ChaoZhang
1
fokus pada
1617
Pengikut
Gambaran keseluruhan
Strategi ini adalah strategi komposit yang menggabungkan indikator RSI pelbagai tempoh masa dan sistem perdagangan grid dinamik. Ia mengenal pasti keadaan pasaran yang terlalu banyak dibeli dan terlalu banyak dijual dengan menganalisis nilai indikator RSI tiga tempoh masa yang berbeza, dan menggunakan sistem grid dinamik berasaskan ATR untuk pengurusan kedudukan.
Prinsip Strategi
Logik teras strategi merangkumi bahagian penting berikut:
- Analisis pelbagai kitaran masa - pemantauan RSI pada masa yang sama untuk kitaran masa semasa, 60 minit dan 240 minit dalam tiga kitaran masa, yang hanya akan mencetuskan perdagangan apabila tiga kitaran menunjukkan isyarat overbought atau oversold.
- Sistem Grid Dinamik - Menggunakan ATR sebagai rujukan kadar turun naik, secara dinamik mengira jarak grid. Apabila harga bergerak ke arah yang tidak menguntungkan, meningkatkan kedudukan mengikut faktor kelipatan yang ditetapkan.
- Pentadbiran kedudukan - 1% daripada kepentingan hak akaun sebagai kedudukan asas, dan dengan parameter lot_multiplier mengawal gred kenaikan kedudukan.
- Kawalan risiko - termasuk sasaran penutupan harian, perlindungan maksimum untuk menarik balik 2% hak milik akaun, dan mekanisme penyaringan isyarat terbalik.
Kelebihan Strategik
- Pengesahan isyarat pelbagai dimensi - mengurangkan isyarat palsu dengan menganalisis RSI untuk pelbagai tempoh masa.
- Pengurusan kedudukan yang fleksibel - Sistem grid dinamik dapat menyesuaikan jarak grid mengikut turun naik pasaran.
- Kawalan risiko yang baik - Pengendalian risiko yang berkesan dengan mekanisme perlindungan penangguhan harian dan pengunduran maksimum
- Ketinggian boleh disesuaikan - menyediakan pelbagai parameter yang boleh disesuaikan untuk memudahkan strategi pengoptimuman mengikut keadaan pasaran yang berbeza.
Risiko Strategik
- Risiko Trend - Strategi grid mungkin menghadapi kerugian yang berterusan dalam pasaran yang kuat. Disarankan untuk menambah penapis trend.
- Risiko pengurusan dana - pelbagai grid boleh menyebabkan penggunaan dana yang berlebihan. Adalah disyorkan untuk mengawal jumlah lapisan grid maksimum.
- Sensitiviti parameter - prestasi strategi lebih sensitif terhadap tetapan parameter. Ujian pengoptimuman parameter yang mencukupi disyorkan.
Arah pengoptimuman strategi
- Pengiktirafan trend yang dipertingkatkan - Indikator trend seperti purata bergerak boleh ditambah sebagai penapis.
- Penyesuaian parameter dinamik - menyesuaikan parameter RSI dan grid secara automatik mengikut turun naik pasaran.
- Optimasi Stop Loss - anda boleh menetapkan titik stop loss yang berasingan untuk setiap bit grid.
- Penapisan masa - Tambah penapisan masa transaksi untuk mengelakkan masa kecairan yang rendah.
ringkaskan
Strategi ini mewujudkan skema perdagangan yang seimbang dengan menggabungkan analisis RSI jangka masa dan sistem perdagangan grid dinamik. Mekanisme kawalan risiko yang baik dan tetapan parameter yang fleksibel menjadikannya sesuai untuk persekitaran pasaran yang berbeza.
