Strategi Pengesanan Trend Penapis Julat Berganda

Penulis:ChaoZhang, Tarikh: 2024-02-05 11:15:28
Tag:

Ringkasan

Dual Range Filter Trend Tracking Strategy adalah strategi perdagangan kuantitatif yang menggunakan penapisan julat EMA berganda untuk mengenal pasti arah trend dan menjejaki trend.

Logika Strategi

Inti strategi ini adalah penapisan julat EMA berganda. Ia mengira julat ATR candlesticks dan meluruskannya, kemudian menggunakan dua EMA untuk mencari kedudukan candlesticks dalam julat untuk menentukan sama ada ia sedang dalam trend. Apabila harga memecahkan julat, ia menandakan perubahan dalam trend.

Secara khusus, strategi ini pertama kali mengira saiz julat ATR lilin, dan kemudian meratakannya dengan dua EMA. Julat ATR mewakili julat fluktuasi normal lilin. Apabila harga melebihi julat ini, ini bermakna perubahan dalam trend telah berlaku. Strategi ini merekodkan arah apabila harga memecahkan julat EMA. Apabila arah berubah, ini bermakna pembalikan trend telah berlaku, dan itulah ketika ia boleh memilih untuk memasuki pasaran.

Selepas memasuki pasaran, strategi ini menggunakan stop loss terapung untuk mengunci keuntungan. Semasa tempoh pegangan, ia sentiasa menilai sama ada candlestick telah jatuh kembali di luar julat. Jika penurunan berlaku, ia akan keluar dari kedudukan semasa. Ini dapat mengunci keuntungan dari perdagangan trend dengan berkesan.

Analisis Kelebihan

Dual Range Filter Trend Tracking Strategy menggabungkan kelebihan penapisan purata bergerak dan pengiraan julat untuk menentukan arah trend dengan tepat dan mengelakkan kerap memasuki dan keluar dari pasaran di pasaran julat.

Gunakan prinsip ATR untuk menilai julat turun naik lilin, mengelakkan memasuki pasaran tanpa arah semasa pasaran julat
Penapis EMA berganda meningkatkan ketepatan penilaian dan mengurangkan isyarat palsu
Stop loss beredar masa nyata dapat mengunci keuntungan trend dengan berkesan
Logik strategi yang mudah dan jelas, mudah difahami dan dioptimumkan

Analisis Risiko

Terdapat juga beberapa risiko dengan strategi ini, terutamanya dalam aspek berikut:

Celah besar boleh menembusi julat ATR, mengakibatkan kemasukan awal
Dalam pasaran yang mempunyai trend yang kuat, stop loss boleh diaktifkan sebelum masa
Tetapan parameter yang tidak betul juga mempengaruhi prestasi strategi

Untuk menangani risiko ini, kaedah seperti mengoptimumkan parameter dengan sewajarnya, mencegah pecah palsu, menilai kekuatan trend boleh digunakan untuk menyelesaikannya.

Cadangan Pengoptimuman

Strategi Pengesanan Trend Penapis Jadual juga mempunyai potensi untuk pengoptimuman lanjut, dengan arah pengoptimuman utama termasuk:

Mengoptimumkan parameter ATR untuk merata julat fluktuasi candlestick
Masukkan penunjuk jumlah untuk mengelakkan pecah palsu
Menilai kekuatan trend untuk membezakan pecah sekali dan trend yang mampan
Mengoptimumkan harga stop loss untuk mengesan trend panjang sambil memastikan keuntungan

Melalui pengoptimuman ini, strategi dapat mencapai keuntungan yang stabil di lebih banyak persekitaran pasaran.

Ringkasan

Dual Range Filter Trend Tracking Strategy mengintegrasikan pelbagai kelebihan penapisan purata bergerak dan penghakiman julat ATR, dan dapat mengenal pasti arah dan masa masuk trend jangka menengah hingga panjang yang mampan. Ia hanya memasuki pasaran apabila trend berubah, dan menggunakan stop loss terapung untuk mengunci keuntungan. Strategi ini mempunyai logika yang mudah dan jelas dan sangat sesuai untuk perdagangan trend jangka menengah hingga panjang. Melalui pengoptimuman berterusan parameter dan peraturan penghakiman, strategi ini dapat mencapai pulangan yang baik di pelbagai pasaran.

