Estratégia de previsão de tendências adaptáveis multiperíodo
ChaoZhang
Visão geral
A estratégia usa um indicador de avaliação de risco de movimentação e desvio de linha adaptado a múltiplos períodos, combinando pontos de classificação em operações de mercado para fazer previsões de tendências com a saída de sinais de negociação. A estratégia é chamada de estratégia de previsão de tendências adaptada a múltiplos períodos.
Princípio da estratégia
A lógica central da estratégia é dividida em duas linhas principais. A primeira é a construção de um sistema de julgamento de filtragem de múltiplos períodos usando uma média móvel adaptativa nAMA com diferentes parâmetros, a segunda é a construção de um sistema de avaliação de risco de desconto com diferentes parâmetros. Finalmente, as duas linhas principais são combinadas, gerando um sinal de compra quando o período curto supera o período longo.
Especificamente, na primeira linha principal, a média móvel adaptada de 10 períodos e 4,24 parâmetros. Na segunda linha principal, a linha de avaliação de risco de desvio de 7 períodos e 4,300 parâmetros. Finalmente, a linha de 10 períodos na primeira linha principal é comparada com a linha de 31 períodos na segunda linha principal, formando uma combinação.
Além disso, a estratégia inclui um módulo de confirmação de quantidade. Os sinais de negociação são válidos apenas se o volume de transações for maior do que o volume de transações médio de 6 ciclos. Isso pode filtrar os sinais falsos até certo ponto. Finalmente, a estratégia traça pontos de classificação de diferentes níveis de ciclo como sinais de referência.
Análise de vantagens estratégicas
A maior vantagem da estratégia reside no uso de uma estrutura de adaptação de múltiplos ciclos, que pode ser adaptada de acordo com os parâmetros de adaptação do mercado, o ciclo de ajuste dinâmico. Tanto no capítulo de tendência quanto na área de turbulência, pode-se encontrar a combinação de períodos de parâmetros apropriados, aumentando a capacidade de captura de tendências da estratégia.
Além disso, a estratégia utiliza um sistema de avaliação de risco de linha de corte para um filtro de união de múltiplos ciclos, o que permite controlar eficazmente o risco de negociação e evitar a criação de posições em fases de alto risco. Ao mesmo tempo, a estratégia também define condições de filtragem de preço de quantidade, evitando a produção de sinais errados quando a quantidade de energia é insuficiente.
Análise de risco estratégico
O maior risco desta estratégia é a necessidade de julgamento simultâneo de várias linhas de ciclo, portanto, a capacidade de captura de mercados de reversão de curto prazo é fraca. Quando as linhas de curto e longo período mudam simultaneamente, é fácil gerar sinais imprecisos. Pode ser otimizado pela redução do ciclo de parâmetros.
Além disso, os ciclos principais de avaliação de risco de média móvel e de desvio de linha de auto-adaptação são curtos em relação ao mercado, e há um certo atraso em níveis mais longos de condução. Pode-se prolongar adequadamente os ciclos principais para reduzir o atraso.
Direção de otimização da estratégia
Reduzir os parâmetros do ciclo principal para os movimentos das médias e das linhas de avaliação de risco da linha de desvio para 5 e 20 ciclos, melhorando a captura de reversões de mercado de curto prazo.
Aumentar os parâmetros de ciclo de força principal para 20 e 50 ciclos, reduzindo a latência em níveis mais altos de mercado.
Optimizar os parâmetros do canal de negociação para um canal ATR de 0,5 vezes, reduzindo a possibilidade de negociação de ruído.
Aumentar os indicadores de verificação de resultados, como MACD, para aumentar a confiabilidade do sinal.
Resumir
A estratégia integra a aplicação de vários indicadores tecnológicos, como a média móvel adaptável, a avaliação de risco de desconto e a análise de preços, para construir um sistema de decisão de negociação adaptável a vários ciclos. Através do ajuste optimizado dos parâmetros, pode ser aplicado a diferentes tipos de mercado, identificar automaticamente tendências e regiões. A lógica da estratégia é clara, o valor pode ser explorado e é um método de quantificação recomendável.
