Estratégia de cruzamento linear longo-curto


Data de criação: 2024-03-27 17:52:02 última modificação: 2024-03-27 17:52:02
cópia: 0 Cliques: 576
1
focar em
1617
Seguidores

Estratégia de cruzamento linear longo-curto

Visão geral

A estratégia de cruzamento linear de múltiplos espaços é uma estratégia de análise técnica baseada em modelos de regressão linear para prever a movimentação futura dos preços das ações. O princípio básico da estratégia é: a movimentação dos preços das ações costuma seguir uma certa tendência linear, e pode prever o preço futuro através do cálculo da regressão linear dos preços.

Princípio da estratégia

A estratégia primeiro calcula a regressão linear do preço das ações durante um período de tempo. A regressão linear utiliza o mínimo de bimetallicidade para formar uma linha reta que representa a tendência de variação dos preços ao longo do tempo. A estratégia então traça a linha de preço de previsão e o preço atual em um gráfico.

A estratégia define dois sinais:

  1. Fazer vários sinais: acionar quando o preço de previsão está acima do preço atual
  2. Sinal de vazio: acionado quando o preço previsto ultrapassa o preço atual

Quando surgir um sinal de fazer mais, a estratégia de abrir uma posição de fazer mais; quando surgir um sinal de fazer menos, a posição de equilibrar.

Os principais passos da estratégia são os seguintes:

  1. Calcular a regressão linear do preço ao longo de um período de tempo
  2. Desenhe a linha de preço previsto e o preço atual em um gráfico
  3. Definição de sinais de over e under
  4. Fazer mais quando o sinal é acionado
  5. O sinal de retirada é disparado e a posição é fechada.

Análise de vantagens

A estratégia de cruzamento linear multi-espaço tem as seguintes vantagens:

  1. Simples e eficaz: a lógica da estratégia é clara, fácil de implementar e capta a tendência linear dos preços.
  2. Aplicabilidade: A estratégia pode gerar sinais de negociação em situações de tendência ou de turbulência.
  3. Forte otimização: a estratégia contém alguns parâmetros-chave, como o ciclo de regressão linear, a média móvel, etc. A otimização desses parâmetros pode melhorar o desempenho da estratégia.

Análise de Riscos

Embora a estratégia de cruzamento linear multi-espaço tenha muitos benefícios, ela também apresenta alguns riscos:

  1. Risco de identificação de tendências: quando a tendência de preços não segue uma tendência linear, como por exemplo, uma tendência de choque, a estratégia pode produzir um sinal de erro. O risco pode ser reduzido pela combinação de outros indicadores, como o MACD.
  2. Risco de configuração de parâmetros: a performance da estratégia é sensível à configuração de parâmetros, e os parâmetros inadequados podem causar prejuízos. Portanto, é necessário fazer um bom teste e otimização dos parâmetros antes do disco.
  3. Risco de sobreajuste: se o parâmetro for otimizado em excesso, pode levar a estratégias de sobreajuste de dados históricos e mau desempenho no futuro. Métodos para evitar o sobreajuste incluem manter simples, testes fora do conjunto de dados, etc.

Direção de otimização

  1. Combinação com outros indicadores: O sinal de regressão linear pode ser combinado com outros indicadores técnicos, como MACD, faixa de Brin, etc., para melhorar a precisão do sinal.
  2. Otimização de parâmetros dinâmicos: um mecanismo de adaptação de parâmetros pode ser projetado para ajustar dinamicamente os parâmetros de acordo com a situação do mercado, aumentando a adaptabilidade.
  3. Adição de módulos de controle de risco: Adição de medidas de controle de risco, como stop loss e gerenciamento de fundos, na estratégia para reduzir o risco de uma única transação e aumentar o lucro acumulado.
  4. Otimização de aprendizado de máquina: Os modelos de regressão linear podem ser continuamente otimizados com algoritmos de aprendizado de máquina para tornar suas previsões mais precisas.