/*backtest
start: 2023-01-29 00:00:00
end: 2024-02-04 00:00:00
period: 1d
basePeriod: 1h
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/

//@version=4
strategy("Range Filter [DW] & Labels", shorttitle="RF [DW] & Labels", overlay=true)

//Conditional Sampling EMA Function 
Cond_EMA(x, cond, n)=>
    var val     = array.new_float(0)
    var ema_val = array.new_float(1)
    if cond
        array.push(val, x)
        if array.size(val) > 1
            array.remove(val, 0)
        if na(array.get(ema_val, 0))
            array.fill(ema_val, array.get(val, 0))
        array.set(ema_val, 0, (array.get(val, 0) - array.get(ema_val, 0))*(2/(n + 1)) + array.get(ema_val, 0))
    EMA = array.get(ema_val, 0)
    EMA

//Conditional Sampling SMA Function
Cond_SMA(x, cond, n)=>
    var vals = array.new_float(0)
    if cond
        array.push(vals, x)
        if array.size(vals) > n
            array.remove(vals, 0)
    SMA = array.avg(vals)
    SMA

//Standard Deviation Function
Stdev(x, n)=>
    sqrt(Cond_SMA(pow(x, 2), 1, n) - pow(Cond_SMA(x, 1, n), 2))

//Range Size Function
rng_size(x, scale, qty, n)=> 
    ATR      = Cond_EMA(tr(true), 1, n)
    AC       = Cond_EMA(abs(x - x[1]), 1, n)
    SD       = Stdev(x, n)
    rng_size = scale=="Pips" ? qty*0.0001 : scale=="Points" ? qty*syminfo.pointvalue : scale=="% of Price" ? close*qty/100 : scale=="ATR" ? qty*ATR :
               scale=="Average Change" ? qty*AC : scale=="Standard Deviation" ? qty*SD : scale=="Ticks" ? qty*syminfo.mintick : qty   

//Two Type Range Filter Function
rng_filt(h, l, rng_, n, type, smooth, sn, av_rf, av_n)=>
    rng_smooth = Cond_EMA(rng_, 1, sn)
    r          = smooth ? rng_smooth : rng_
    var rfilt  = array.new_float(2, (h + l)/2)
    array.set(rfilt, 1, array.get(rfilt, 0))
    if type=="Type 1"
        if h - r > array.get(rfilt, 1)
            array.set(rfilt, 0, h - r)
        if l + r < array.get(rfilt, 1)
            array.set(rfilt, 0, l + r)
    if type=="Type 2"
        if h >= array.get(rfilt, 1) + r
            array.set(rfilt, 0, array.get(rfilt, 1) + floor(abs(h - array.get(rfilt, 1))/r)*r)
        if l <= array.get(rfilt, 1) - r
            array.set(rfilt, 0, array.get(rfilt, 1) - floor(abs(l - array.get(rfilt, 1))/r)*r)
    rng_filt1 = array.get(rfilt, 0)
    hi_band1  = rng_filt1 + r
    lo_band1  = rng_filt1 - r
    rng_filt2 = Cond_EMA(rng_filt1, rng_filt1 != rng_filt1[1], av_n)
    hi_band2  = Cond_EMA(hi_band1, rng_filt1 != rng_filt1[1], av_n)
    lo_band2  = Cond_EMA(lo_band1, rng_filt1 != rng_filt1[1], av_n)
    rng_filt  = av_rf ? rng_filt2 : rng_filt1
    hi_band   = av_rf ? hi_band2 : hi_band1
    lo_band   = av_rf ? lo_band2 : lo_band1
    [hi_band, lo_band, rng_filt]
 
//-----------------------------------------------------------------------------------------------------------------------------------------------------------------
//Inputs
//-----------------------------------------------------------------------------------------------------------------------------------------------------------------

//Filter Type
f_type = input(defval="Type 1", options=["Type 1", "Type 2"], title="Filter Type")

//Movement Source
mov_src = input(defval="Close", options=["Wicks", "Close"], title="Movement Source")

//Range Size Inputs
rng_qty   = input(defval=2.618, minval=0.0000001, title="Range Size")
rng_scale = input(defval="Average Change", options=["Points", "Pips", "Ticks", "% of Price", "ATR", "Average Change", "Standard Deviation", "Absolute"], title="Range Scale")

//Range Period
rng_per = input(defval=14, minval=1, title="Range Period (for ATR, Average Change, and Standard Deviation)")

