Strategi perdagangan bercampur
Tarikh penciptaan:
2024-01-22 11:59:58
Akhirnya diubah suai:
2024-01-22 11:59:58
Salin:
2
Bilangan klik:
537
ChaoZhang
1
fokus pada
1617
Pengikut
Gambaran keseluruhan
Strategi perdagangan bermusim campuran S&P 500 adalah strategi kuantitatif untuk perdagangan saham yang menggunakan peraturan bermusim. Strategi ini menggabungkan sistem pembelian dan pegangan yang dipertingkatkan, syarat indikator teknikal, dan indikator aliran wang, yang membolehkan berputar antara bulan perdagangan yang lebih baik dan lebih buruk dalam setahun.
Prinsip Strategi
Isyarat dan peraturan perdagangan strategi adalah seperti berikut:
- Masuk lebih banyak apabila hari perdagangan pertama dibuka pada bulan Oktober setiap tahun.
- Apabila VIX lebih tinggi daripada 60% atau ATR 15 hari lebih tinggi daripada 90%, hentikan perdagangan bermusim dan tunggu turun naik pasaran berkurangan.
- Setiap tahun, pada hari pertama perdagangan pada bulan Ogos, saham akan ditutup.
- Apabila VIX melebihi 120% atau penunjuk aliran wang VFI jatuh di bawah -20 dan purata 10 hari ke bawah, isyarat kedudukan rata juga akan dikeluarkan.
- Pilihan untuk menyertai perdagangan short term.
Strategi ini memanfaatkan peraturan pasaran saham yang tidak sama dalam satu tahun, melakukan lebih banyak pada 10-4 bulan yang mempunyai prestasi statistik yang lebih baik, berhenti atau shorting pada 5-9 bulan yang mempunyai prestasi yang kurang baik dalam sejarah, untuk melakukan perdagangan terbalik. Pada masa yang sama, strategi ini menambahkan beberapa syarat petunjuk teknikal, untuk menangguhkan perdagangan ketika pasaran bergelombang besar, untuk membantu mengelakkan risiko.
Analisis kelebihan
Strategi perdagangan bermusim campuran S&P500 mempunyai kelebihan berikut:
- Menggunakan undang-undang bermusim yang matang dan stabil. Strategi ini didasarkan pada fakta bahawa S&P 500 mempunyai bulan yang sangat berbeza dalam setahun.
- Terpadu dengan pelbagai syarat penapisan. Strategi ini menambah beberapa syarat seperti VIX, ATR, VFI, yang dapat menapis Noise dengan berkesan dan menghantar isyarat perdagangan yang lebih dipercayai.
- Peraturan perdagangan yang boleh dikonfigurasi. Strategi boleh dipilih untuk menambah atau mengurangkan, dan bulan perdagangan boleh disesuaikan mengikut keperluan, mudah diuji dan dioptimumkan.
- Mekanisme mengelakkan risiko terbina dalam. Pengesanan turun naik seperti VIX dan ATR dapat mengelakkan kesan turun naik pasaran yang teruk.
- Penunjuk aliran wang membantu penilaian. VFI dapat mencerminkan aliran wang peserta pasaran, memberikan asas tambahan untuk keputusan strategik.
Analisis risiko
Terdapat juga beberapa risiko yang berpotensi dalam strategi perdagangan bermusim campuran S&P500:
- Risiko bahawa undang-undang sejarah tidak akan berlaku. Pergerakan pasaran saham mempunyai ketidakpastian yang kuat, dan undang-undang sejarah tidak semestinya berlaku selamanya.
- Indikator teknikal berisiko memberi isyarat yang salah. Indikator seperti VIX, ATR dan VFI juga boleh membuat kesalahan.
- Risiko optimasi parameter tidak sempurna. Parameter strategi boleh diuji dan dioptimumkan lebih lanjut, parameter sedia ada mungkin tidak optimum.
- Risiko tambahan daripada shorting. Perdagangan shorting pilihan membawa risiko kerugian tanpa had.
Kaedah-kaedah untuk menangani risiko di atas boleh dipertingkatkan lagi melalui pengurusan risiko, kombinasi penunjuk, penyesuaian parameter, dan pengenalan pembelajaran mesin.
Arah pengoptimuman
Strategi perdagangan bermusim campuran S&P 500 boleh dioptimumkan lebih jauh dengan:
- Uji latihan data sejarah yang lebih lama. Uji ulang dan optimumkan parameter strategi dengan lebih banyak data sejarah.
- Peningkatan mekanisme hentian kerugian. Anda boleh menetapkan hentian terapung atau hentian masa, untuk mengawal kerugian tunggal dengan berkesan.
