Estratégia de negociação de ouro baseada em momentum e desvio padrão


Data de criação: 2024-02-20 16:27:18 última modificação: 2024-02-20 16:27:18
cópia: 0 Cliques: 819
1
focar em
1617
Seguidores

Estratégia de negociação de ouro baseada em momentum e desvio padrão

Visão geral

Esta estratégia determina o excesso de compra e venda do mercado, combinado com o desvio padrão, calculando o desvio do preço do ouro em relação à média móvel do índice de 21 dias. Quando o desvio atinge um certo desvio padrão, a estratégia de acompanhamento de tendências é adotada, e um mecanismo de parada de perda é configurado para controlar o risco.

Princípio da estratégia

  1. Calcule a média móvel de 21 dias como eixo central
  2. Calcular o desvio do preço do ouro em relação à média móvel
  3. Padronização do desvio, conversão para Z-Score
  4. Faça mais quando o Z-Score for superior a 0,5 e faça um vazio quando o Z-Score for inferior a -0,5
  5. Z-Score retrocedeu para o limiar de 0.5/-0.5 e fechou
  6. Parar quando o Z-Score for superior a 33.

Análise de vantagens

Esta é uma estratégia de acompanhamento de tendências de sobrecompra e sobrevenda de mercado baseada na dinâmica dos preços e na diferença de padrão, com as seguintes vantagens:

  1. Usar a média móvel como suporte/resistência dinâmico para capturar a tendência
  2. A diferença padrão e o Z-Score são ótimos indicadores de sobrecompra e de sobrevenda, reduzindo os sinais falsos.
  3. A utilização de médias móveis de índices é mais sensível ao impacto dos preços recentes.
  4. O Z-Score padroniza os desvios de preço para tornar as regras de julgamento mais uniformes
  5. Estabelecer um mecanismo de parada de perdas para controlar o risco em tempo hábil

Análise de Riscos

A estratégia também apresenta alguns riscos:

  1. As médias móveis são usadas como referência, gerando um sinal de erro quando o preço se eleva ou se rompe.
  2. O desvio padrão e o escore Z precisam ser ajustados de forma adequada, pois o excesso ou a insuficiência podem afetar o desempenho da estratégia.
  3. A configuração de parada de prejuízos é inadequada e pode ser excessivamente radical, causando prejuízos desnecessários
  4. Eventos surpreendentes podem causar grandes flutuações de preços, desencadeando paradas e perdendo oportunidades de tendência.

Solução:

  1. Configuração racional dos parâmetros da média móvel, Identificar as principais tendências
  2. Otimização de parâmetros de desvio padrão para encontrar a melhor barreira
  3. Configurar a estratégia de verificação de perda de trailing stop para a racionalidade do trailing stop
  4. Reavaliação oportuna da situação do mercado e ajuste dos parâmetros estratégicos após o incidente

Direção de otimização

A estratégia pode ser melhorada em vários aspectos:

  1. O uso de um indicador de taxa de flutuação, como o ATR, em vez de um simples desvio padrão, é um bom método para determinar o apetite de risco.
  2. Experimente diferentes tipos de médias móveis para encontrar um indicador mais adequado para o eixo médio
  3. Optimizar os parâmetros de média móvel, Identify o melhor ciclo de média
  4. Optimizar os limites do Z-Score para encontrar os melhores parâmetros de desempenho da estratégia
  5. Aumentar a redução baseada na volatilidade para tornar a redução mais inteligente e racional

Resumir

Esta estratégia é, em geral, uma estratégia de acompanhamento de tendências básica e razoável. Utiliza a média móvel para determinar a direção da tendência principal, e, ao mesmo tempo, pode determinar claramente a situação de sobrecompra e sobrevenda do mercado por meio do processamento padronizado do desvio de preço, gerando assim um sinal de negociação. A configuração de um método de parada razoável também permite que a estratégia controle o risco ao mesmo tempo que garante o lucro.

Código-fonte da estratégia
/*backtest
start: 2024-01-20 00:00:00
end: 2024-02-19 00:00:00
period: 4h
basePeriod: 15m
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/

//@version=5
strategy("GC Momentum Strategy with Stoploss and Limits", overlay=true)

// Input for the length of the EMA
ema_length = input.int(21, title="EMA Length", minval=1)

// Exponential function parameters
steepness = 2

// Calculate the EMA
ema = ta.ema(close, ema_length)

// Calculate the deviation of the close price from the EMA
deviation = close - ema

// Calculate the standard deviation of the deviation
std_dev = ta.stdev(deviation, ema_length)

// Calculate the Z-score
z_score = deviation / std_dev

// Long entry condition if Z-score crosses +0.5 and is below 3 standard deviations
long_condition = ta.crossover(z_score, 0.5)

// Short entry condition if Z-score crosses -0.5 and is above -3 standard deviations
short_condition = ta.crossunder(z_score, -0.5)

// Exit long position if Z-score converges below 0.5 from top
exit_long_condition = ta.crossunder(z_score, 0.5)

// Exit short position if Z-score converges above -0.5 from below
exit_short_condition = ta.crossover(z_score, -0.5)

// Stop loss condition if Z-score crosses above 3 or below -3
stop_loss_long = ta.crossover(z_score, 3)
stop_loss_short = ta.crossunder(z_score, -3)

// Enter and exit positions based on conditions
if (long_condition)
    strategy.entry("Long", strategy.long)
if (short_condition)
    strategy.entry("Short", strategy.short)
if (exit_long_condition)
    strategy.close("Long")
if (exit_short_condition)
    strategy.close("Short")
if (stop_loss_long)
    strategy.close("Long")
if (stop_loss_short)
    strategy.close("Short")

// Plot the Z-score on the chart
plot(z_score, title="Z-score", color=color.blue, linewidth=2)

// Optional: Plot zero lines for reference
hline(0.5, "Upper Threshold", color=color.red)
hline(-0.5, "Lower Threshold", color=color.green)