Type/to search

Strategi Dagangan Kuantitatif Berdasarkan RSI Regresi Linear

Common strategy
Created: 2024-01-24 11:35:19
Last modified: 3 years ago
1
Follow
1802
Followers

img

Gambaran Keseluruhan

Strategi ini direka berdasarkan indikator RSI Regresi Linear. Strategi menghasilkan isyarat beli dan jual melalui persilangan antara RSI Regresi Linear dan EMA. Strategi ini juga menyediakan dua pilihan logik beli, yang boleh dipilih mengikut keperluan.

Prinsip Strategi

Strategi mula-mula mengira regresi linear dengan tempoh 200, kemudian mengira RSI 21 tempoh berdasarkan hasil regresi linear tersebut. Seterusnya, mengira EMA dengan tempoh 50. Apabila RSI melintasi ke atas EMA, isyarat beli dijana; apabila RSI melintasi ke bawah EMA, isyarat jual dijana untuk merealisasikan keuntungan.

Strategi ini menyediakan dua logik beli:

  1. Beli apabila RSI melintasi ke atas EMA
  2. Beli apabila RSI lebih tinggi daripada EMA dan melebihi garis terlebih beli

Logik beli mana yang digunakan boleh dipilih berdasarkan keadaan pasaran.

Analisis Kelebihan

Strategi ini menggabungkan kelebihan RSI Regresi Linear dan EMA, dapat menapis sebahagian bunyi harga dengan berkesan, dan menghasilkan isyarat dagangan yang lebih boleh dipercayai.

RSI Regresi Linear dapat mencerminkan trend dengan lebih baik, manakala EMA membantu mengesan titik perubahan. Gabungan kedua-duanya dapat mencari peluang pembalikan dalam trend, membentuk strategi pembalikan min (mean reversion).

Strategi ini menawarkan dua logik beli yang boleh dipilih, membolehkan penyesuaian yang lebih fleksibel mengikut fasa pasaran. Contohnya, apabila trend jelas, logik pertama boleh digunakan; apabila pasaran berayun, logik kedua boleh digunakan.

Analisis Risiko

Strategi ini bergantung terutamanya pada hubungan antara RSI dan EMA. Jika hubungan ini berubah, ia akan menyebabkan isyarat dagangan yang salah. Ini adalah risiko utama.

Selain itu, RSI dan EMA sebagai indikator sememangnya mempunyai sedikit ketinggalan, yang boleh menyebabkan kelewatan dalam isyarat beli dan jual, menjadikannya tidak sempurna dalam menangkap titik perubahan. Ini juga membawa risiko praktikal pada tahap tertentu.

Untuk mengurangkan risiko, parameter panjang RSI dan EMA boleh dilaraskan dengan sewajarnya untuk mengoptimumkan kerjasama antara kedua-duanya. Di samping itu, saiz unit dagangan perlu dikawal dengan baik untuk mengelakkan kerugian besar pada satu dagangan.

Arah Pengoptimuman

Strategi ini boleh dioptimumkan dari beberapa arah berikut:

  1. Mengoptimumkan parameter panjang RSI Regresi Linear dan EMA untuk mencari kombinasi parameter terbaik
  2. Menambah penapis indikator lain, seperti MACD, Bollinger Bands, dan lain-lain, untuk meningkatkan kualiti isyarat
  3. Menggabungkan indikator turun naik (volatiliti) untuk menyesuaikan pengurusan kedudukan
  4. Menggunakan kaedah pembelajaran mesin untuk mengoptimumkan parameter secara automatik

Kesimpulan

Strategi ini mereka bentuk strategi pembalikan min berdasarkan RSI Regresi Linear dan EMA, dengan menggunakan persilangan RSI dan EMA untuk mencari peluang pembalikan dalam julat pengukuhan. Strategi ini juga menyediakan dua pilihan logik beli, membolehkan ia menyesuaikan diri dengan pelbagai keadaan pasaran secara fleksibel. Secara keseluruhan, strategi ini menggabungkan kelebihan beberapa indikator, dan dapat mengesan peluang pembalikan dengan berkesan. Melalui pengoptimuman parameter dan penapisan tambahan dari indikator lain, strategi ini boleh mencapai prestasi yang lebih baik.

Source
Pine
/*backtest
start: 2023-01-17 00:00:00
end: 2024-01-23 00:00:00
period: 1d
basePeriod: 1h
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/

//@version=4
strategy("Linear RSI")

startP = timestamp(input(2017, "Start Year"), input(12, "Month"), input(17, "Day"), 0, 0)
Strategy parameters
Strategy parameters
Start Year
Month
Day
End Year
Month
Day
LR length
RSI length
EMA
overBought
overSold
Use first logic?
Use second logic?
Comment
All comments (0)
No data
No data
  • 1
Forums
PINE Language
Get the app
iPhone Download
© 2015 - ∞ INVENTOR PTE LTD (SG)