- Optimumkan parameter penunjuk teknikal. Anda boleh menyesuaikan parameter VIX, ATR dan VFI untuk mencari kombinasi parameter yang optimum.
- Memperkenalkan model pembelajaran mesin. Mengoptimumkan penyesuaian parameter menggunakan rangkaian saraf atau pokok keputusan.
- Kombinasi strategi: boleh diuji dengan kombinasi strategi lain untuk mengurangkan risiko sistemik pasaran menggunakan ketidakterkaitannya.
ringkaskan
Kompleks strategi perdagangan bermusim campuran S&P 500 menggunakan undang-undang musiman yang matang, keadaan petunjuk teknikal dan penunjuk aliran wang. Strategi ini mengelakkan bulan-bulan pasaran saham yang paling buruk, diconfigurasi pada bulan perdagangan yang lebih baik dalam setahun, dan membina mekanisme penapisan turun naik pasaran yang berkesan, yang menghasilkan keuntungan tambahan yang stabil.
Kod sumber strategi
/*backtest
start: 2023-12-01 00:00:00
end: 2023-12-31 23:59:59
period: 1h
basePeriod: 15m
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/
// TASC Issue: April 2022 - Vol. 40, Issue 4
// Article: Sell In May? Stock Market Seasonality
// Article By: Markos Katsanos
// Language: TradingView's Pine Script v5
// Provided By: PineCoders, for tradingview.com
//@version=5
strategy(title = "TASC 2022.04 S&P500 Hybrid Seasonal System",
shorttitle = "HSS v2.0",
overlay = true,
default_qty_type = strategy.percent_of_equity,
default_qty_value = 10,
initial_capital = 100000,
currency = currency.USD,
commission_type = strategy.commission.percent,
commission_value = 0.01
)
// Helper Functions:
// @function Returns the ratio to max/min of a sample period
// @param src float, data source.
// @param length int, period of the sample.
// @returns [float, float] tuple.
volatility (float src, int length) =>
[(src / ta.highest(src, length)[1] - 1.0) * 100.0,
(src / ta.lowest (src, length)[1] - 1.0) * 100.0]
// @function Volume Flow Indicator.
// @param Period int, period of the data sample.
// @param VCoef float, Volume Volatility Coefficient.
// @param Coef float, Cutoff Coefficient.
// @returns float.
// ref: https://mkatsanos.com/volume-flow-vfi-indicator/
vfi (int Period = 130, float VCoef = 2.5, float Coef = 0.2) =>
lastHLC3 = nz(hlc3[1], hlc3)
MF = hlc3 - lastHLC3
Vinter = ta.stdev(math.log(hlc3) - math.log(lastHLC3), 30)
Vave = ta.sma(volume, Period)[1]
Cutoff = Coef * close * Vinter
VC = math.min(volume, Vave * VCoef)
VCP = MF > Cutoff ? VC :
MF < -Cutoff ? -VC : 0.0
VFI1 = nz(math.sum(VCP, Period) / Vave)
VFI = ta.ema(VFI1, 3)
// inputs:
// optional strategy obserservation window parameters:
string ig_ow = 'Observation Window:'
bool i_Sdate = input( title = 'Start date:',
defval = timestamp('2021-01-01'),
inline = 'Sdate',
group = ig_ow
) < time //
bool i_useSdate = input.bool( title = '',
defval = false,
group = ig_ow,
inline = 'Sdate',
tooltip = 'Optional start date to clamp strategy observation window.'
) //
bool i_Edate = input( title = 'End date:',
defval = timestamp('2022-01-01'),
inline = 'Edate',
group = ig_ow
) > time //
bool i_useEdate = input.bool( title = '',
defval = false,
group = ig_ow,
inline = 'Edate',
tooltip = 'Optional end date to clamp strategy observation window.'
) //
//
string ig_ro = 'Lookback Options:'
int i_lback = input.int( title = 'Lookback Shift:',
defval = 0, minval = 0,
group = ig_ro,
tooltip = 'Optional, inspect previous signal values.'
) //
//
string ig_so = 'Signal Options:'
bool i_onlyL = input.bool( title = 'Long Only:',
defval = true,
group = ig_so,
tooltip = 'If switched off, short entries are initiated by sell signals.'
) //
int i_sMonth = input.int( title = 'Sell Month:',
defval = 8, minval = 1, maxval = 12, step = 1,
group = ig_so,
tooltip = 'The worst performing month, originally clamped between months 5 and 8.'
) //
int i_maxVI = input.int( title = 'Max VIX up:',
defval = 60, minval = 50, maxval = 60, step = 5,
group = ig_so,
tooltip = 'Volatility maximum threshold.'
