Estratégia de negociação quantitativa de média móvel exponencial de atraso zero adaptável
ChaoZhang
Visão geral
A Adaptive Zero Lag Exponential Moving Average Quantitative Trading Strategy é uma estratégia de negociação quantitativa desenvolvida com base na ideia da Zero Lag Exponential Moving Average de Ehlers. A estratégia usa a média móvel do índice como indicador de base e adiciona o método de adaptação da medição de frequência instantânea para otimizar dinamicamente os parâmetros do período da média móvel do índice.
Princípio da estratégia
O conceito central da estratégia deriva da teoria do filtro de atraso zero de John Ehlers. Apesar de ser um indicador técnico muito conhecido, a média móvel do índice tem problemas inerentes ao atraso. Ehlers pode efetivamente eliminar o atraso, adicionando um fator de correção de erro na fórmula de cálculo da média móvel do índice, permitindo que a média móvel do índice de atraso zero seja mais sensível ao acompanhamento das mudanças de preço.
Na estratégia de EMA de atraso zero auto-adaptável, utilizamos o método de medição de frequência instantânea para otimizar os parâmetros periódicos das médias móveis do índice de atraso zero auto-adaptáveis. A medição de frequência instantânea é dividida em dois tipos de métodos de acorde e de sincronia positiva, que podem medir os períodos dominantes da mudança na sequência de preços.
Quando a linha rápida (a média móvel do índice de atraso zero) atravessa a linha lenta (a média móvel do índice comum), fazendo mais, fazendo vazio ao atravessar, formando assim um sinal de estratégia de negociação semelhante ao cruzamento da média móvel.
Vantagens estratégicas
A estratégia EMA de auto-adaptação zero-retardo combina filtros de zero-retardo e métodos de otimização do ciclo de auto-adaptação, com as seguintes vantagens:
- Eliminação do atraso para tornar o sinal mais sensível e confiável
- Parâmetros de ciclo de adaptação, adaptando-se ao ambiente de mercado mais amplo
- Menos parâmetros de estratégia, fácil de testar e otimizar
- Ponto de parada de perda fixo configurável, com risco facilmente controlado
Risco estratégico
A estratégia de EMA de auto-adaptação para o atraso zero também apresenta alguns riscos, como:
- Em determinadas circunstâncias de mercado, os parâmetros de ciclo de otimização de adaptação podem não ser válidos
- A configuração inadequada do ponto de parada fixo pode causar perdas ou lucros excessivos
- Insuficiência de testes de otimização de parâmetros pode levar a fraco desempenho do disco rígido
Para controlar esses riscos, precisamos testar adequadamente as configurações de parâmetros em diferentes ambientes de mercado, ajustar adequadamente os pontos de parada de perdas e fazer a verificação adequada em simulações de ambientes reais na retrospectiva.
Direção de otimização da estratégia
A estratégia de EMA de adaptação a zero atraso tem um amplo espaço de otimização, e as principais direções incluem:
- Tente diferentes métodos de medição do ciclo de adaptação, como a taxa de flutuação adaptada MA etc.
- Adição de condições de filtragem adicionais, como volume de transação, par de médias móveis, etc.
- Otimizar estratégias de stop loss, como trailing stop, Chandelier Exit, etc.
- Ajustamento dinâmico do tamanho da posição, em consonância com a gestão de risco
- Confirmação de múltiplos períodos de tempo para melhorar a qualidade do sinal
Com esses métodos de otimização, espera-se que a estratégia possa melhorar ainda mais a taxa de vitória, a taxa de lucro, os indicadores de ajuste de risco e muito mais.
Resumir
A estratégia de EMA de atraso zero auto-adaptável, que combina com sucesso o filtro de atraso zero e a idéia de otimização do ciclo dinâmico, é uma estratégia de negociação quantitativa com menos parâmetros, fácil de operar e otimizar. Ela possui características de alta sensibilidade à resposta, auto-adaptável e melhor desempenho em mercados de tendência.
