Estratégia Quantitativa do ALMA Cross MACD

Autora:ChaoZhang, Data: 2023-12-05 10:24:34
Tags:

Resumo

Esta estratégia baseia-se nos sinais de cruz de ouro e cruz morta das linhas médias móveis duplas ALMA, combinados com os sinais longos e curtos do indicador MACD, para alcançar posições longas e curtas automáticas.

Princípio da estratégia

A estratégia usa linhas rápidas e lentas construídas a partir do ALMA para construir a média móvel dupla. O comprimento da linha rápida é de 20 e a linha lenta é de 40, ambas adotando um deslocamento de 0,9 e um desvio padrão de 5.

Ao mesmo tempo, a estratégia incorpora o sinal do histograma do indicador MACD. Somente quando o histograma MACD é positivo (ascendente), o sinal longo é válido; somente quando o histograma MACD é negativo (caindo), o sinal curto é válido.

A estratégia também define as condições de take profit e stop loss. O take profit longo é 2 vezes e o stop loss é 0,2 vezes; o short take profit é 0,05 vezes e o stop loss é 1 vez.

Análise das vantagens

A estratégia combina o julgamento da tendência da média móvel dupla e o julgamento da energia do indicador MACD, que pode efetivamente filtrar falsos sinais e melhorar a precisão da entrada.

Os dados do backtest são adotados desde 2017, cobrindo vários ciclos de conversão de touros e ursos. A estratégia ainda tem um bom desempenho em todos os períodos. Isso prova que a estratégia se adapta às características de linearidade e não linearidade do mercado.

Análise de riscos

A estratégia apresenta os seguintes riscos:

A dupla média móvel em si tem um efeito retardador, possivelmente perdendo oportunidades de curto prazo
Quando o histograma MACD é zero, a estratégia não gerará sinais
Os rácios de take profit e stop loss são pré-definidos, podem desviar do mercado real

Soluções:

Encurtar adequadamente o ciclo da média móvel para melhorar a sensibilidade ao curto prazo
Otimizar os parâmetros MACD para tornar a flutuação do histograma mais frequente
Ajustar dinamicamente as configurações de take profit e stop loss

Orientações de otimização

A estratégia pode também ser otimizada nos seguintes aspectos:

Tente diferentes tipos de médias móveis para encontrar melhores efeitos de suavização
Otimizar os parâmetros das médias móveis e do MACD para se adequarem a diferentes produtos e ciclos
Adicionar condições adicionais, tais como alterações no volume de negociação aos sinais de filtro
Ajustar os rácios de lucro e stop loss em tempo real para uma melhor adaptabilidade

Conclusão

A estratégia combina com sucesso o julgamento da tendência das médias móveis e o julgamento auxiliar do MACD, e define lucros razoáveis e stop losses, que podem obter retornos estáveis em várias condições de mercado.

/*backtest
start: 2023-11-04 00:00:00
end: 2023-12-04 00:00:00
period: 1h
basePeriod: 15m
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/
// © exlux99

//@version=4
strategy(title = "Full Crypto Swing Strategy ALMA Cross", overlay = true,  pyramiding=1,initial_capital = 1, default_qty_type= strategy.percent_of_equity, default_qty_value = 100, calc_on_order_fills=false, slippage=0,commission_type=strategy.commission.percent,commission_value=0.03)

//time condition
fromDay = input(defval = 1, title = "From Day", minval = 1, maxval = 31)
fromMonth = input(defval = 1, title = "From Month", minval = 1, maxval = 12)
fromYear = input(defval = 2010, title = "From Year", minval = 1970)
 //monday and session 
// To Date Inputs
toDay = input(defval = 31, title = "To Day", minval = 1, maxval = 31)
toMonth = input(defval = 12, title = "To Month", minval = 1, maxval = 12)
toYear = input(defval = 2031, title = "To Year", minval = 1970)

startDate = timestamp(fromYear, fromMonth, fromDay, 00, 00)
finishDate = timestamp(toYear, toMonth, toDay, 00, 00)
time_cond = time >= startDate and time <= finishDate

UseHAcandles    = input(false, title="Use Heikin Ashi Candles in Algo Calculations")

haClose = UseHAcandles ? security(heikinashi(syminfo.tickerid), timeframe.period, close) : close
haOpen  = UseHAcandles ? security(heikinashi(syminfo.tickerid), timeframe.period, open) : open
haHigh  = UseHAcandles ? security(heikinashi(syminfo.tickerid), timeframe.period, high) : high
haLow   = UseHAcandles ? security(heikinashi(syminfo.tickerid), timeframe.period, low) : low

//alma fast and slow
src = haClose
windowsize = input(title="Length Size Fast", type=input.integer, defval=20)
windowsize2 = input(title="Length Size Slow", type=input.integer, defval=40)
offset = input(title="Offset", type=input.float, defval=0.9, step=0.05)
sigma = input(title="Sigma", type=input.float, defval=5)
outfast=alma(src, windowsize, offset, sigma)
outslow=alma(src, windowsize2, offset, sigma)

//macd
fast_length = input(title="Fast Length", type=input.integer, defval=6)
slow_length = input(title="Slow Length", type=input.integer, defval=25)
signal_length = input(title="Signal Smoothing", type=input.integer, minval = 1, maxval = 50, defval = 9)

// Calculating
fast_ma = ema(src, fast_length)
slow_ma =  ema(src, slow_length)
macd = fast_ma - slow_ma
signal = ema(macd, signal_length)
hist = macd - signal

long=crossover(outfast,outslow) and hist > hist[1] and time_cond
short=crossunder(outfast,outslow) and hist < hist[1] and time_cond

takeProfit_long=input(2.0, step=0.005)
stopLoss_long=input(0.2, step=0.005)
takeProfit_short=input(0.05, step=0.005)
stopLoss_short=input(1.0, step=0.005)

strategy.entry("long",1,when=long)
strategy.entry("short",0,when=short)

strategy.exit("short_tp/sl", "long", profit=close * takeProfit_long / syminfo.mintick, loss=close * stopLoss_long / syminfo.mintick, comment='LONG EXIT',  alert_message = 'closeshort')
strategy.exit("short_tp/sl", "short", profit=close * takeProfit_short / syminfo.mintick, loss=close * stopLoss_short / syminfo.mintick, comment='SHORT EXIT',  alert_message = 'closeshort')

Mais.