) //
int i_critVFI = input.int( title = 'Critical VFI Sell:',
defval = -20, minval = -20, maxval = -15, step = 5,
group = ig_so,
tooltip = 'Critical money float (VFI) threshold for sell signal.'
) //
float i_K = input.float( title = 'ATR/VIX Ratio:',
defval = 1.5, minval = 1.3, maxval = 1.7, step = 0.2,
group = ig_so,
tooltip = 'ATR to VIX ratio for sell signal.'
) //
//
string i_VIticker = input( title = 'Volatility Index:',
defval = 'VIX',
group = ig_so,
tooltip = 'Volatility Index Ticker.'
) //
string i_VItf = input.timeframe( title = '',
defval = 'D',
group = ig_so,
tooltip = 'Volatility Index Timeframe.'
) //
int i_VIiperiod = input.int( title = 'Implied Volatility period:',
defval = 25,
group = ig_so
) //
int i_VIhperiod = input.int( title = 'Historical Volatility period:',
defval = 15,
group = ig_so
) //
//
int i_VFIperiod = input.int( title = 'VFI period:',
defval = 130,
group = ig_so, inline = 'VFI1'
) //
int i_VFIMperiod = input.int( title = 'MA:',
defval = 10,
group = ig_so, inline = 'VFI1',
tooltip = 'VFI and Moving Average sampling period.'
) //
float i_VFIcoef = input.float( title = 'VFI Coef Cuttoff:',
defval = 0.2,
group = ig_so, inline = 'VFI2'
) //
float i_VFIvcoef = input.float( title = 'Volat.:',
defval = 2.5,
group = ig_so, inline = 'VFI2',
tooltip = 'VFI Cutoff and Volatility coefficient.'
) //
int i_ATRperiod = input.int( title = 'ATR length:',
defval = 15,
group = ig_so, inline = 'ATR',
tooltip = 'ATR length.'
) //
//
string ig_to = 'Table Options:'
bool i_showT = input.bool( title = 'Show Table:',
defval = false,
group = ig_to,
tooltip = 'Optional toggle.'
) //
string i_Tpos = input.string(title = 'Position:',
defval = position.middle_right,
options = [ position.top_left, position.top_center, position.top_right,
position.middle_left, position.middle_center, position.middle_right,
position.bottom_left, position.bottom_center, position.bottom_right ],
group = ig_to) //
int i_Ttransp = input.int( title = 'Transparency:',
defval = 0, minval = 1, maxval = 99,
group = ig_to
) //
//
color i_Tcframe = input.color( title = 'Table Colors:',
defval = #000000,
group = ig_to, inline = 'table color'
) //
color i_Tcrowe = input.color( title = '',
defval = #d6dae3,
group = ig_to, inline = 'table color'
) //
color i_Tcrowo = input.color( title = '',
defval = #cccccc,
group = ig_to, inline = 'table color',
tooltip = 'Table background colors, in order: frame, even row, odd row.'
) //
string i_Ttsize = input.string(title = 'Table Text:',
defval = size.small,
options = [size.auto, size.huge, size.large, size.normal, size.small, size.tiny],
group = ig_to, inline = 'table text'
) //
color i_Tcdeft = input.color( title = 'Text Colors:',
defval = #000000,
group = ig_to, inline = 'table text'
) //
color i_Tcsigt = input.color( title = '',
defval = color.red,
group = ig_to, inline = 'table text'
) //
color i_Tctitt = input.color( title = '',
defval = color.navy,
group = ig_to, inline = 'table text',
tooltip = 'Table text size and colors, in order: default, short signal, title.'