//Range Smoothing Inputs
smooth_range = input(defval=true, title="Smooth Range")
smooth_per   = input(defval=27, minval=1, title="Smoothing Period")

//Filter Value Averaging Inputs
av_vals    = input(defval=true, title="Average Filter Changes")
av_samples = input(defval=2, minval=1, title="Number Of Changes To Average")

// New inputs for take profit and stop loss
take_profit_percent = input(defval=100.0, minval=0.1, maxval=1000.0, title="Take Profit Percentage", step=0.1)
stop_loss_percent = input(defval=100, minval=0.1, maxval=1000.0, title="Stop Loss Percentage", step=0.1)

//-----------------------------------------------------------------------------------------------------------------------------------------------------------------
//Definitions
//-----------------------------------------------------------------------------------------------------------------------------------------------------------------

//High And Low Values
h_val = mov_src=="Wicks" ? high : close
l_val = mov_src=="Wicks" ? low : close

//Range Filter Values
[h_band, l_band, filt] = rng_filt(h_val, l_val, rng_size((h_val + l_val)/2, rng_scale, rng_qty, rng_per), rng_per, f_type, smooth_range, smooth_per, av_vals, av_samples)

//Direction Conditions
var fdir = 0.0
fdir    := filt > filt[1] ? 1 : filt < filt[1] ? -1 : fdir
upward   = fdir==1 ? 1 : 0
downward = fdir==-1 ? 1 : 0

//Colors
filt_color = upward ? #05ff9b : downward ? #ff0583 : #cccccc
bar_color  = upward and (close > filt) ? (close > close[1] ? #05ff9b : #00b36b) :
             downward and (close < filt) ? (close < close[1] ? #ff0583 : #b8005d) : #cccccc

//-----------------------------------------------------------------------------------------------------------------------------------------------------------------
//Outputs
//-----------------------------------------------------------------------------------------------------------------------------------------------------------------

//Filter Plot
filt_plot = plot(filt, color=filt_color, transp=0, linewidth=3,  title="Filter")

//Band Plots
h_band_plot = plot(h_band, color=#05ff9b, transp=100, title="High Band")
l_band_plot = plot(l_band, color=#ff0583, transp=100, title="Low Band")

//Band Fills
fill(h_band_plot, filt_plot, color=#00b36b, transp=85, title="High Band Fill")
fill(l_band_plot, filt_plot, color=#b8005d, transp=85, title="Low Band Fill")

//Bar Color
barcolor(bar_color)

//External Trend Output
plot(fdir, transp=100, editable=false, display=display.none, title="External Output - Trend Signal")

// Trading Conditions Logic
longCond = close > filt and close > close[1] and upward > 0 or close > filt and close < close[1] and upward > 0 
shortCond = close < filt and close < close[1] and downward > 0 or close < filt and close > close[1] and downward > 0

CondIni = 0
CondIni := longCond ? 1 : shortCond ? -1 : CondIni[1]
longCondition = longCond and CondIni[1] == -1
shortCondition = shortCond and CondIni[1] == 1

// Strategy Entry and Exit
strategy.entry("Buy", strategy.long, when = longCondition)
strategy.entry("Sell", strategy.short, when = shortCondition)

// New: Close conditions based on percentage change
long_take_profit_condition = close > strategy.position_avg_price * (1 + take_profit_percent / 100)
short_take_profit_condition = close < strategy.position_avg_price * (1 - take_profit_percent / 100)

long_stop_loss_condition = close < strategy.position_avg_price * (1 - stop_loss_percent / 100)
short_stop_loss_condition = close > strategy.position_avg_price * (1 + stop_loss_percent / 100)

strategy.close("Buy", when = shortCondition or long_take_profit_condition or long_stop_loss_condition)
strategy.close("Sell", when = longCondition or short_take_profit_condition or short_stop_loss_condition)

// Plot Buy and Sell Labels
plotshape(longCondition, title = "Buy Signal", text ="BUY", textcolor = color.white, style=shape.labelup, size = size.normal, location=location.belowbar, color = color.green, transp = 0)
plotshape(shortCondition, title = "Sell Signal", text ="SELL", textcolor = color.white, style=shape.labeldown, size = size.normal, location=location.abovebar, color = color.red, transp = 0)

// Alerts
alertcondition(longCondition, title="Buy Alert", message = "BUY")
alertcondition(shortCondition, title="Sell Alert", message = "SELL")

Lebih lanjut

2019 FMZ - Semua hak dilindungi