/*backtest
start: 2024-01-19 00:00:00
end: 2024-02-18 00:00:00
period: 4h
basePeriod: 15m
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/
//@version=3
strategy(title="Adaptive Zero Lag EMA v2", shorttitle="AZLEMA", overlay = true)
src = input(title="Source", defval=close)
Period = input(title="Period", defval = 20)
adaptive = input(title="Adaptive Method", options=["Off", "Cos IFM", "I-Q IFM", "Average"], defval="Off")
GainLimit = input(title="Gain Limit", defval = 10)
Threshold = input(title="Threshold", type = float, defval=0.05, step=0.01)
fixedSL = input(title="SL Points", defval=70)
fixedTP = input(title="TP Points", defval=5)
risk = input(title='Risk', defval=0.01, step=0.01)
//##############################################################################
//I-Q IFM
//#############################################################################
range = input(title="Max Period", defval=60, minval=8, maxval=100)
PI = 3.14159265359
imult = 0.635
qmult = 0.338
inphase = 0.0
quadrature = 0.0
re = 0.0
im = 0.0
deltaIQ = 0.0
instIQ = 0.0
lenIQ = 0.0
V = 0.0
P = src - src[7]
inphase := 1.25*(P[4] - imult*P[2]) + imult*nz(inphase[3])
quadrature := P[2] - qmult*P + qmult*nz(quadrature[2])
re := 0.2*(inphase*inphase[1] + quadrature*quadrature[1]) + 0.8*nz(re[1])
im := 0.2*(inphase*quadrature[1] - inphase[1]*quadrature) + 0.8*nz(im[1])
if (re!= 0.0)
deltaIQ := atan(im/re)
for i=0 to range
V := V + deltaIQ[i]
if (V > 2*PI and instIQ == 0.0)
instIQ := i
if (instIQ == 0.0)
instIQ := nz(instIQ[1])
lenIQ := 0.25*instIQ + 0.75*nz(lenIQ[1])
//##############################################################################
//COSINE IFM
//#############################################################################
s2 = 0.0
s3 = 0.0
deltaC = 0.0
instC = 0.0
lenC = 0.0
v1 = 0.0
v2 = 0.0
v4 = 0.0
v1 := src - src[7]
s2 := 0.2*(v1[1] + v1)*(v1[1] + v1) + 0.8*nz(s2[1])
s3 := 0.2*(v1[1] - v1)*(v1[1] - v1) + 0.8*nz(s3[1])
if (s2 != 0)
v2 := sqrt(s3/s2)
if (s3 != 0)
deltaC := 2*atan(v2)
for i = 0 to range
v4 := v4 + deltaC[i]
if (v4 > 2*PI and instC == 0.0)
instC := i - 1
if (instC == 0.0)
instC := instC[1]
lenC := 0.25*instC + 0.75*nz(lenC[1])
if (adaptive == "Cos IFM")
Period := round(lenC)
if (adaptive == "I-Q IFM")
Period := round(lenIQ)
if (adaptive == "Average")
Period := round((lenC + lenIQ)/2)
//##############################################################################
//ZERO LAG EXPONENTIAL MOVING AVERAGE
//##############################################################################
LeastError = 1000000.0
EC = 0.0
Gain = 0.0
EMA = 0.0
Error = 0.0
BestGain = 0.0
alpha =2/(Period + 1)
EMA := alpha*src + (1-alpha)*nz(EMA[1])
for i = -GainLimit to GainLimit
Gain := i/10
EC := alpha*(EMA + Gain*(src - nz(EC[1]))) + (1 - alpha)*nz(EC[1])
Error := src - EC
if(abs(Error)<LeastError)
LeastError := abs(Error)
BestGain := Gain
EC := alpha*(EMA + BestGain*(src - nz(EC[1]))) + (1-alpha)*nz(EC[1])
plot(EC, title="EC", color=orange, linewidth=2)
plot(EMA, title="EMA", color=red, linewidth=2)
buy = crossover(EC,EMA) and 100*LeastError/src > Threshold
sell = crossunder(EC,EMA) and 100*LeastError/src > Threshold
strategy.initial_capital = 50000
if (time>timestamp(2016, 1, 1 , 0, 0))
//LONG
balance = strategy.initial_capital + strategy.netprofit
lots = ((risk * balance)/fixedSL)*1
strategy.entry("BUY", strategy.long, qty=lots, oca_name="BUY", when=buy)
strategy.exit("B.Exit", "BUY", qty_percent = 100, loss=fixedSL, trail_offset=15, trail_points=fixedTP)
//SHORT
strategy.entry("SELL", strategy.short, qty=lots, oca_name="SELL", when=sell)
strategy.exit("S.Exit", "SELL", qty_percent = 100, loss=fixedSL, trail_offset=15, trail_points=fixedTP)