Estratégia de negociação algorítmica de modelo de quebra e engolfamento de momentum
ChaoZhang
Visão geral
Este artigo apresenta uma estratégia de negociação algorítmica que identifica oportunidades de lucro e os preços cruzados com a média móvel como sinais de entrada. A estratégia combina análise técnica de preços e métodos de acompanhamento de tendências para analisar e obter lucros em pontos de reversão de tendências.
Princípios
A lógica central da estratégia é baseada na fusão de dois indicadores não relacionados:
Forma de engolimento: um modelo de reversão de duas linhas K, em que a entidade da segunda linha K engolhe completamente a entidade da primeira linha K, para identificar oportunidades de reversão.
Preço cruzado com a média móvel: um sinal de compra é gerado quando o preço atravessa a média móvel cruzada para cima a partir da média móvel abaixo; um sinal de venda é gerado quando o preço atravessa a média móvel cruzada para baixo a partir da média móvel acima.
A probabilidade de lucro pode ser aumentada através da determinação do momento em que o mercado pode reverter, combinando o cruzamento do preço com a média móvel como um sinal de filtro para determinar a reversão.
Concretamente, a estratégia determina a probabilidade de correlação e reversão através do rastreamento de três formas de absorção: absorção múltipla, absorção de cabeça vazia e absorção sem fio. Em combinação com o preço e o filtro de sinais de forcas de ouro e forcas mortas da média móvel, a decisão final de abrir a posição é tomada.
Vantagens
A principal vantagem desta estratégia é a utilização de uma combinação de indicadores não relevantes para melhorar a eficácia da tomada de decisão. A absorção de padrões determina o tempo e a probabilidade de uma reversão do mercado; e o preço e a média móvel cruzam para verificar a direção e a intensidade da reversão.
Outra vantagem é a flexibilidade de configuração dos parâmetros. O usuário pode definir os próprios parâmetros, como o período de média móvel, a amplitude de parada de perda, para otimizar a estratégia.
Riscos
Apesar do uso de vários indicadores para melhorar a eficácia do julgamento, a estratégia ainda apresenta um certo risco de falso sinal. A forma de engolir não é um sinal de reversão 100% confiável, e o cruzamento do preço com a média móvel também pode ser ineficaz.
Além disso, como a maioria das estratégias de análise técnica, a estratégia também é menos eficaz no mercado em situações de conflito, como oscilações de preços. A oscilação contínua pode desencadear um stop loss ou reduzir a margem de lucro.
Para controlar o risco, pode-se ajustar adequadamente os parâmetros da média móvel, otimizando o stop loss. Também pode ser considerado o grau de participação da estratégia de ajuste dinâmico em combinação com outros indicadores de identificação de tendências e situações de choque.
Direção de otimização
A estratégia pode ser otimizada em vários aspectos:
Teste mais tipos de médias móveis para encontrar a melhor combinação de parâmetros. Por exemplo, médias móveis ponderadas, medias móveis de suavização sequencial, etc.
Aumentar os indicadores de tendência e evitar posições de mercado de choque. Por exemplo, ADX, Brin e outros.
Optimizar a forma de parar os prejuízos para melhorar o efeito de parar os prejuízos. Estratégias de parar os prejuízos, como o rastreamento de parar os prejuízos e a saída de Chandelier, podem ser consideradas.
Aumentar os métodos de aprendizagem de máquina para julgar a forma de linha K e melhorar a precisão de reconhecimento de engolir.
Adição de função de otimização automática de parâmetros para auto-adaptação de parâmetros.
Resumir
Esta estratégia é uma estratégia de análise técnica para melhorar a eficácia da decisão através da fusão de indicadores. A vantagem é que os indicadores são complementares, os parâmetros são flexíveis; A desvantagem é que ainda há risco de falso sinal, fraco para a situação de choque.
/*backtest
start: 2023-12-30 00:00:00
end: 2024-01-29 00:00:00
period: 3h
basePeriod: 15m
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/
//@version=4
//@author=Daveatt
StrategyName = "BEST Engulfing + MA"
ShortStrategyName = "BEST Engulfing + MA"
strategy(title=StrategyName, shorttitle=ShortStrategyName, overlay=true)
includeEngulfing = true
includeMA = true
source_ma = input(title="Source Price vs MA", type=input.source, defval=close)
typeofMA = input(title="Type of MA", defval="SMA", options=["RMA", "SMA", "EMA", "WMA", "VWMA", "SMMA", "KMA", "TMA", "HullMA", "DEMA", "TEMA"])
length_ma = input(32, title = "MA Length", type=input.integer)
// ---------- Candle components and states
GreenCandle = close > open
RedCandle = close < open
NoBody = close==open
Body = abs(close-open)
// bullish conditions
isBullishEngulfing1 = max(close[1],open[1]) < max(close,open) and min(close[1],open[1]) > min(close,open) and Body > Body[1] and GreenCandle and RedCandle[1]
isBullishEngulfing2 = max(close[1],open[1]) < max(close,open) and min(close[1],open[1]) <= min(close,open) and Body > Body[1] and GreenCandle and RedCandle[1]
