Watkins Snake Kiss Storm Estratégia Quantitativa


Data de criação: 2024-02-18 15:36:22 última modificação: 2024-02-18 15:36:22
cópia: 0 Cliques: 527
1
focar em
1617
Seguidores

Watkins Snake Kiss Storm Estratégia Quantitativa

Visão geral

A estratégia de quantificação de Walkins Snake Kiss the Wind Cloud combina o indicador de um gráfico de nuvens e o indicador aleatório RSI, aumentando a ponderação do julgamento do sinal do indicador de ambos, para construir um sinal de estratégia de negociação quantitativa, para realizar negociações automatizadas em variedades de valores mobiliários. A estratégia considera o sinal de um gráfico de nuvens de diferentes intensidades e o sinal do indicador de Stoch RSI, tornando as decisões de negociação mais suaves e estáveis, definindo o peso.

Princípio da estratégia

A estratégia usa indicadores como a linha de conversão, a linha de referência, a linha 1 e a linha 2 de um gráfico de nuvem em combinação com a linha K e a linha D do StochRSI. A parte do gráfico de nuvem, se a linha de conversão for superior à linha de referência e a linha 1 for superior à linha 2 de uma forte, faz um sinal de preponderância, se a linha de conversão for inferior à linha de referência, a linha 1 será inferior à linha 2 de uma forte e a linha 2 será um sinal de vazio. Além disso, a linha de conversão acima ou abaixo da linha de referência também produz um sinal de fraqueza que pode ser superior ou inferior.

Análise de vantagens

A estratégia combina o uso de um gráfico de nuvem e dois indicadores de StochRSI, que podem determinar simultaneamente a direção da tendência e a situação de sobrevenda e sobrevenda, o sinal é mais abrangente e confiável. Em comparação com o uso de um indicador isolado, pode reduzir a produção de sinais errados. O indicador de um gráfico de nuvem é mais preciso para o julgamento de tendências de linha média e longa, o indicador de StochRSI pode medir o fenômeno de sobrevenda e sobrevenda de curto prazo.

Análise de Riscos

O maior risco desta estratégia é que tanto o gráfico de nuvem quanto o indicador StochRSI podem gerar sinais errados, especialmente em situações de turbulência, o que aumenta o número de transações desnecessárias. Além disso, a configuração dos valores de pesos e parâmetros também pode ter um grande impacto na eficácia da estratégia.

Direção de otimização

A estratégia também tem um grande espaço de otimização. Primeiro, pode-se considerar a adição de mais indicadores, como linhas de Brin, indicadores de KD, etc., para tornar o julgamento de sinais mais abrangente. Segundo, pode-se usar métodos como aprendizado de máquina ou algoritmos genéticos para otimizar automaticamente os parâmetros, em vez de usar parâmetros fixos, para tornar a estratégia mais inteligente e adaptável. Terceiro, pode-se estudar como melhorar o algoritmo de indicadores para reduzir a produção de sinais errados.

Resumir

A estratégia de quantificação de Watkins Snake Kiss Wind Cloud combinada com o uso de um gráfico de nuvem e dois indicadores de StochRSI, forma um sinal de negociação por meio de um design de ponderação e parâmetros, capaz de capturar automaticamente a mudança de tendência do mercado, com boa adaptabilidade a diferentes variedades e períodos, é um conjunto de estratégias de quantificação que vale a pena estudar e aplicar. A estratégia também tem potencial para expansão e otimização, como a introdução de mais indicadores e meios técnicos, entre outros, com o objetivo de obter melhores resultados de negociação.

Código-fonte da estratégia
/*backtest
start: 2024-01-01 00:00:00
end: 2024-01-31 23:59:59
period: 1h
basePeriod: 15m
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/

//@version=3
strategy("Baracuda Ichimoku/StochRSI Strategy", overlay=true)

DecisionWeight = input(50, minval = 0, title="BUY/SELL decision weight")

ichimokuStrong = input(35, minval = 0, title="Ichimoku strong weight")
ichimokuStandard = input(20, minval = 0, title="Ichimoku standard weight")
ichimokuWeak = input(20, minval = 0, title="Ichimoku weak weight")
stochRSIWweak = input(30, minval = 0, title="Stoch RSI weight")

conversionPeriods = input(9, minval=1, title="Conversion Line Periods")
basePeriods = input(26, minval=1, title="Base Line Periods")
laggingSpan2Periods = input(52, minval=1, title="Lagging Span 2 Periods")
displacement = input(5, minval=1, title="Displacement")

donchian(len) => avg(lowest(len), highest(len))

conversionLine = donchian(conversionPeriods)
baseLine = donchian(basePeriods)
leadLine1 = avg(conversionLine, baseLine)
leadLine2 = donchian(laggingSpan2Periods)

lengthRSI = input(8, minval=8) //14
lengthStoch = input(5, minval=5)//14
smoothK = input(3,minval=3) 
smoothD = input(3,minval=3)
OverSold = input(20)
OverBought = input(80)
rsi1 = rsi(close, lengthRSI)
k = sma(stoch(rsi1, rsi1, rsi1, lengthStoch), smoothK)
d = sma(k, smoothD)


stronglong = conversionLine > baseLine and leadLine1 > leadLine2
strongshort = conversionLine < baseLine and leadLine1 < leadLine2

weaklong = conversionLine > baseLine
weakshort = conversionLine < baseLine

RSIlong = k > d and k < OverSold and d < OverSold
RSIshort = k < d and k > OverBought and d > OverBought

long=(((stronglong ? 1:0)*ichimokuStrong) + ((weaklong? 1:0)*ichimokuWeak) + ((RSIlong? 1:0)*stochRSIWweak)) > DecisionWeight
short=(((strongshort? 1:0)*ichimokuStrong) + ((weakshort? 1:0)*ichimokuWeak) + ((RSIshort? 1:0)*stochRSIWweak)) > DecisionWeight

strategy.entry("long", strategy.long, when=long)
strategy.entry("short", strategy.short, when=short)