/*backtest
start: 2023-01-25 00:00:00
end: 2024-01-31 00:00:00
period: 1d
basePeriod: 1h
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/
//@version=2
strategy("Best Rabbit Strategy", shorttitle="Rabbit God",overlay=true)
Length = input(10, minval=1)
xPrice = close
xvnoise = abs(xPrice - xPrice[1])
Fastend = input(2)
Slowend = input(30)
nfastend = 2/(Fastend + 1)
nslowend = 2/(Slowend + 1)
nsignal = abs(xPrice - xPrice[Length])
nnoise = sum(xvnoise, Length)
nefratio = iff(nnoise != 0, nsignal / nnoise, 0)
nsmooth = pow(nefratio * (nfastend - nslowend) + nslowend, 2)
nAMA = nz(nAMA[1]) + nsmooth * (xPrice - nz(nAMA[1]))
Length2 = input(10, minval=1)
xPrice2 = close
xvnoise2 = abs(xPrice2 - xPrice2[1])
Fastend2 = input(4)
Slowend2 = input(24)
nfastend2 = 2/(Fastend2 + 1)
nslowend2 = 2/(Slowend2 + 1)
nsignal2 = abs(xPrice2 - xPrice2[Length2])
nnoise2 = sum(xvnoise, Length2)
nefratio2 = iff(nnoise2 != 0, nsignal2 / nnoise2, 0)
nsmooth2 = pow(nefratio2 * (nfastend2 - nslowend2) + nslowend2, 2)
nAMA2 = nz(nAMA2[1]) + nsmooth2 * (xPrice2 - nz(nAMA2[1]))
price = input(hl2)
len = input(defval=7,minval=1)
FC = input(defval=4,minval=1)
SC = input(defval=300,minval=1)
len1 = len/2
w = log(2/(SC+1))
H1 = highest(high,len1)
L1 = lowest(low,len1)
N1 = (H1-L1)/len1
H2 = highest(high,len)[len1]
L2 = lowest(low,len)[len1]
N2 = (H2-L2)/len1
H3 = highest(high,len)
L3 = lowest(low,len)
N3 = (H3-L3)/len
dimen1 = (log(N1+N2)-log(N3))/log(2)
dimen = iff(N1>0 and N2>0 and N3>0,dimen1,nz(dimen1[1]))
alpha1 = exp(w*(dimen-1))
oldalpha = alpha1>1?1:(alpha1<0.01?0.01:alpha1)
oldN = (2-oldalpha)/oldalpha
N = (((SC-FC)*(oldN-1))/(SC-1))+FC
alpha_ = 2/(N+1)
alpha = alpha_<2/(SC+1)?2/(SC+1):(alpha_>1?1:alpha_)
out = (1-alpha)*nz(out[1]) + alpha*price
price2 = input(hl2)
len2 = input(defval=31,minval=1)
FC2 = input(defval=40,minval=1)
SC2 = input(defval=300,minval=1)
len12 = len2/2
w2 = log(2/(SC2+1))
H12 = highest(high,len12)
L12 = lowest(low,len12)
N12 = (H1-L1)/len12
H22 = highest(high,len2)[len12]
L22 = lowest(low,len2)[len12]
N22 = (H22-L22)/len12
H32 = highest(high,len2)
L32 = lowest(low,len2)
N32 = (H32-L32)/len2
dimen12 = (log(N12+N22)-log(N32))/log(2)
dimen2 = iff(N12>0 and N22>0 and N32>0,dimen12,nz(dimen12[1]))
alpha12 = exp(w*(dimen2-1))
oldalpha2 = alpha12>1?1:(alpha12<0.01?0.01:alpha12)
oldN2 = (2-oldalpha2)/oldalpha2
N4 = (((SC2-FC2)*(oldN2-1))/(SC2-1))+FC2
alpha_2 = 2/(N4+1)
alpha2 = alpha_2<2/(SC2+1)?2/(SC2+1):(alpha_2>1?1:alpha_2)
out2 = (1-alpha2)*nz(out2[1]) + alpha2*price2
tf = input(title="Resolution", defval = "current")
vamp = input(title="VolumeMA", defval=6)
vam = sma(volume, vamp)
up = high[3]>high[4] and high[4]>high[5] and high[2]<high[3] and high[1]<high[2] and volume[3]>vam[3]
down = low[3]<low[4] and low[4]<low[5] and low[2]>low[3] and low[1]>low[2] and volume[3]>vam[3]
fractalup = up ? high[3] : fractalup[1]
fractaldown = down ? low[3] : fractaldown[1]
fuptf = request.security(syminfo.tickerid,tf == "current" ? timeframe.period : tf, fractalup)
fdowntf = request.security(syminfo.tickerid,tf == "current" ? timeframe.period : tf, fractaldown)
plot(fuptf, "FractalUp", color=lime, linewidth=1, style=cross, transp=0, offset =-3, join=false)
plot(fdowntf, "FractalDown", color=red, linewidth=1, style=cross, transp=0, offset=-3, join=false)
buyEntry= nAMA[0]>nAMA2[0] and out[0]>out2[0]
sellEntry= nAMA[0]<nAMA2[0] and out[0]<out2[0]
if (buyEntry)
strategy.entry("Buy", strategy.long, comment="Long Position Entry")
if (sellEntry)
strategy.entry("Sell", strategy.short, comment="Short Position Entry")