Estratégia de tijolos de momentum
ChaoZhang
Esta estratégia analisa a formação de um craque e determina as mudanças na dinâmica do mercado, fazendo mais curto-circuito de acordo com a direção do craque.
Princípio da estratégia
O princípio central da estratégia é simular a formação de blocos calculando a relação entre o ATR e o preço de fechamento. Concretamente, definindo as duas variáveis Brick1 e Brick2.
O Brick1 é calculado da seguinte forma: se o preço de fechamento for superior ao valor de Brick1 de ontem + ATR, então Brick1 é o valor de Brick1 de ontem + ATR; se o preço de fechamento for inferior ao valor de Brick1 de ontem - ATR, então Brick1 é o valor de Brick1 de ontem - ATR; caso contrário, Brick1 herda o valor de Brick1 de ontem.
Brick2 é calculado da seguinte forma: se o valor de Brick1 não for igual ao valor de Brick1 ontem, então Brick2 é o valor de Brick1 ontem; caso contrário, herda o valor de Brick2 ontem.
Isso simula a formação de um ângulo. Quando o Brick1 sobe acima de um ATR, forma-se um ângulo ascendente; quando o Brick1 desce acima de um ATR, forma-se um ângulo descendente. O Brick2 registra a posição de um ângulo.
Quando Brick1 e Brick2 cruzam para cima, a coluna expande-se para cima e é considerada uma coluna; quando Brick1 e Brick2 cruzam para baixo, a coluna encolhe para baixo e é considerada uma coluna.
Vantagens estratégicas
- Utilizando o ATR para determinar a formação de silos, evitando o uso de silos de tamanho fixo, que se adaptam dinamicamente às flutuações do mercado
- Para julgar a direção do espaço-tempo através da interseção dos eixos, identifique as mudanças de força
- A sensibilidade aos julgamentos sobre a dinâmica do mercado pode ser ajustada através de diferentes ciclos de ATR
- Visualização da formação e interseção de um eixo, intuindo a tendência do mercado
Risco estratégico
- A escolha do tamanho do ATR afeta a taxa de retorno da estratégia. Se o ATR for muito pequeno, muito silício é formado, produzindo mais sinais de invalidez; se o ATR for muito grande, muito pouco silício, é fácil perder oportunidades.
- A tendência real pode não seguir o padrão de Mercúrio, e o sinal cruzado de Mercúrio pode ser rejeitado por uma inversão de mercado.
- É preciso ser muito sensível aos custos de transação, caso contrário, a frequência de transações em cruzamentos reduzirá significativamente a receita líquida.
Pode-se encontrar o melhor ciclo ATR através da otimização de parâmetros; ajustar a estratégia de stop-loss para reduzir os danos causados por sinais inativos; amplificar adequadamente a variedade de negociação para reduzir o impacto dos custos sobre os lucros.
Otimização de Estratégia
- Filtragem de sinais em combinação com outros indicadores, como indicadores de quantidade de energia, indicadores de vibração, etc., para evitar sinais inválidos
- Aumentar o filtro de tendência, emitindo sinais apenas na direção da tendência, evitando a perda de reversão
- Otimizar os parâmetros da amostra durante o período de teste para encontrar automaticamente os melhores parâmetros
Resumir
Esta estratégia julga as tendências e a dinâmica de curto prazo no mercado através de um cruzamento de simulações dinâmicas. A visualização da forma é intuitiva. A estratégia tem um grande espaço de otimização, a otimização de parâmetros e a filtragem de sinais podem aumentar ainda mais a estabilidade.
/*backtest
start: 2023-02-12 00:00:00
end: 2024-02-18 00:00:00
period: 1d
basePeriod: 1h
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/
//@version=4
///Component Code Start
testStartYear = input(2017, "Backtest Start Year")
testStartMonth = input(01, "Backtest Start Month")
testStartDay = input(1, "Backtest Start Day")
testPeriodStart = timestamp(testStartYear, testStartMonth, testStartDay, 0, 0)
testStopYear = input(2025, "Backtest Stop Year")
testStopMonth = input(1, "Backtest Stop Month")
testStopDay = input(1, "Backtest Stop Day")
testPeriodStop = timestamp(testStopYear, testStopMonth, testStopDay, 0, 0)
/// A switch to control background coloring of the test period
testPeriodBackground = input(title="Color Background?", type=input.bool, defval=false)
testPeriodBackgroundColor = testPeriodBackground and time >= testPeriodStart and time <= testPeriodStop ?
