Estratégia de negociação de desvio padrão ponderado de média móvel
ChaoZhang
Visão geral
Esta estratégia usa o indicador de diferença padrão ponderado, combinado com a média móvel, para realizar a negociação de tendências em criptomoedas. A estratégia calcula o canal de diferença padrão ponderado do preço com base no preço de fechamento e no volume de transações em um determinado período.
Princípio da estratégia
O código define duas funções personalizadas, a partir do padrão de diferença ponderada de seqüências de tempo e de matrizes, respectivamente. Os principais passos são:
- Cálculo do preço médio ponderado com base no preço de fechamento e no volume de transações
- Calcule o quadrado da diferença entre cada linha K e a média
- Divergência calculada de acordo com a média do volume e do peso da amostra
- O quadrado recebe a diferença padrão
Assim, temos um canal onde o centro é a média ponderada e a distância para cima e para baixo é um desvio padrão. Faça mais quando o preço atravessa o fundo do canal a partir da parte de baixo; faça zero quando o preço atravessa o topo do canal a partir da parte de cima.
Análise de vantagens
A maior vantagem desta estratégia é a integração da média móvel com a análise de volatilidade. A média móvel determina a direção da tendência do mercado, a diferença padrão define um intervalo razoável, ambas se verificam mutuamente e têm maior confiabilidade. Além disso, o peso do volume de transação pode filtrar falsas rupturas e a probabilidade de ruptura real é maior.
A estratégia também estabelece um ponto de parada de perda, que ajuda a entender a tendência e evitar que a reversão cause perdas excessivas. Isso é algo que muitos novatos não conseguem entender.
Análise de Riscos
O principal risco é que o mercado pode ter uma forte oscilação. Nesse caso, o canal de desvio padrão também pode ter uma grande oscilação, prejudicando o julgamento. Além disso, se o ciclo de seleção for muito curto, é fácil de ser perturbado pelo ruído e a taxa de erro é alta.
A contra-medida é o ajuste apropriado dos parâmetros do ciclo e suavizar a curva. Também pode ser considerado a combinação de outros indicadores, como o RSI, para aumentar o efeito de confirmação da ruptura.
Direção de otimização
- Parâmetros de ciclos de otimização. Pode testar diferentes ciclos de 5 minutos, 15 minutos e 30 minutos para encontrar a melhor combinação
- Otimizar a proporção de stop loss. Teste diferentes pontos de stop loss para obter o melhor retorno.
- Aumentar as condições de filtragem, como a combinação de volumes, evitando que a falsa ruptura leve a Loss
- Aumento de indicadores de risco, como a confirmação de entidades de linha K por meio da posição do preço de fechamento e do comprimento da linha de sombra, reduzindo a taxa de erro
Resumir
Esta estratégia usa com sucesso o indicador de diferença padrão ponderado, auxiliado por uma média móvel para determinar a direção, para permitir o acompanhamento de tendências em criptomoedas. Ao mesmo tempo, a configuração razoável de stop-loss ajuda a entender o ritmo do mercado e evitar que a inversão excessiva cause perdas.
/*backtest
start: 2023-11-16 00:00:00
end: 2023-11-23 00:00:00
period: 45m
basePeriod: 5m
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/
// This source code is subject to the terms of the Mozilla Public License 2.0 at https://mozilla.org/MPL/2.0/
// © rumpypumpydumpy © cache_that_pass
//@version=4
strategy("[cache_that_pass] 1m 15m Function - Weighted Standard Deviation", overlay=true, pyramiding=0, default_qty_type=strategy.percent_of_equity, default_qty_value=20, initial_capital=10000, commission_type=strategy.commission.percent, commission_value=0.075)
f_weighted_sd_from_series(_src, _weight, _n) => //{
// @function: Calculates weighted mean, variance, standard deviation, MSE and RMSE from time series variables
// @parameters:
// _src: time series variable of sample values
// _weight: time series of corresponding weight values.
// _n : number of samples
_xw = _src * _weight
_sum_weight = sum(_weight, _n)
_mean = sum(_xw, _n) / _sum_weight
float _sqerror_sum = 0
int _nonzero_n = 0
for _i = 0 to _n - 1
_sqerror_sum := _sqerror_sum + pow(_mean - _src[_i], 2) * _weight[_i]
_nonzero_n := _weight[_i] != 0 ? _nonzero_n + 1 : _nonzero_n
_variance = _sqerror_sum / ((_nonzero_n - 1) * _sum_weight / _nonzero_n)
_dev = sqrt(_variance)
_mse = _sqerror_sum / _sum_weight
_rmse = sqrt(_mse)
[_mean, _variance, _dev, _mse, _rmse]
//}
// -----------------------------------------------------------------------------
f_weighted_sd_from_arrays(_a_src, _a_weight, _n) => //{
// @function: Calculates weighted mean, variance, standard deviation, MSE and RMSE from arrays
// Expects index 0 of the arrays to be the most recent sample and weight values!