Kod sumber strategi
/*backtest
start: 2024-02-10 00:00:00
end: 2025-02-08 08:00:00
period: 3h
basePeriod: 3h
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/
//@version=5
strategy("Multi-Timeframe RSI Grid Strategy with Arrows", overlay=true)
// Input parameters
rsi_length = input.int(14, "RSI Length")
oversold = input.int(30, "Oversold Level")
overbought = input.int(70, "Overbought Level")
higher_tf1 = input.string("60", "Higher Timeframe 1")
higher_tf2 = input.string("240", "Higher Timeframe 2")
grid_factor = input.float(1.2, "Grid Multiplication Factor", step=0.1)
lot_multiplier = input.float(1.5, "Lot Multiplication Factor", step=0.1)
max_grid = input.int(5, "Maximum Grid Levels")
daily_target = input.float(4.0, "Daily Profit Target (%)", step=0.5)
atr_length = input.int(14, "ATR Length")
// Calculate RSI values
current_rsi = ta.rsi(close, rsi_length)
higher_tf1_rsi = request.security(syminfo.tickerid, higher_tf1, ta.rsi(close, rsi_length))
higher_tf2_rsi = request.security(syminfo.tickerid, higher_tf2, ta.rsi(close, rsi_length))
// Grid system variables
var int grid_level = 0
var float last_entry_price = na
var float base_size = strategy.equity * 0.01 / close
var float daily_profit_target = strategy.equity * (daily_target / 100)
var bool target_reached = false
// ATR for grid spacing
atr = ta.atr(atr_length)
grid_space = atr * grid_factor
// Daily reset
new_day = ta.change(time("D"))
if new_day
daily_profit_target := strategy.equity * (daily_target / 100)
target_reached := false
grid_level := 0
last_entry_price := na
// Trading conditions
buy_condition = current_rsi < oversold and higher_tf1_rsi < oversold and higher_tf2_rsi < oversold
sell_condition = current_rsi > overbought and higher_tf1_rsi > overbought and higher_tf2_rsi > overbought
// Reverse signal detection
reverse_long_to_short = sell_condition and strategy.position_size > 0
reverse_short_to_long = buy_condition and strategy.position_size < 0
// Close all trades on reverse signals
if reverse_long_to_short or reverse_short_to_long
strategy.close_all()
grid_level := 0
last_entry_price := na
// Grid management logic
if strategy.position_size == 0
grid_level := 0
last_entry_price := na
if strategy.position_size > 0 and not reverse_long_to_short
if close < last_entry_price - grid_space and grid_level < max_grid and not target_reached
strategy.entry("Long Grid " + str.tostring(grid_level), strategy.long, qty=base_size * math.pow(lot_multiplier, grid_level))
grid_level += 1
last_entry_price := close
if strategy.position_size < 0 and not reverse_short_to_long
if close > last_entry_price + grid_space and grid_level < max_grid and not target_reached
strategy.entry("Short Grid " + str.tostring(grid_level), strategy.short, qty=base_size * math.pow(lot_multiplier, grid_level))
grid_level += 1
last_entry_price := close
// Initial entry
if buy_condition and strategy.position_size == 0 and not target_reached
strategy.entry("Long", strategy.long, qty=base_size)
grid_level := 1
last_entry_price := close
if sell_condition and strategy.position_size == 0 and not target_reached
strategy.entry("Short", strategy.short, qty=base_size)
grid_level := 1
last_entry_price := close
// Profit target check
current_profit = strategy.netprofit + strategy.openprofit
if current_profit >= daily_profit_target and not target_reached
strategy.close_all()
target_reached := true
// Drawdown protection
if strategy.openprofit < -(0.02 * strategy.equity) // 2% drawdown protection
strategy.close_all()
grid_level := 0
last_entry_price := na
// Plot Buy and Sell Arrows
plotshape(series=buy_condition and strategy.position_size == 0, title="Buy Signal", location=location.belowbar, color=color.green, style=shape.labelup, text="BUY", size=size.small)
plotshape(series=sell_condition and strategy.position_size == 0, title="Sell Signal", location=location.abovebar, color=color.red, style=shape.labeldown, text="SELL", size=size.small)
// Plotting RSI
plot(current_rsi, "Current RSI", color=color.blue)
plot(higher_tf1_rsi, "HTF1 RSI", color=color.red)
plot(higher_tf2_rsi, "HTF2 RSI", color=color.green)
hline(oversold, "Oversold", color=color.gray)
hline(overbought, "Overbought", color=color.gray)