1. Persegi
  2. Strategi Pengoptimuman Kadar Perubahan

Strategi Pengoptimuman Kadar Perubahan

Penulis:ChaoZhang, Tarikh: 2024-02-20 13:54:49
Tag:

img

Ringkasan

Strategi ini mengoptimumkan strategi Rate of Change (ROC) asal. Berbanding dengan strategi ROC asal, strategi ini mempunyai pengoptimuman berikut:

  1. Masukkan nilai ROC sejarah maksimum untuk perbandingan dinamik dengan ROC semasa untuk mendapatkan nilai momentum relatif.
  2. Lemparkan nilai momentum relatif untuk menjana isyarat.
  3. Tambah ambang isyarat beli dan jual.

Melalui langkah-langkah pengoptimuman ini, banyak isyarat yang tidak sah dapat disaring untuk menjadikan strategi lebih stabil dan boleh dipercayai.

Prinsip Strategi

Indikator teras strategi ini adalah Kadar Perubahan (ROC). ROC mengukur kadar perubahan harga saham dalam tempoh tertentu. Strategi ini mula-mula mengira nilai ROC dalam tempoh 9. Kemudian ia merekodkan nilai maksimum penunjuk ROC ini dalam 200 tempoh yang lalu dan mengira ROC semasa sebagai peratusan daripada ROC sejarah maksimum untuk mendapatkan kekuatan momentum yang relatif. Sebagai contoh, jika ROC tertinggi dalam 200 hari yang lalu mencapai 100, maka kekuatan relatif adalah 80% apabila ROC hari ini adalah 80.

Kekuatan relatif dihaluskan oleh SMA 10 tempoh untuk menapis turun naik jangka pendek dan mendapatkan kurva yang lancar. Apabila kurva yang lancar meningkat secara berterusan selama 3 hari dan nilai di bawah -80%, dianggap bahawa penurunan harga saham mula melambatkan dan tanda bawah muncul, jadi pergi panjang; apabila kurva yang lancar jatuh secara berterusan selama 3 hari dan nilai di atas 80%, dianggap bahawa kenaikan harga saham mula melambatkan dan tanda atas muncul, jadi kedudukan dekat.

Analisis Kelebihan

Berbanding dengan strategi ROC asal, strategi ini mempunyai kelebihan utama berikut:

  1. Memperkenalkan perbandingan nilai ROC maksimum sejarah dapat mengukur tahap relatif penunjuk momentum dengan berkesan dan menapis isyarat yang tidak sah dengan nilai mutlak yang tidak cukup tinggi.
  2. Pemprosesan halus menapis bunyi bising dan menjadikan isyarat lebih stabil dan boleh dipercayai.
  3. Menetapkan ambang beli dan jual mengurangkan transaksi yang tidak sah.

Secara amnya, strategi ini memproses penunjuk ROC dengan berkesan untuk menjadikannya lebih sesuai untuk perdagangan langsung.

Analisis Risiko

Risiko utama strategi ini ialah:

  1. Penunjuk ROC tidak dapat menentukan trend pasaran dan terdapat beberapa kesesatan. Strategi mungkin gagal apabila ia menghadapi tempoh peralihan bull-bear.
  2. Sempadan membeli dan menjual tidak sempurna. menetapkan ambang terlalu tinggi atau terlalu rendah akan menjejaskan prestasi strategi.
  3. Tetapan parameter SMA yang tidak betul juga akan menjejaskan hasil strategi.

Untuk mengurangkan risiko di atas, pertimbangkan untuk menggabungkan penunjuk trend untuk menentukan trend utama; menyesuaikan parameter ambang dan menguji parameter optimum; mengoptimumkan parameter kitaran SMA.

Arahan pengoptimuman

Strategi ini boleh dioptimumkan dengan cara berikut:

  1. Menggabungkan penunjuk trend untuk menentukan arah pasaran secara keseluruhan dan mengelakkan kegagalan semasa penukaran bull-bear.
  2. Uji parameter panjang ROC dan parameter ambang beli dan jual untuk mencari kombinasi parameter yang optimum.
  3. Mengoptimumkan parameter smoothing SMA untuk mencari parameter terbaik.
  4. Tingkatkan mekanisme stop loss.

Ringkasan

Ini adalah strategi pengoptimuman berdasarkan pembangunan sekunder penunjuk ROC. Ia memperkenalkan cara seperti perbandingan nilai maksimum sejarah, kelancaran SMA, dan ambang beli dan jual untuk menapis isyarat yang tidak sah dan menjadikan strategi lebih stabil. Kelebihan utamanya adalah kualiti isyarat yang tinggi yang sesuai untuk perdagangan langsung. Penambahbaikan susulan boleh dibuat dari menggabungkan trend, pengoptimuman parameter dan sebagainya untuk meningkatkan prestasi strategi.

/*backtest
start: 2024-02-12 00:00:00
end: 2024-02-19 00:00:00
period: 1m
basePeriod: 1m
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/

//@version=5
strategy(title="Rate Of Change Mod Strategy", shorttitle="ROC", format=format.price, precision=2)
//length = input.int(9, minval=1)
//source = input(close, "Source")
//roc = 100 * (source - source[length])/source[length]
//plot(roc, color=#2962FF, title="ROC")
//hline(0, color=#787B86, title="Zero Line")

length = input.int(9, minval=1, title="Length")
maxHistory = input(200, title="Max Historical Period for ROC")
lenghtSmooth = input.int(10, minval=1, title="Length Smoothed ROC")
lenghtBUY = input.int(-80, title="Buy Threshold")
lenghtSELL = input.int(80, title="Buy Threshold")

source = close
roc = 100 * (source - source[length]) / source[length]

// Calculate the maximum ROC value in the historical period
maxRoc = ta.highest(roc, maxHistory)

// Calculate current ROC as a percentage of the maximum historical ROC
rocPercentage = (roc / maxRoc) * 100


rocPercentageS = ta.sma(rocPercentage, lenghtSmooth)
if ta.rising(rocPercentageS, 3) and rocPercentageS < lenghtBUY
    strategy.entry("Buy", strategy.long)

if ta.falling(rocPercentageS, 3) and rocPercentageS > lenghtSELL
    strategy.close("Buy")


plot(rocPercentage, color=color.new(color.blue, 0), title="Percentage ROC")
plot(rocPercentageS, color=color.new(#21f32c, 0), title="Percentage ROC")
hline(0, color=color.new(color.gray, 0), title="Zero Line")
Lebih lanjut

2019 FMZ - Semua hak dilindungi