) //
// Comparison Index
float VIX = request.security(i_VIticker, i_VItf, close)
[VIdn, VIup] = volatility(VIX, i_VIiperiod) // Implied
[ATRdn, ATRup] = volatility(ta.atr(i_VIhperiod), i_VIiperiod) // Historical
float VFI = vfi(i_VFIperiod, i_VFIvcoef, i_VFIcoef)
float VFI10 = ta.sma(VFI, i_VFIMperiod)
//
bool VFIatCrit = VFI > i_critVFI
bool lowVolat = (VIup < i_maxVI) or (ATRup < (i_K * i_maxVI))
bool VolatC = VFIatCrit ? lowVolat : false
bool Long = ((month >= 10) or (month < i_sMonth)) and VolatC[1]
bool Sseasonal = month == i_sMonth // SEASONAL EXIT/SHORT
bool Svol = VIup > (2.0 * i_maxVI) // VOLATILITY EXIT/SHORT
bool Scrit = ta.cross(i_critVFI, VFI) and (VFI10 < VFI10[1]) // VFI EXIT/SHORT
bool Short = Sseasonal or Svol[1] or Scrit[1]
bool withinObsWindow = true
//
if withinObsWindow and strategy.equity > 0
_L = strategy.long
_S = strategy.short
strategy.entry('L' , direction = _L, when = Long )
if i_onlyL
strategy.close('L', comment = 'EXIT SEASONAL' , when = Sseasonal )
strategy.close('L', comment = 'EXIT VOLATILITY', when = Svol[1] )
strategy.close('L', comment = 'EXIT MF' , when = Scrit[1] )
else
strategy.entry('S Seasonal' , direction = _S, when = Sseasonal )
strategy.entry('S Volatility', direction = _S, when = Svol[1] )
strategy.entry('S MF Crit.' , direction = _S, when = Scrit[1] )
else
strategy.close_all()
string SIGNAL = switch
(Long) => 'Long Seasonal'
(Sseasonal and i_onlyL) => 'Exit Seasonal'
(Svol[1] and i_onlyL) => 'Exit Volatility'
(Scrit[1] and i_onlyL) => 'Exit Money Flow'
(Sseasonal and not i_onlyL) => 'Short Seasonal'
(Svol[1] and not i_onlyL) => 'Short Volatility'
(Scrit[1] and not i_onlyL) => 'Short Money Flow Bearish'
=> 'none'
string date = str.format(
'{0,number,0000}-{1,number,00}-{2,number,00}',
year, month, dayofmonth
)
var table dTable = table.new(position = i_Tpos,
columns = 2,
rows = 17,
frame_color = color.new(#000000, i_Ttransp),
frame_width = 4
) //
// @function Helper to populate the table rows.
tRow(tableId, idx, left, right, tcol=0) =>
color _bg = color.new(idx % 2 ? i_Tcrowo : i_Tcrowe, i_Ttransp)
color _tx = switch (tcol)
(1) => color.new(i_Tcsigt, i_Ttransp)
(2) => color.new(i_Tctitt, i_Ttransp)
=> color.new(i_Tcdeft, i_Ttransp)
// table.cell( table_id=tableId,
// column=0, row=idx,
// text=left, text_color=_tx, text_halign=text.align_right, text_size=i_Ttsize,
// bgcolor=_bg) //
// table.cell( table_id=tableId,
// column=1, row=idx,
// text=str.tostring(right), text_color=_tx, text_halign=text.align_left, text_size=i_Ttsize,
// bgcolor=_bg) //
if i_showT
float _atr10 = ta.atr(10)[i_lback]
string _nf = '0.00'
string _aru = '🔼 ', string _ard = '🔽 '
// id | idx | left label | right label | conditional color |
tRow(dTable, 00, 'S&P500 Hybrid Seasonal ' , '' , 2 )
tRow(dTable, 01, 'Created By: Markos Katsanos' , '' , 2 )
tRow(dTable, 02, 'Date:' , date[i_lback] )
tRow(dTable, 03, 'Signal:' , SIGNAL[i_lback] )
tRow(dTable, 04, 'Price:' , open[i_lback] )
tRow(dTable, 05, 'VIX:' , str.tostring( VIX[i_lback], _nf) )
tRow(dTable, 06, 'VFI:' , str.tostring( VFI[i_lback], _nf) , VFIatCrit ? 1 : 0 )
tRow(dTable, 07, 'ATR:' , str.tostring( _atr10, _nf) )
tRow(dTable, 08, 'VIup%:' , str.tostring( VIup[i_lback], _nf) , VIup > i_maxVI ? 1 : 0 )
tRow(dTable, 09, 'ATRup%:' , str.tostring(ATRup[i_lback], _nf) , ATRup > i_K * i_maxVI ? 1 : 0 )
tRow(dTable, 10, 'VIdn%:' , str.tostring( VIdn[i_lback], _nf) )
tRow(dTable, 11, 'ATRdn%:' , str.tostring(ATRdn[i_lback], _nf) )
tRow(dTable, 12, _aru + 'Long Seasonal:' , Long[i_lback] )
tmp = 12
if not i_onlyL
tmp := 13
tRow(dTable, 13, _ard + 'Short:' , Short[i_lback] , Short[i_lback] ? 1 : 0 )
tRow(dTable, tmp+1, _ard + 'Seasonal:' , Sseasonal[i_lback] , Sseasonal[i_lback] ? 1 : 0 )
tRow(dTable, tmp+2, _ard + 'Volatility:' , Svol[1+i_lback] , Svol[1 + i_lback] ? 1 : 0 )
tRow(dTable, tmp+3, _ard + 'Money Flow:' , Scrit[i_lback] , Scrit[i_lback] ? 1 : 0 )