Estratégia de inversão da tendência do padrão dinâmico

Autora:ChaoZhang, Data: 2023-12-13 16:52:34
Tags:

Resumo

A estratégia de inversão de tendência de padrão dinâmico usa regressão linear para prever preços e linhas médias móveis para formar padrões para gerar sinais de negociação.

Estratégia lógica

Calcular a regressão linear do preço das ações com base no volume de negociação para obter o preço previsto
Calcular médias móveis em diferentes condições
Gerar sinal de compra quando o preço previsto cruza a média móvel para cima
Gerar sinal de venda quando o preço previsto cruza a média móvel descendente
Incorporar o indicador MACD para determinar o momento da inversão da tendência

A combinação dos sinais acima com confirmações múltiplas evita falhas e melhora a precisão.

Análise das vantagens

Utilize regressão linear para prever a tendência de preços, melhorando a precisão do sinal
Capturar inversões de tendência através de padrões de médias móveis
A regressão baseada no volume de negociação tem melhor significado económico
Confirmações múltiplas pelo MACD etc. reduzem os falsos sinais

Análise de riscos

Os parâmetros da regressão linear têm um impacto significativo nos resultados
As configurações da média móvel também afetam a qualidade do sinal
Apesar de ter confirmações, sinais falsos continuam a ser um risco
O código pode ser otimizado para reduzir a frequência de negociação e melhorar a taxa de lucro

Orientações de otimização

Otimizar parâmetros de regressão linear e médias móveis
Adicionar mais condições de confirmação para reduzir as taxas de sinal falso
Incorporar mais fatores para avaliar a qualidade das inversões de tendência
Melhorar as estratégias de stop loss para reduzir os riscos para as operações individuais

Conclusão

A estratégia de inversão de tendência de padrão dinâmico integra previsão de regressão linear e padrões de média móvel para capturar inversões de tendência.

/*backtest
start: 2023-12-05 00:00:00
end: 2023-12-12 00:00:00
period: 1m
basePeriod: 1m
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/
// © stocktechbot
//@version=5
strategy("Linear Cross", overlay=true, margin_long=100, margin_short=0)

//Linear Regression

vol = volume

// Function to calculate linear regression
linregs(y, x, len) =>
    ybar = math.sum(y, len)/len
    xbar = math.sum(x, len)/len
    b = math.sum((x - xbar)*(y - ybar),len)/math.sum((x - xbar)*(x - xbar),len)
    a = ybar - b*xbar
    [a, b]

// Historical stock price data
price = close

// Length of linear regression
len = input(defval = 21, title = 'Strategy Length')
linearlen=input(defval = 9, title = 'Linear Lookback')
[a, b] = linregs(price, vol, len)

// Calculate linear regression for stock price based on volume
//eps = request.earnings(syminfo.ticker, earnings.actual)
//MA For double confirmation

out = ta.sma(close, 200)
outf = ta.sma(close, 50)
outn = ta.sma(close, 90)
outt = ta.sma(close, 21)
outthree = ta.sma(close, 9)

// Predicted stock price based on volume
predicted_price = a + b*vol

// Check if predicted price is between open and close
is_between = open < predicted_price and predicted_price < close

//MACD
//[macdLine, signalLine, histLine] = ta.macd(close, 12, 26, 9)

// Plot predicted stock price
plot(predicted_price, color=color.rgb(65, 59, 150), linewidth=2, title="Predicted Price")
plot(ta.sma(predicted_price,linearlen), color=color.rgb(199, 43, 64), linewidth=2, title="MA Predicted Price")
//offset = input.int(title="Offset", defval=0, minval=-500, maxval=500)
plot(out, color=color.blue, title="MA200")
[macdLine, signalLine, histLine] = ta.macd(predicted_price, 12, 26, 9)

//BUY Signal

longCondition=false
mafentry =ta.sma(close, 50) > ta.sma(close, 90)
//matentry = ta.sma(close, 21) > ta.sma(close, 50)
matwohun = close > ta.sma(close, 200)
twohunraise = ta.rising(out, 2)
twentyrise = ta.rising(outt, 2)
macdrise = ta.rising(macdLine,2)
macdlong = ta.crossover(predicted_price, ta.wma(predicted_price,linearlen))  and (signalLine < macdLine)
if macdlong and macdrise
    longCondition := true

if (longCondition)
    strategy.entry("My Long Entry Id", strategy.long)
//Sell Signal
lastEntryPrice = strategy.opentrades.entry_price(strategy.opentrades - 1)
daysSinceEntry = len
daysSinceEntry := int((time - strategy.opentrades.entry_time(strategy.opentrades - 1)) / (24 * 60 * 60 * 1000))
percentageChange = (close - lastEntryPrice) / lastEntryPrice * 100
//trailChange = (ta.highest(close,daysSinceEntry) - close) / close * 100

//label.new(bar_index, high, color=color.black, textcolor=color.white,text=str.tostring(int(trailChange)))
shortCondition=false
mafexit =ta.sma(close, 50) < ta.sma(close, 90)
matexit = ta.sma(close, 21) < ta.sma(close, 50)
matwohund = close < ta.sma(close, 200)
twohunfall = ta.falling(out, 3)
twentyfall = ta.falling(outt, 2)
shortmafall = ta.falling(outthree, 1)
macdfall = ta.falling(macdLine,1)
macdsell = macdLine < signalLine
if macdfall and macdsell and (macdLine < signalLine) and ta.falling(low,2)
    shortCondition := true

if (shortCondition)
    strategy.entry("My Short Entry Id", strategy.short)

Mais.