// bearish conditions
isBearishEngulfing1 = max(close[1],open[1]) < max(close,open) and min(close[1],open[1]) > min(close,open) and Body > Body[1] and RedCandle and GreenCandle[1]
isBearishEngulfing2 = max(close[1],open[1]) >= max(close,open) and min(close[1],open[1]) > min(close,open) and Body > Body[1] and RedCandle and GreenCandle[1]
// consolidation of conditions
isBullishEngulfing = isBullishEngulfing1 or isBullishEngulfing2
isBearishEngulfing = isBearishEngulfing1 or isBearishEngulfing2
//isBullishEngulfing = max(close[1],open[1]) < max(close,open) and min(close[1],open[1]) > min(close,open) and Body > Body[1] and GreenCandle and RedCandle[1]
//isBearishEngulfing = max(close[1],open[1]) < max(close,open) and min(close[1],open[1]) > min(close,open) and Body > Body[1] and RedCandle and GreenCandle[1]
Engulf_curr = 0 - barssince(isBearishEngulfing) + barssince(isBullishEngulfing)
Engulf_Buy = Engulf_curr < 0 ? 1 : 0
Engulf_Sell = Engulf_curr > 0 ? 1 : 0
// Price vs MM
smma(src, len) =>
smma = 0.0
smma := na(smma[1]) ? sma(src, len) : (smma[1] * (len - 1) + src) / len
smma
ma(smoothing, src, length) =>
if smoothing == "RMA"
rma(src, length)
else
if smoothing == "SMA"
sma(src, length)
else
if smoothing == "EMA"
ema(src, length)
else
if smoothing == "WMA"
wma(src, length)
else
if smoothing == "VWMA"
vwma(src, length)
else
if smoothing == "SMMA"
smma(src, length)
else
if smoothing == "HullMA"
wma(2 * wma(src, length / 2) - wma(src, length), round(sqrt(length)))
else
if smoothing == "LSMA"
src
else
if smoothing == "KMA"
xPrice = src
xvnoise = abs(xPrice - xPrice[1])
nfastend = 0.666
nslowend = 0.0645
nsignal = abs(xPrice - xPrice[length])
nnoise = sum(xvnoise, length)
nefratio = iff(nnoise != 0, nsignal / nnoise, 0)
nsmooth = pow(nefratio * (nfastend - nslowend) + nslowend, 2)
nAMA = 0.0
nAMA := nz(nAMA[1]) + nsmooth * (xPrice - nz(nAMA[1]))
nAMA
else
if smoothing == "TMA"
sma(sma(close, length), length)
else
if smoothing == "DEMA"
2 * src - ema(src, length)
else
if smoothing == "TEMA"
3 * (src - ema(src, length)) + ema(ema(src, length), length)
else
src
MA = ma(typeofMA, source_ma, length_ma)
plot(MA, color=#006400FF, title="MA breakout", linewidth=3)
macrossover = crossover (source_ma, MA)
macrossunder = crossunder(source_ma, MA)
since_ma_buy = barssince(macrossover)
since_ma_sell = barssince(macrossunder)
macross_curr = 0 - since_ma_sell + since_ma_buy
bullish_MA_cond = macross_curr < 0 ? 1 : 0
bearish_MA_cond = macross_curr > 0 ? 1 : 0
posUp = (Engulf_Buy ? 1 : 0) + (bullish_MA_cond ? 1 : 0)
posDn = (Engulf_Sell ? 1 : 0) + (bearish_MA_cond ? 1 : 0)
conditionUP = posUp == 2 and posUp[1] < 2
conditionDN = posDn == 2 and posDn[1] < 2
sinceUP = barssince(conditionUP)
sinceDN = barssince(conditionDN)
// primary-first signal of the trend
nUP = crossunder(sinceUP,sinceDN)
nDN = crossover(sinceUP,sinceDN)
// and the following secondary signals
// save of the primary signal
sinceNUP = barssince(nUP)
sinceNDN = barssince(nDN)
buy_trend = sinceNDN > sinceNUP
sell_trend = sinceNDN < sinceNUP
// engulfing by
barcolor(nUP ? color.orange : na, title="Bullish condition")
barcolor(nDN ? color.yellow : na, title="Bearish condition")
isLong = nUP
isShort = nDN
long_entry_price = valuewhen(nUP, close, 0)
short_entry_price = valuewhen(nDN, close, 0)
longClose = close[1] < MA
shortClose = close[1] > MA
///////////////////////////////////////////////
//* Backtesting Period Selector | Component *//
///////////////////////////////////////////////
StartYear = input(2017, "Backtest Start Year",minval=1980)
StartMonth = input(1, "Backtest Start Month",minval=1,maxval=12)
StartDay = input(1, "Backtest Start Day",minval=1,maxval=31)
testPeriodStart = timestamp(StartYear,StartMonth,StartDay,0,0)
StopYear = input(2020, "Backtest Stop Year",minval=1980)
StopMonth = input(12, "Backtest Stop Month",minval=1,maxval=12)
StopDay = input(31, "Backtest Stop Day",minval=1,maxval=31)
testPeriodStop = timestamp(StopYear,StopMonth,StopDay,0,0)
testPeriod() => true
//////////////////////////
//* Profit Component *//
//////////////////////////
input_tp_pips = input(600, "Backtest Profit Goal (in USD)",minval=0)
input_sl_pips = input(300, "Backtest STOP Goal (in USD)",minval=0)
tp = buy_trend? long_entry_price + input_tp_pips : short_entry_price - input_tp_pips
sl = buy_trend? long_entry_price - input_sl_pips : short_entry_price + input_sl_pips
long_TP_exit = buy_trend and high >= tp
short_TP_exit = sell_trend and low <= tp
plot(tp, title="TP", style=plot.style_circles, linewidth=3, color=color.blue)
plot(sl, title="SL", style=plot.style_circles, linewidth=3, color=color.red)
if testPeriod()
strategy.entry("Long", 1, when=isLong)
strategy.close("Long", when=longClose )
strategy.exit("XL","Long", limit=tp, when=buy_trend, stop=sl)
if testPeriod()
strategy.entry("Short", 0, when=isShort)
strategy.close("Short", when=shortClose )
strategy.exit("XS","Short", when=sell_trend, limit=tp, stop=sl)