintegrasikan penunjuk statistik jumlah dagangan dan ramalan logaritma ke dalam metodologi dagangan kuantitatif yang unik. Dengan pengoptimuman berterusan, ia boleh menjadi sistem dagangan automatik yang cekap dan stabil. Dengan memanfaatkan teori pembelajaran mesin dan pengoptimuman portfolio, kami yakin dapat meningkatkan lagi prestasi dagangnya.

/*backtest
start: 2023-11-19 00:00:00
end: 2023-12-10 00:00:00
period: 1h
basePeriod: 15m
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/

//@version=4
strategy("Logistic", overlay=true )

volume_pos = 0.0
volume_neg = 0.0
roc = roc(close, 1)

for i = 0 to 100
    if (roc > 0)
        volume_pos := volume
    else
        volume_neg := volume
    
volume_net = volume_pos - volume_neg
net_std    = stdev(volume_net, 100)
net_sma    = sma(volume_net, 10)
z          =  net_sma / net_std
std        = stdev(close, 20)

logistic(close, std, z) =>
    m = (close + std)
    a = std / close
    pt = m / ( 1 + a*exp(-z))
    pt
    
    
pred = logistic(close, std, z)

buy = pred > close * 1.005
sell = pred < close * 0.995

color = strategy.position_size > 0? #3BB3E4 : strategy.position_size == 0? #FF006E : #6b6b6b
barcolor(color)


if (buy == true)
    strategy.entry("Long", strategy.long, comment="Open L")
    
if (sell == true)
    strategy.close("Long", comment="Close L")
Lebih lanjut

2019 FMZ - Semua hak dilindungi