#00FF00 : na
bgcolor(testPeriodBackgroundColor, transp=97)
testPeriod() => true
/// Component Code Stop
//Zack_the_Lego (original AUTHOR) made into strategy by mkonsap
strategy("Flex Renko Emulator", overlay=true, default_qty_type=strategy.percent_of_equity, default_qty_value=100)
margin = input(true, title="Margin?")
Margin = margin ? margin : false
res = input(type=input.resolution, defval="D", title="Resolution of ATR")
xATR = atr(14)
//TF = x78tf ? "78" : "39"
BrickSize = security(syminfo.tickerid, res, xATR)
//Brick1 = close > nz(Brick1[1]) + BrickSize ? nz(Brick1[1]) + BrickSize : close <
//nz(Brick1[1]) - BrickSize ?
//nz(Brick1[1]) - BrickSize
//: nz(Brick1[1]))
Brick1() =>
s1 = 0.0
s1 := close > nz(s1[1]) + BrickSize ? nz(s1[1]) + BrickSize :
close < nz(s1[1]) - BrickSize ? nz(s1[1]) - BrickSize : nz(s1[1])
s1
Brick2() =>
s2 = 0.0
Brick1_1 = Brick1()
s2 := Brick1() != Brick1()[1] ? Brick1_1[1] : nz(s2[1])
s2
colorer = Brick1() > Brick2() ? color.green : color.red
p1 = plot(Brick1(), color=colorer, linewidth=4, title="Renko")
p2 = plot(Brick2(), color=colorer, linewidth=4, title="Renko")
fill(p1, p2, color=color.purple, transp=50)
mylong = crossover(Brick1(), Brick2())
myshort = crossunder(Brick1(), Brick2())
last_long = float(na)
last_short = float(na)
last_long := mylong ? time : nz(last_long[1])
last_short := myshort ? time : nz(last_short[1])
in_long = last_long > last_short ? 2 : 0
in_short = last_short > last_long ? 2 : 0
mylong2 = crossover(Brick1(), Brick2())
myshort2 = crossunder(Brick1(), Brick2())
last_long2 = float(na)
last_short2 = float(na)
last_long2 := mylong2 ? time : nz(last_long2[1])
last_short2 := myshort2 ? time : nz(last_short2[1])
in_long2 = last_long2 > last_short2 ? 0 : 0
in_short2 = last_short2 > last_long2 ? 0 : 0
condlongx = in_long + in_long2
condlong = crossover(condlongx, 1.9)
condlongclose = crossunder(condlongx, 1.9)
condshortx = in_short + in_short2
condshort = crossover(condshortx, 1.9)
condshortclose = crossunder(condshortx, 1.9)
// === STRATEGY - LONG POSITION EXECUTION WITH CLOSE ORDERS ===
//enterLong() => crossover(condlongx, 1.9) and testPeriod() and strategy.position_size <= 0
//exitLong() => crossunder(condlongx, 1.9) and testPeriod() and strategy.position_size > 0
//strategy.entry(id = "Long", long = true, when = enterLong())
//strategy.close(id = "Long", when = exitLong())
// === STRATEGY - SHORT POSITION EXECUTION WITH CLOSE ORDER===
//enterShort() => crossover(condshortx, 1.9) and testPeriod() and strategy.position_size >= 0 and Margin
//exitShort() => crossunder(condshortx, 1.9) and testPeriod() and strategy.position_size < 0
//strategy.entry(id = "Short", long = false, when = enterShort())
//strategy.close(id = "Short", when = exitShort())
//END
///STRATEGY ONLY LONG AND SHORT/////
if crossover(condlongx, 1.9) and testPeriod() and strategy.position_size <= 0
strategy.entry("Long", strategy.long, comment="Long")
if crossover(condshortx, 1.9) and testPeriod() and strategy.position_size >= 0
strategy.close("Long", when=not Margin)
if crossover(condshortx, 1.9) and testPeriod() and strategy.position_size >= 0
strategy.entry("Short", strategy.short, comment="Short", when=Margin)
/////// END ////