Resumir

A estratégia de cruzamento linear multi-fásico baseia-se na regressão linear do preço, gerando sinais de negociação por meio da comparação de preços e preços atuais. A lógica da estratégia é simples e clara, pode capturar tendências lineares de preços e é adequada para todos os tipos de situações.

Código-fonte da estratégia
/*backtest
start: 2024-02-25 00:00:00
end: 2024-03-26 00:00:00
period: 3h
basePeriod: 15m
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/

// This source code is subject to the terms of the Mozilla Public License 2.0 at https://mozilla.org/MPL/2.0/
// © stocktechbot
//@version=5
strategy("Linear Cross", overlay=true, margin_long=100, margin_short=0)

//Linear Regression

vol = volume

// Function to calculate linear regression
linregs(y, x, len) =>
    ybar = math.sum(y, len)/len
    xbar = math.sum(x, len)/len
    b = math.sum((x - xbar)*(y - ybar),len)/math.sum((x - xbar)*(x - xbar),len)
    a = ybar - b*xbar
    [a, b]

// Historical stock price data
price = close

// Length of linear regression
len = input(defval = 21, title = 'Strategy Length')
linearlen=input(defval = 9, title = 'Linear Lookback')
[a, b] = linregs(price, vol, len)

// Calculate linear regression for stock price based on volume
//eps = request.earnings(syminfo.ticker, earnings.actual)
//MA For double confirmation

out = ta.sma(close, 200)
outf = ta.sma(close, 50)
outn = ta.sma(close, 90)
outt = ta.sma(close, 21)
outthree = ta.sma(close, 9)

// Predicted stock price based on volume
predicted_price = a + b*vol

// Check if predicted price is between open and close
is_between = open < predicted_price and predicted_price < close

//MACD
//[macdLine, signalLine, histLine] = ta.macd(close, 12, 26, 9)

// Plot predicted stock price
plot(predicted_price, color=color.rgb(65, 59, 150), linewidth=2, title="Predicted Price")
plot(ta.sma(predicted_price,linearlen), color=color.rgb(199, 43, 64), linewidth=2, title="MA Predicted Price")
//offset = input.int(title="Offset", defval=0, minval=-500, maxval=500)
plot(out, color=color.blue, title="MA200")
[macdLine, signalLine, histLine] = ta.macd(predicted_price, 12, 26, 9)

//BUY Signal

longCondition=false
mafentry =ta.sma(close, 50) > ta.sma(close, 90)
//matentry = ta.sma(close, 21) > ta.sma(close, 50)
matwohun = close > ta.sma(close, 200)
twohunraise = ta.rising(out, 2)
twentyrise = ta.rising(outt, 2)
macdrise = ta.rising(macdLine,2)
macdlong = ta.crossover(predicted_price, ta.wma(predicted_price,linearlen))  and (signalLine < macdLine)
if macdlong and macdrise
    longCondition := true

if (longCondition)
    strategy.entry("My Long Entry Id", strategy.long)
//Sell Signal
lastEntryPrice = strategy.opentrades.entry_price(strategy.opentrades - 1)
daysSinceEntry = len
daysSinceEntry := int((time - strategy.opentrades.entry_time(strategy.opentrades - 1)) / (24 * 60 * 60 * 1000))
percentageChange = (close - lastEntryPrice) / lastEntryPrice * 100
//trailChange = (ta.highest(close,daysSinceEntry) - close) / close * 100

//label.new(bar_index, high, color=color.black, textcolor=color.white,text=str.tostring(int(trailChange)))
shortCondition=false
mafexit =ta.sma(close, 50) < ta.sma(close, 90)
matexit = ta.sma(close, 21) < ta.sma(close, 50)
matwohund = close < ta.sma(close, 200)
twohunfall = ta.falling(out, 3)
twentyfall = ta.falling(outt, 2)
shortmafall = ta.falling(outthree, 1)
macdfall = ta.falling(macdLine,1)
macdsell = macdLine < signalLine
if macdfall and macdsell and (macdLine < signalLine) and ta.falling(low,2)
    shortCondition := true

if (shortCondition)
    strategy.entry("My Short Entry Id", strategy.short)