Estratégia de negociação de reversão ETH baseada no crossover SMA de Londres


Data de criação: 2024-01-18 16:08:26 última modificação: 2024-01-18 16:08:26
cópia: 0 Cliques: 642
1
focar em
1617
Seguidores

Estratégia de negociação de reversão ETH baseada no crossover SMA de Londres

Visão geral

Esta estratégia é conhecida como a estratégia de reversão de negociação de ETH em SMA em Londres. A principal idéia da estratégia é aproveitar a alta liquidez do horário de negociação em Londres, combinando o sinal de forquilha de ouro da linha de equilíbrio da SMA, para fazer uma reversão de negociação do par de moedas digitais ETH/USDT.

Princípio da estratégia

A lógica central da estratégia é primeiro determinar o tempo de negociação do período de tempo de Londres, e depois calcular a média SMA de um determinado período, e depois determinar se o preço ocorreu com o SMA em um período de tempo de Londres. Concretamente, a estratégia primeiro define o início e o fim do período de Londres, e depois define o parâmetro de comprimento da média SMA em 50 períodos. Com base nisso, a estratégia usa a função ta.sma ().

A principal vantagem dessa estratégia é que ela aproveita a alta volatilidade do horário de Londres para negociar e obter melhores oportunidades de entrada. Além disso, o sinal de forquilha de ouro da linha média SMA é um sinal de indicador técnico clássico e eficaz. Portanto, essa combinação pode filtrar os falsos sinais em certa medida, aumentando a estabilidade da estratégia e a taxa de lucro.

Vantagens estratégicas

  1. A alta mobilidade do horário de Londres permite melhores oportunidades de entrada
  2. O SMA é um sinal de indicador técnico clássico e eficaz.
  3. Combinação pode melhorar a qualidade do sinal, filtrar falsos sinais
  4. O método de negociação inversa é adequado para operações de curto prazo.
  5. Alta taxa de utilização dos fundos, que permite aumentar os rendimentos através da alavancagem

Riscos estratégicos e soluções

A estratégia também apresenta alguns riscos, incluindo:

  1. Os sinais de forcas mortas no mercado de tendências podem ser frequentemente atingidos.
  2. A configuração do ciclo SMA é incorreta e pode gerar muitos falsos sinais
  3. A negociação inversa é vulnerável a situações de turbulência

Os riscos podem ser controlados e resolvidos através dos seguintes métodos:

  1. Combinação de indicadores de tendência para evitar o uso em turbulências de tendência
  2. Optimizar os parâmetros SMA para encontrar o melhor ciclo de negociação
  3. Estabelecer um limite de perda para controlar a perda individual

Direção de otimização da estratégia

A estratégia também pode ser melhorada em:

  1. Pode-se introduzir outros indicadores em combinação, como RSI, KD, etc., formando uma regra de filtragem de vários indicadores, melhorando a qualidade do sinal
  2. Parâmetros de ciclo que permitem otimizar a linha média SMA para encontrar o melhor ciclo de negociação
  3. Pode ser baseado em uma linha média SMA, e depois introduzir uma linha média de um período de tempo mais longo, formando uma combinação de cruzamentos de linha média múltipla
  4. Optimizar os períodos de negociação para testar quais são os melhores períodos de negociação
  5. Algoritmos de aprendizagem de máquina podem ser introduzidos para treinar e filtrar os sinais

Resumir

Em geral, esta estratégia, através de uma combinação de indicadores técnicos clássicos de negociação em períodos de alta liquidez e de cruzamentos uniformes, permite uma estratégia de negociação inversa de linha curta mais simples e prática. A estratégia possui vantagens como alta utilização de capital, indicadores técnicos simples e fáceis de implementar. Mas também existe um certo risco, que requer teste e otimização de parâmetros, stop loss e períodos de negociação, etc., para obter uma melhor lucratividade estável.

Código-fonte da estratégia
/*backtest
start: 2023-01-11 00:00:00
end: 2024-01-17 00:00:00
period: 1d
basePeriod: 1h
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/

//@version=5
strategy("London SMA Strategy ", overlay=true)

// Define London session times
london_session_start_hour = 6
london_session_start_minute = 59
london_session_end_hour = 15
london_session_end_minute = 59

// Define SMA input parameters
sma_length = input.int(50, title="SMA Length")
sma_source = input.source(close, title="SMA Source")

// Calculate SMA
sma = ta.sma(sma_source, sma_length)

// Convert input values to timestamps
london_session_start_timestamp = timestamp(year, month, dayofmonth, london_session_start_hour, london_session_start_minute)
london_session_end_timestamp = timestamp(year, month, dayofmonth, london_session_end_hour, london_session_end_minute)

// Define backtesting time range
start_date = timestamp(2021, 1, 1, 0, 0)
end_date = timenow

// Filter for London session and backtesting time range
in_london_session = time >= london_session_start_timestamp and time <= london_session_end_timestamp
in_backtesting_range = time >= start_date and time <= end_date

// Long condition: Close price crosses above SMA during London session
long_condition = ta.crossover(close, sma)

// Short condition: Close price crosses below SMA during London session
short_condition = ta.crossunder(close, sma)

// Plot SMA for reference
plot(sma, title="SMA", color=color.blue)

// Strategy entries and exits
if (long_condition)
    strategy.entry("Long", strategy.long)
if (short_condition)
    strategy.entry("Short", strategy.short)