ChaoZhang
Gambaran keseluruhan
Strategi ini menggunakan kaedah analisis kuantitatif bercampur-campur, menggabungkan dua model peredaran dan analisis regresi untuk mengenal pasti keadaan pasaran yang berbeza. Strategi ini pertama-tama mengira purata bergerak sederhana (SMA) dan Brin Belt (BB) dan kemudian mengira skor Z berdasarkan purata dan standard deviasi pulangan sejarah.
Prinsip Strategi
Prinsip teras strategi ini adalah menggunakan skor Z untuk mengukur kedudukan pulangan semasa berbanding dengan sebaran pulangan sejarah. Rumus pengiraan skor Z adalah: ((Pulangan semasa - purata pulangan sejarah) / perbezaan standard pulangan sejarah.
Kelebihan Strategik
- Analisis Kuantitatif: Strategi ini sepenuhnya berdasarkan indikator kuantitatif, peraturan jelas, mudah dilaksanakan dan diukur balik.
- Pengesahan ganda: Strategi ini menggunakan kedua-dua penunjuk Z-score dan Brin untuk membentuk mekanisme penapisan ganda, meningkatkan ketepatan isyarat.
- Asas statistik: Skor Z berasal dari teori pengedaran normal dalam statistik, mempunyai asas teori yang kukuh, yang dapat mengukur secara objektif tahap ekstrem pengembalian semasa.
- Fleksibiliti parameter: Pengguna boleh menyesuaikan parameter seperti kitaran SMA, kelipatan Brin, nilai rendah penilaian Z mengikut keperluan, dengan fleksibiliti untuk menyesuaikan diri dengan pasaran yang berbeza.
Risiko Strategik
- Sensitiviti parameter: Tetapan parameter yang berbeza boleh menyebabkan perbezaan besar dalam prestasi strategi, yang memerlukan pengoptimuman parameter dan ujian kestabilan yang mencukupi.
- Risiko Trend: Apabila pasaran mengalami trend yang kuat, penilaian Z mungkin berada di kawasan yang melampau untuk jangka panjang, menyebabkan isyarat strategi menjadi jarang atau tidak ada sama sekali.
- Risiko overfitting: Jika terlalu optimum untuk parameter strategi, ia boleh menyebabkan overfitting, yang tidak berfungsi dengan baik di luar sampel.
- Risiko Swan Hitam: Dalam keadaan yang melampau, peraturan statistik sejarah mungkin tidak berfungsi, dan strategi menghadapi risiko penarikan balik yang lebih besar.
Arah pengoptimuman strategi
- Parameter dinamik: Pertimbangkan indikator seperti kadar turun naik pasaran, kekuatan trend, dan menyesuaikan nilai rendah dan ganda Z-rating secara dinamik dan ganda Brin untuk meningkatkan daya serasi.
- Menambahkan penapis trend: Tambah indikator penghakiman trend seperti MA silang, DMI dan lain-lain ke atas mekanisme sedia ada untuk mengelakkan terlalu banyak isyarat tidak berkesan dalam trend yang kuat.
- Pengoptimuman gabungan: menggabungkan strategi ini dengan strategi kuantitatif lain (seperti momentum, regresi rata-rata, dan sebagainya) untuk memanfaatkan kelebihan masing-masing dan meningkatkan kestabilan.
- Hentikan Kerugian: Memperkenalkan mekanisme hentikan kerugian yang munasabah, mengawal risiko perdagangan tunggal, meningkatkan pendapatan setelah disesuaikan dengan risiko.
ringkaskan
Strategi kuantifikasi skor Z biner hibrid adalah strategi perdagangan kuantitatif berdasarkan prinsip statistik yang mengenal pasti peluang overbought dan oversold yang berpotensi dengan membandingkan peredaran pulangan semasa dengan pulangan sejarah. Pada masa yang sama, strategi ini menggunakan penunjuk Brin untuk pengesahan dua kali, meningkatkan kebolehpercayaan isyarat. Peraturan strategi jelas, mudah dilaksanakan dan dioptimumkan, tetapi juga menghadapi cabaran seperti sensitif parameter, risiko trend, risiko overfit.
/*backtest
start: 2023-05-22 00:00:00
end: 2024-05-27 00:00:00
period: 1d
basePeriod: 1h
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/
//@version=5
strategy("Estratégia Híbrida Quantitativa", overlay=true)
// Definição de parâmetros
sma_length = input.int(20, title="Período da SMA")
threshold_high = input.float(1.5, title="Threshold Alto")
threshold_low = input.float(-1.5, title="Threshold Baixo")
lookback_period = input.int(252, title="Período de Retorno Histórico (dias)")
// Funções auxiliares
f_sma(source, length) =>
ta.sma(source, length)
f_bollinger_band(source, length, mult) =>
basis = ta.sma(source, length)
dev = mult * ta.stdev(source, length)
[basis + dev, basis - dev]
// Cálculo dos indicadores
sma = f_sma(close, sma_length)
[upper_band, lower_band] = f_bollinger_band(close, sma_length, 2)
// Regime de Mercado: Binomial
retornos = ta.change(close, 1)
media_retornos = ta.sma(retornos, lookback_period)
desvio_padrao_retornos = ta.stdev(retornos, lookback_period)
// Indicador de Regime: Z-Score
z_score = (retornos - media_retornos) / desvio_padrao_retornos
// Sinal de Compra e Venda
sinal_compra = z_score < threshold_low and close < lower_band
sinal_venda = z_score > threshold_high and close > upper_band
// Execução de Ordem
if (sinal_compra)
strategy.entry("Long", strategy.long)
if (sinal_venda)
strategy.close("Long")
// Plotagem dos Indicadores
plot(sma, title="SMA", color=color.blue)
plot(upper_band, title="Upper Bollinger Band", color=color.red)
plot(lower_band, title="Lower Bollinger Band", color=color.green)
hline(threshold_high, "Threshold Alto", color=color.red, linestyle=hline.style_dashed)
hline(threshold_low, "Threshold Baixo", color=color.green, linestyle=hline.style_dashed)
plot(z_score, title="Z-Score", color=color.purple)