1. Persegi
  2. Awesome Osilator Double Stochastic Divergence Filtered Strategi Dagangan

Awesome Osilator Double Stochastic Divergence Filtered Strategi Dagangan

Penulis:ChaoZhang, Tarikh: 2024-02-27 15:51:44
Tag:

img

Ringkasan

Strategi dagangan Divergensi Stikas Berganda yang Difilter Awesome Oscillator mengenal pasti peluang membeli dan menjual yang berpotensi melalui pengesanan perbezaan antara Stikas Awesome (AO) dan tindakan harga, disaring oleh keadaan overbought dan oversold Stikas Stochastic Oscillator untuk meningkatkan kebolehpercayaan isyarat.

Logika Strategi

Strategi ini terdiri daripada komponen berikut:

  1. Pengiraan Osilator Awesome (AO): AO adalah perbezaan antara SMA 5 tempoh dan 34 tempoh titik tengah (HL2) untuk mengenal pasti dinamik momentum pasaran.

  2. Osilator Stochastic: Digunakan untuk mengukur momentum dan titik pembalikan yang berpotensi dengan membandingkan harga penutupan dengan julat harga dalam tempoh.

  3. Logik Pengesanan Perbezaan: Sederhana apabila harga bergerak ke satu arah sementara AO bergerak ke arah yang bertentangan. Pengesanan perbezaan dunia nyata melibatkan analisis yang lebih bernuansa.

  4. Penapisan Stochastic: Isyarat yang ditapis oleh keadaan overbought Stochastic untuk menjual dan oversold untuk membeli.

  5. Pemetaan Isyarat: Isyarat yang disahkan selepas penapisan yang dicatatkan pada carta sebagai bentuk.

  6. Peraturan kemasukan: Masuk panjang pada isyarat kenaikan yang disahkan, masuk pendek pada isyarat penurunan yang disahkan.

Analisis Kelebihan

Strategi ini menggabungkan mengikuti trend dan mengenal pasti pembalikan, dengan isyarat yang boleh dipercayai.

  1. AO membantu mengenal pasti perubahan trend jangka pendek, perbezaan dengan harga menyediakan sumber isyarat yang boleh dipercayai.

  2. Penapis stokastik mengelakkan isyarat palsu tanpa pengesahan overbought / oversold.

  3. Menggabungkan penunjuk memberikan penilaian pasaran yang kukuh dan kebolehpercayaan.

  4. Isyarat dan peraturan kemasukan yang jelas, pelaksanaan mudah.

  5. Pilihan penunjuk dan parameter yang munasabah, backtest yang baik dan prestasi langsung.

Analisis Risiko

Risiko berpotensi termasuk:

  1. Pengesanan perbezaan yang sederhana berisiko salah menilai isyarat. Pengoptimuman dapat mengurangkan kemungkinan salah menilai.

  2. Tetapan parameter statik mungkin kurang berprestasi dalam keadaan pasaran yang berubah.

  3. Penapisan stokastik mungkin kehilangan beberapa peluang yang menguntungkan.

  4. Tiada mekanisme kawalan kerugian yang ketat untuk kedudukan terbuka. Hentikan kerugian atau peraturan saiz kedudukan boleh mengawal risiko dengan lebih baik.

Arahan pengoptimuman

Kawasan untuk pengoptimuman lanjut:

  1. Meningkatkan logik pengenalan isyarat perbezaan untuk isyarat berkualiti tinggi.

  2. Uji kombinasi parameter yang berbeza untuk mencari parameter optimum.

  3. Menggabungkan strategi stop loss untuk mengawal penurunan pada perdagangan individu.

  4. Mengoptimumkan peraturan saiz kemasukan dan pengurusan kedudukan terbuka.

  5. Memperkenalkan pembelajaran mesin untuk parameter dinamik dan pengoptimuman logik.

  6. Tambah lebih banyak sumber data untuk pemanduan faktor berbilang.

Ringkasan

Strategi AO Double Stochastic Filtered Divergence secara berkesan menggabungkan trend berikut dan pengenalan pembalikan melalui divergensi AO dan penapisan Stochastic. Peraturan yang jelas, hasil backtest yang baik, dengan potensi praktikal yang kuat. Pengoptimuman lanjut dapat menghasilkan simulasi yang lebih baik dan prestasi langsung.

/*backtest
start: 2024-01-01 00:00:00
end: 2024-01-31 23:59:59
period: 4h
basePeriod: 15m
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/

//@version=5
strategy("Fixed AO Divergence Strategy", shorttitle="Fixed AO+Stoch", overlay=true)

// Calculate Awesome Oscillator
ao() => ta.sma(hl2, 5) - ta.sma(hl2, 34)
aoVal = ao()

// Stochastic Oscillator
stochK = ta.stoch(close, high, low, 14)
stochD = ta.sma(stochK, 3)

// Simplify the divergence detection logic
// For educational purposes, we will define a basic divergence detection mechanism
// Real-world application would require more sophisticated logic

// Detect bullish and bearish divergences based on AO and price action
bullishDivergence = (close > close[1]) and (aoVal < aoVal[1])
bearishDivergence = (close < close[1]) and (aoVal > aoVal[1])

// Stochastic Overbought/Oversold conditions
stochOverbought = (stochK > 80) and (stochD > 80)
stochOversold = (stochK < 20) and (stochD < 20)

// Filtered signals
confirmedBullishSignal = bullishDivergence and stochOversold
confirmedBearishSignal = bearishDivergence and stochOverbought

// Plot signals
plotshape(series=confirmedBullishSignal, style=shape.triangleup, location=location.belowbar, color=color.green, title="Bullish Divergence", text="BUY")
plotshape(series=confirmedBearishSignal, style=shape.triangledown, location=location.abovebar, color=color.red, title="Bearish Divergence", text="SELL")

// Strategy Entry
if (confirmedBullishSignal)
    strategy.entry("Long", strategy.long, comment="Long Entry")

if (confirmedBearishSignal)
    strategy.entry("Short", strategy.short, comment="Short Entry")
Lebih lanjut

2019 FMZ - Semua hak dilindungi