Estratégia de reversão lenta da média estocástica KRK aDa com aprimoramento de IA

KRK ADA EMA AI RSI
Data de criação: 2024-04-26 15:41:18 última modificação: 2024-04-26 15:41:18
cópia: 0 Cliques: 602
1
focar em
1617
Seguidores

Estratégia de reversão lenta da média estocástica KRK aDa com aprimoramento de IA

Visão geral

A estratégia usa o indicador Stochastic Slow como principal sinal de negociação e combina o Simple Moving Average (SMA) de 200 períodos como filtro de tendência. Além disso, a estratégia também introduziu um indicador de inteligência artificial virtual (AI) para fornecer um sinal de entrada adicional. A principal idéia da estratégia é comprar na área de superalimento e vender na área de superalimento, garantindo que o preço seja comprado acima da SMA 200 e vendido abaixo da SMA 200, de acordo com a tendência atual.

Princípio da estratégia

  1. Calcule os valores K e D de um indicador de velocidade lenta aleatório, onde o valor de K é de 26 ciclos, e o valor de D é o SMA de 3 ciclos do valor de K.

  2. O OverBought é 81, o OverSold é 20, o K-valor mínimo é 11.

  3. Um sinal de compra é gerado quando a linha K atravessa a linha D e o valor de K é menor que a zona de superalimento e maior que o valor de K mínimo.

  4. Um sinal de venda é gerado quando a linha K passa pela linha D e o valor de K é maior do que a área de supera compra e maior do que o valor de K mínimo.

  5. Usando o SMA 200 como um filtro de tendência, é permitido comprar quando o preço está acima do SMA 200 e vender quando está abaixo do SMA 200.

  6. Introdução de indicadores de IA virtuais ((usando RSI>50 para a alta e RSI <50 para a baixa), comprar quando o indicador de IA é alto e vender quando é baixo.

  7. A combinação de indicadores aleatórios, filtros de tendências e indicadores de IA, produz um sinal de negociação final.

  8. Cumpra com um limite de 10% e venda com um limite de 10%.

Vantagens estratégicas

  1. Os indicadores de velocidade lenta e aleatória identificam com eficácia as áreas de sobrecompra e sobrevenda do mercado, proporcionando um bom ponto de entrada para a negociação.

  2. A introdução do SMA 200 como um filtro de tendência, assegurando que a negociação esteja em consonância com a tendência atual, aumentou a taxa de sucesso.

  3. A inclusão de indicadores de IA oferece mais oportunidades de entrada para a estratégia e pode aumentar os lucros da estratégia.

  4. Estabelecer ordens de stop loss e controlar o risco.

Risco estratégico

  1. Indicadores aleatórios podem gerar mais falsos sinais em mercados de turbulência.

  2. O indicador de IA é apenas um indicador virtual, e os efeitos reais devem ser verificados.

  3. A configuração Stop Loss pode levar a uma perda prematura de parte dos ganhos.

Direção de otimização da estratégia

  1. Otimizar os parâmetros dos indicadores aleatórios para encontrar o melhor ciclo e a melhor configuração de limiar.

  2. A introdução de modelos de IA mais complexos e eficazes aumentará a precisão dos sinais de IA.

  3. Optimizar as configurações de stop loss e stop loss para melhor controlar o risco e bloquear os ganhos.

  4. Considere a introdução de outros indicadores técnicos ou de dados básicos eficazes para aumentar a robustez da estratégia.

Resumir

A estratégia é formada por uma estratégia de negociação multifatorial, combinando indicadores de desaceleração aleatória, filtros de tendência e sinais de IA. Os indicadores aleatórios fornecem um sinal de supercompra e venda eficaz, enquanto os filtros de tendência garantem que a direção da negociação esteja em consonância com a tendência geral, enquanto os sinais de IA fornecem mais oportunidades de entrada para a estratégia. Embora a estratégia ainda tenha alguns riscos potenciais e espaço para otimização, o seu pensamento geral é claro, lógico e vale a pena explorar e melhorar ainda mais.

Código-fonte da estratégia
/*backtest
start: 2024-03-01 00:00:00
end: 2024-03-31 23:59:59
period: 1h
basePeriod: 15m
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/

//@version=5
strategy("Stochastic Slow Strategy with More Entries and AI", overlay=true)

length = input.int(26, minval=1)
OverBought = input(81)
OverSold = input(20)
smoothK = input.int(3, minval=1)
smoothD = input.int(3, minval=1)
minKValue = input(11, title="Minimum K Value")

// Stochastic calculations
k = ta.sma(ta.stoch(close, high, low, length), smoothK)
d = ta.sma(k, smoothD)
co = ta.crossover(k, d)
cu = ta.crossunder(k, d)

// Trend filter (200-period simple moving average)
ema200 = ta.sma(close, 200)

// Artificial Intelligence indicator (dummy example)
// Aquí puedes colocar la lógica de tu red neuronal artificial
// Por ahora, simplemente usaremos una señal aleatoria
ai_signal = ta.rsi(close, 14) > 50 ? 1 : -1

// Entry conditions
longCondition = ta.crossover(close, ema200) and k < OverSold and k > minKValue and ai_signal == 1
shortCondition = ta.crossunder(close, ema200) and k > OverBought and k > minKValue and ai_signal == -1

if (not na(k) and not na(d))
    if (co and k < OverSold and k > minKValue)
        strategy.entry("StochLE", strategy.long, comment="StochLE")
    if (cu and k > OverBought and k > minKValue)
        strategy.entry("StochSE", strategy.short, comment="StochSE")
    if (longCondition)
        strategy.entry("LongEntry", strategy.long, comment="LongEntry")
        strategy.exit("StopLoss", "LongEntry", loss = close * 0.9) // Stop loss del 10%
    if (shortCondition)
        strategy.entry("ShortEntry", strategy.short, comment="ShortEntry")
        strategy.exit("StopLoss", "ShortEntry", loss = close * 1.1) // Stop loss del 10%

// Plotting
plot(ema200, color=color.blue, title="200 SMA")