Strategi perdagangan pembalikan ETH berdasarkan persilangan SMA London
ChaoZhang
Gambaran keseluruhan
Strategi ini dinamakan strategi berbalik perdagangan ETH silang SMA pada masa London. Gagasan utama strategi ini adalah untuk memanfaatkan kelembapan tinggi pada masa perdagangan di London, menggabungkan isyarat forks emas dan forks mati pada garis rata-rata SMA, untuk berbalik perdagangan ETH/USDT, pasangan perdagangan mata wang digital utama.
Prinsip Strategi
Logik teras strategi ini adalah untuk mula-mula menentukan masa dagangan pada waktu London, kemudian mengira rata-rata SMA untuk satu tempoh tertentu, dan kemudian menentukan sama ada harga berlaku dengan garpu emas atau garpu mati pada masa London. Khususnya, strategi ini mula-mula menentukan masa permulaan dan berakhirnya pada masa London, kemudian menetapkan parameter panjang garpu SMA untuk 50 tempoh. Berdasarkan itu, strategi menggunakan fungsi ta.sma ((() untuk mengira garpu rata-rata SMA untuk 50 tempoh.
Kelebihan utama strategi ini adalah memanfaatkan kebolehan tinggi untuk berdagang pada waktu London, yang memberikan peluang yang lebih baik untuk masuk. Di samping itu, isyarat mata wang Forex dalam garis rata SMA adalah isyarat indikator teknikal klasik dan berkesan. Oleh itu, kombinasi ini dapat menyaring isyarat palsu hingga tahap tertentu, meningkatkan kestabilan strategi dan kadar keuntungan.
Kelebihan Strategik
- Menerima peluang yang lebih baik untuk mendapatkan masa masuk dengan menggunakan masa London yang lebih mudah digunakan
- SMA adalah isyarat indikator teknikal klasik dan berkesan
- Penggunaan gabungan dapat meningkatkan kualiti isyarat, menapis isyarat palsu
- Menggunakan kaedah perdagangan terbalik untuk perdagangan garis pendek
- Kualiti penggunaan dana yang tinggi, boleh meningkatkan keuntungan dengan menggunakan leverage
Risiko strategi dan penyelesaian
Strategi ini juga mempunyai beberapa risiko, terutamanya:
- Sinyal mata wang dalam pasaran trend mungkin sering dipukul
- Pengaturan kitaran SMA yang tidak betul, mungkin menghasilkan terlalu banyak isyarat palsu
- Perdagangan reverse mudah terjebak dalam keadaan yang tidak menentu
Risiko ini boleh dikawal dan diselesaikan dengan:
- Gabungan dengan penunjuk trend untuk mengelakkan kegunaan semasa kejatuhan trend
- Mengoptimumkan parameter SMA untuk mencari kitaran dagangan terbaik
- Tetapkan kedudukan stop loss untuk mengawal kerugian tunggal
Arah pengoptimuman strategi
Strategi ini juga boleh dioptimumkan di:
- Indikator lain boleh diperkenalkan untuk kombinasi, seperti RSI, KD dan lain-lain, membentuk peraturan penapisan pelbagai indikator, meningkatkan kualiti isyarat
- Parameter kitaran yang dapat mengoptimumkan garis rata-rata SMA untuk mencari kitaran dagangan yang optimum
- Anda boleh menggunakan garis rata-rata SMA dan kemudian memasukkan garis rata-rata jangka masa yang lebih lama untuk membentuk kombinasi silang garis rata-rata
- Anda boleh mengoptimumkan tempoh perdagangan untuk menguji tempoh perdagangan yang paling berkesan
- Algoritma pembelajaran mesin boleh diperkenalkan untuk melatih dan menapis isyarat
ringkaskan
Secara keseluruhannya, strategi ini mewujudkan strategi perdagangan berbalik garis pendek yang lebih mudah dan praktikal melalui perdagangan masa yang tinggi dan gabungan indikator teknikal klasik yang bersilang. Strategi ini mempunyai kelebihan seperti penggunaan dana yang tinggi, indikator teknikal yang mudah dan mudah dilaksanakan. Tetapi ada juga risiko tertentu, perlu menguji dan mengoptimumkan parameter, berhenti, dan masa perdagangan untuk mendapatkan keuntungan yang lebih stabil.
/*backtest
start: 2023-01-11 00:00:00
end: 2024-01-17 00:00:00
period: 1d
basePeriod: 1h
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/
//@version=5
strategy("London SMA Strategy ", overlay=true)
// Define London session times
london_session_start_hour = 6
london_session_start_minute = 59
london_session_end_hour = 15
london_session_end_minute = 59
// Define SMA input parameters
sma_length = input.int(50, title="SMA Length")
sma_source = input.source(close, title="SMA Source")
// Calculate SMA
sma = ta.sma(sma_source, sma_length)
// Convert input values to timestamps
london_session_start_timestamp = timestamp(year, month, dayofmonth, london_session_start_hour, london_session_start_minute)
london_session_end_timestamp = timestamp(year, month, dayofmonth, london_session_end_hour, london_session_end_minute)
// Define backtesting time range
start_date = timestamp(2021, 1, 1, 0, 0)
end_date = timenow
// Filter for London session and backtesting time range
in_london_session = time >= london_session_start_timestamp and time <= london_session_end_timestamp
in_backtesting_range = time >= start_date and time <= end_date
// Long condition: Close price crosses above SMA during London session
long_condition = ta.crossover(close, sma)
// Short condition: Close price crosses below SMA during London session
short_condition = ta.crossunder(close, sma)
// Plot SMA for reference
plot(sma, title="SMA", color=color.blue)
// Strategy entries and exits
if (long_condition)
strategy.entry("Long", strategy.long)
if (short_condition)
strategy.entry("Short", strategy.short)