// @parameters:
// _a_src: array of sample values
// _a_weight: array of corresponding weight values.
// _n : number of samples
float _mean = na, float _variance = na, float _dev = na, float _mse = na
float _rmse = na, float _sqerror_sum = na, float _sum_weight = na
float[] _a_xw = array.new_float(_n)
int _nonzero_n = 0
if array.size(_a_src) >= _n
_sum_weight := 0
_sqerror_sum := 0
for _i = 0 to _n - 1
array.set(_a_xw, _i, array.get(_a_src, _i) * array.get(_a_weight, _i))
_sum_weight := _sum_weight + array.get(_a_weight, _i)
_nonzero_n := array.get(_a_weight, _i) != 0 ? _nonzero_n + 1 : _nonzero_n
_mean := array.sum(_a_xw) / _sum_weight
for _j = 0 to _n - 1
_sqerror_sum := _sqerror_sum + pow(_mean - array.get(_a_src, _j), 2) * array.get(_a_weight, _j)
_variance := _sqerror_sum / ((_nonzero_n - 1) * _sum_weight / _nonzero_n)
_dev := sqrt(_variance)
_mse := _sqerror_sum / _sum_weight
_rmse := sqrt(_mse)
[_mean, _variance, _dev, _mse, _rmse]
//}
// -----------------------------------------------------------------------------
// Example usage :
// -----------------------------------------------------------------------------
len = input(20)
// -----------------------------------------------------------------------------
// From series :
// -----------------------------------------------------------------------------
[m, v, d, mse, rmse] = f_weighted_sd_from_series(close, volume, len)
plot(m, color = color.blue)
plot(m + d * 2, color = color.blue)
plot(m - d * 2, color = color.blue)
// -----------------------------------------------------------------------------
// -----------------------------------------------------------------------------
// From arrays :
// -----------------------------------------------------------------------------
var float[] a_src = array.new_float()
var float[] a_weight = array.new_float()
if barstate.isfirst
for i = 1 to len
array.unshift(a_weight, i)
array.unshift(a_src, close)
if array.size(a_src) > len
array.pop(a_src)
[a_m, a_v, a_d, a_mse, a_rmse] = f_weighted_sd_from_arrays(a_src, a_weight, len)
plot(a_m, color = color.orange)
plot(a_m + a_d * 2, color = color.orange)
plot(a_m - a_d * 2, color = color.orange)
// -----------------------------------------------------------------------------
series_text = "Mean : " + tostring(m) + "\nVariance : " + tostring(v) + "\nSD : " + tostring(d) + "\nMSE : " + tostring(mse) + "\nRMSE : " + tostring(rmse)
array_text = "Mean : " + tostring(a_m) + "\nVariance : " + tostring(a_v) + "\nSD : " + tostring(a_d) + "\nMSE : " + tostring(a_mse) + "\nRMSE : " + tostring(a_rmse)
debug_text = "Volume weighted from time series : \n" + series_text + "\n\nLinearly weighted from arrays : \n" + array_text
//debug = label.new(x = bar_index, y = close, text = debug_text, style = label.style_label_left)
//.delete(debug[1])
//test strategy
if low <= (m - d * 2)
strategy.entry("LE", strategy.long)
if high >= (m + d * 2)
strategy.entry("SE", strategy.short)
// User Options to Change Inputs (%)
stopPer = input(3.11, title='Stop Loss %', type=input.float) / 100
takePer = input(7.50, title='Take Profit %', type=input.float) / 100
// Determine where you've entered and in what direction
longStop = strategy.position_avg_price * (1 - stopPer)
shortStop = strategy.position_avg_price * (1 + stopPer)
shortTake = strategy.position_avg_price * (1 - takePer)
longTake = strategy.position_avg_price * (1 + takePer)
if strategy.position_size > 0
strategy.exit(id="Close Long", stop=longStop, limit=longTake)
// strategy.close("LE", when = (longStop) or (longTake), qty_percent = 100)
if strategy.position_size < 0
strategy.exit(id="Close Short", stop=shortStop, limit=shortTake)
// strategy.close("SE", when = (shortStop) or (shortTake), qty_percent = 100)