ChaoZhang
Gambaran keseluruhan
Strategi ini menggunakan indikator Stochastic Slow sebagai isyarat perdagangan utama dan digabungkan dengan Simple Moving Average (SMA) 200-period sebagai penapis trend. Di samping itu, strategi ini juga memperkenalkan indikator AI maya untuk memberikan isyarat masuk tambahan. Idea utama strategi ini adalah membeli di kawasan oversold dan menjual di kawasan oversold, sambil memastikan harga dibeli di atas 200 SMA dan dijual di bawah 200 SMA, mengikut trend semasa.
Prinsip Strategi
Hitung nilai K dan nilai D untuk penunjuk kelajuan perlahan secara rawak, di mana nilai K mempunyai kitaran 26, dan nilai D adalah 3 kitaran SMA untuk nilai K.
Tetapkan OverBought ke 81, OverSold ke 20, dan MinKValue ke 11.
Isyarat beli dihasilkan apabila garis K melintasi garis D dan nilai K lebih kecil daripada kawasan oversold dan lebih besar daripada nilai K minimum.
Isyarat jual dihasilkan apabila K di bawah garis melintasi D dan nilai K lebih besar daripada kawasan overbuy dan lebih besar daripada nilai K minimum.
Menggunakan 200 SMA sebagai penapis trend, apabila harga di atas 200 SMA dibenarkan untuk membeli, di bawah 200 SMA dibenarkan untuk menjual.
Memperkenalkan penunjuk AI maya ((menggunakan RSI>50 untuk menunjukkan kenaikan, RSI<50 untuk menunjukkan penurunan), membeli apabila penunjuk AI naik, dan menjual apabila turun.
Indikator acak, penapis trend dan isyarat AI yang dihasilkan menghasilkan isyarat perdagangan akhir.
Tetapkan 10% Hentikan Kerugian semasa membeli dan 10% Hentikan Kerugian semasa menjual.
Kelebihan Strategik
Penunjuk perlahan secara rawak secara berkesan mengenal pasti kawasan pasaran yang terlalu banyak dibeli dan dijual, memberikan titik masuk yang baik untuk perdagangan.
Pengenalan 200 SMA sebagai penapis trend memastikan perdagangan selaras dengan trend semasa dan meningkatkan kadar kejayaan.
Penambahan penunjuk AI memberi peluang kepada strategi untuk memasuki lebih banyak peluang dan berpotensi meningkatkan keuntungan strategi.
Tetapkan pesanan stop loss, mengawal risiko dengan berkesan.
Risiko Strategik
Indeks rawak mungkin menghasilkan lebih banyak isyarat palsu dalam pasaran yang bergolak.
Ia adalah satu petanda yang tidak dapat dipercayai, dan kesan sebenar masih belum dapat dipastikan.
Tetapan Stop Loss mungkin menyebabkan sebahagian daripada keuntungan dihentikan sebelum waktunya.
Arah pengoptimuman strategi
Mengoptimumkan parameter untuk penunjuk rawak untuk mencari kitaran terbaik dan seting paras paras paras overbought dan oversold.
Memperkenalkan model AI yang lebih kompleks dan berkesan untuk meningkatkan ketepatan isyarat AI.
Optimumkan tetapan stop loss dan stop loss untuk mengawal risiko dan mengunci keuntungan dengan lebih baik.
Pertimbangkan untuk memperkenalkan petunjuk teknikal atau data asas yang lain yang berkesan untuk meningkatkan kekuatan strategi.
ringkaskan
Strategi ini membentuk strategi perdagangan berbilang faktor dengan menggabungkan penunjuk perlahan acak, penapis trend dan isyarat AI. Penunjuk acak memberikan isyarat overbought dan oversold yang berkesan, penapis trend memastikan arah perdagangan selaras dengan trend besar, dan isyarat AI memberikan lebih banyak peluang masuk kepada strategi. Walaupun terdapat beberapa risiko dan ruang untuk pengoptimuman, strategi ini mempunyai pemikiran keseluruhan yang jelas dan logik yang layak untuk dijelajahi dan diperbaiki.
/*backtest
start: 2024-03-01 00:00:00
end: 2024-03-31 23:59:59
period: 1h
basePeriod: 15m
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/
//@version=5
strategy("Stochastic Slow Strategy with More Entries and AI", overlay=true)
length = input.int(26, minval=1)
OverBought = input(81)
OverSold = input(20)
smoothK = input.int(3, minval=1)
smoothD = input.int(3, minval=1)
minKValue = input(11, title="Minimum K Value")
// Stochastic calculations
k = ta.sma(ta.stoch(close, high, low, length), smoothK)
d = ta.sma(k, smoothD)
co = ta.crossover(k, d)
cu = ta.crossunder(k, d)
// Trend filter (200-period simple moving average)
ema200 = ta.sma(close, 200)
// Artificial Intelligence indicator (dummy example)
// Aquí puedes colocar la lógica de tu red neuronal artificial
// Por ahora, simplemente usaremos una señal aleatoria
ai_signal = ta.rsi(close, 14) > 50 ? 1 : -1
// Entry conditions
longCondition = ta.crossover(close, ema200) and k < OverSold and k > minKValue and ai_signal == 1
shortCondition = ta.crossunder(close, ema200) and k > OverBought and k > minKValue and ai_signal == -1
if (not na(k) and not na(d))
if (co and k < OverSold and k > minKValue)
strategy.entry("StochLE", strategy.long, comment="StochLE")
if (cu and k > OverBought and k > minKValue)
strategy.entry("StochSE", strategy.short, comment="StochSE")
if (longCondition)
strategy.entry("LongEntry", strategy.long, comment="LongEntry")
strategy.exit("StopLoss", "LongEntry", loss = close * 0.9) // Stop loss del 10%
if (shortCondition)
strategy.entry("ShortEntry", strategy.short, comment="ShortEntry")
strategy.exit("StopLoss", "ShortEntry", loss = close * 1.1) // Stop loss del 10%
// Plotting
plot(ema200, color=color.blue, title="200 SMA")