1. Quadrado
  2. Estratégia de negociação do robô MACD

Estratégia de negociação do robô MACD

Autora:ChaoZhang, Data: 2023-12-18 17:30:15
Tags:

img

Resumo

Esta estratégia é chamada de Estratégia de Negociação do Robô MACD. Determina o momento da compra e venda no mercado calculando a relação entre a linha rápida e a linha lenta do indicador MACD, e adota stop loss para controlar os riscos.

Princípio da estratégia

Esta estratégia é desenvolvida principalmente com base no indicador MACD. O indicador MACD consiste em uma linha rápida e uma linha lenta. A linha rápida é uma média móvel de curto prazo e a linha lenta é uma média móvel de longo prazo. A relação entre os dois reflete o estado de compra e venda no mercado.

Nesta estratégia, a linha rápida e a linha lenta são calculadas usando o algoritmo EMA, respectivamente, e os períodos podem ser personalizados.

Ao determinar o momento da compra, verifique não apenas a cruz de ouro de linhas rápidas e lentas, mas também se o valor absoluto do MACD é maior do que a linha de compra personalizada.

Para determinar o momento da venda, a cruz de morte das linhas rápidas e lentas e a linha de sinal sendo positiva devem ser cumpridas ao mesmo tempo, em seguida, é emitido um sinal de venda para fechar a posição.

Análise das vantagens

A estratégia apresenta as seguintes vantagens:

  1. Utilização do indicador MACD para determinar sinais de negociação com elevada fiabilidade
  2. O aumento da linha de sinal melhora a qualidade do sinal
  3. O trailing stop loss controla eficazmente os riscos
  4. Linha de compra personalizável ajusta a sensibilidade da estratégia
  5. Todas as condições baseiam-se no cálculo de indicadores, não afectados por factores externos

Análise de riscos

A estratégia apresenta também alguns riscos:

  1. Indicador MACD está atrasado, pode perder oportunidades de negociação a curto prazo
  2. A configuração inadequada do ponto de stop loss pode causar perdas desnecessárias
  3. Ajuste de parâmetros requer muito tempo para testes e ajustes
  4. Impacto dos custos de transacção e deslizamento

Estes riscos podem ser reduzidos ajustando adequadamente os parâmetros, combinando outros indicadores, etc.

Orientações de otimização

A estratégia pode ser otimizada nas seguintes direcções:

  1. Combinar com outros indicadores para filtrar sinais, tais como KDJ, RSI, etc.
  2. Adicionar algoritmos de aprendizado de máquina para determinar pontos de entrada e saída
  3. Usar stop loss dinâmico em vez de stop loss estático
  4. Teste e otimize os parâmetros do MACD e a linha de compra
  5. Considerar o impacto dos custos de transacção para ajustar a estratégia

Conclusão

Em geral, esta é uma estratégia de tendência seguindo com alta confiabilidade. Ao julgar a tendência através do indicador MACD e controlar os riscos com stop loss, retorno de investimento estável pode ser obtido.

/*backtest
start: 2022-12-11 00:00:00
end: 2023-12-17 00:00:00
period: 1d
basePeriod: 1h
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/

//@version=3
strategy(shorttitle = "GBPUSD MACD", title = "GBPUSD MACD")
fastMA = input(title="Fast moving average",  defval = 12, minval = 7)
slowMA = input(title="Slow moving average",  defval = 26, minval = 7)
lastColor = yellow
[currMacd,_,_] = macd(close[0], fastMA, slowMA, 9)
[prevMacd,_,_] = macd(close[1], fastMA, slowMA, 9)
plotColor = currMacd > 0 ? currMacd > prevMacd ? lime : green : currMacd < prevMacd ? maroon : red
plot(currMacd, style = histogram, color = plotColor, linewidth = 3)
plot(0, title = "Zero line", linewidth = 1, color = gray)

//MACD
// Getting inputs
fast_length = input(title="Fast Length",  defval=12)
slow_length = input(title="Slow Length",  defval=26)
src = input(title="Source", defval=close)
signal_length = input(title="Signal Smoothing",  minval = 1, maxval = 50, defval =9)
sma_source = input(title="Simple MA(Oscillator)", type=bool, defval=false)
sma_signal = input(title="Simple MA(Signal Line)", type=bool, defval=false)

// Plot colors
col_grow_above = #26A69A
col_grow_below = #FFCDD2
col_fall_above = #B2DFDB
col_fall_below = #EF5350
col_macd = #0094ff
col_signal = #ff6a00

// Calculating
fast_ma = sma_source ? sma(src, fast_length) : ema(src, fast_length)
slow_ma = sma_source ? sma(src, slow_length) : ema(src, slow_length)
macd = fast_ma - slow_ma
signal = sma_signal ? sma(macd, signal_length) : ema(macd, signal_length)
hist = macd - signal

//plot(hist, title="Histogram", style=columns, color=(hist>=0 ? (hist[1] < hist ? col_grow_above : col_fall_above) : (hist[1] < hist ? col_grow_below : col_fall_below) ), transp=0 )
plot(macd, title="MACD", color=col_macd, transp=0)
plot(signal, title="Signal", color=col_signal, transp=0)
///END OF MACD

//Long and Close Long Lines
linebuy = input(title="Enter Long", type=float, defval=-0.00045)
linesell = input(title="Close Long", type=float, defval=0.0001)

//Plot Long and Close Long Lines
plot(linebuy,color=green),plot(linesell,color=red)


//Stop Loss Input
sl_inp = input(0.05, title='Stop Loss %', type=float)/100


//Order Conditions
longCond = crossover(currMacd, linebuy)
exitLong = crossover(currMacd, signal) and signal > 0
stop_level = strategy.position_avg_price * (1 - sl_inp)


//Order Entries
strategy.entry("long", strategy.long,  when=longCond==true)
strategy.close("long", when=exitLong==true)
strategy.exit("Stop Loss", stop=stop_level)
Mais.

2019 FMZ - Todos os direitos reservados