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

Autora:ChaoZhang, Data: 2024-04-26 15:41:18
Tags:KRKADAEMAA.I.RSI

img

Resumo

Esta estratégia utiliza o indicador Stochastic Slow como o principal sinal de negociação, combinado com uma média móvel simples (SMA) de 200 períodos como um filtro de tendência. Além disso, a estratégia introduz um indicador de inteligência artificial (AI) falso para fornecer sinais de entrada adicionais. A ideia principal é comprar em áreas supervendidas e vender em áreas supercompradas, garantindo que o preço esteja acima da SMA de 200 para entradas longas e abaixo da SMA de 200 para entradas curtas, alinhando-se com a tendência atual. A inclusão do indicador AI oferece mais oportunidades de entrada.

Princípios de estratégia

  1. Calcular os valores K e D do indicador Stochastic Slow, com o período K definido em 26 e o valor D sendo uma SMA de 3 períodos do valor K.

  2. Definir o nível de sobrecompra (OverBought) para 81, o nível de sobrevenda (OverSold) para 20 e o valor mínimo de K (minKValue) para 11.

  3. Gerar um sinal de compra quando a linha K cruzar acima da linha D, e o valor K estiver abaixo do nível de sobrevenda e acima do valor mínimo de K.

  4. Gerar um sinal de venda quando a linha K cruzar abaixo da linha D, e o valor K estiver acima do nível de sobrecompra e acima do valor mínimo de K.

  5. Utilize a SMA de 200 períodos como um filtro de tendência, permitindo entradas longas apenas quando o preço estiver acima da SMA de 200 e entradas curtas quando o preço estiver abaixo da SMA de 200.

  6. Introduzir um indicador de IA fictício (usando RSI>50 para alta e RSI<50 para baixa), entrando em longo quando o sinal de AI é alta e curto quando é baixa.

  7. Combine os sinais do indicador estocástico, filtro de tendência e indicador de IA para gerar os sinais de negociação finais.

  8. Defina um stop loss de 10% para entradas longas e um stop loss de 10% para entradas curtas.

Vantagens da estratégia

  1. O indicador Stochastic Slow identifica efetivamente as áreas de sobrecompra e sobrevenda no mercado, proporcionando bons pontos de entrada para as negociações.

  2. O filtro de tendência 200 SMA garante que as negociações se alinhem com a tendência atual, aumentando a taxa de sucesso.

  3. A inclusão do indicador IA oferece mais oportunidades de entrada, aumentando potencialmente a rentabilidade da estratégia.

  4. A utilização de ordens de stop-loss gerencia eficazmente o risco.

Riscos estratégicos

  1. O indicador estocástico pode gerar sinais falsos em mercados agitados.

  2. O indicador de IA é atualmente um indicador fictício e a sua eficácia real deve ser verificada.

  3. As configurações de stop-loss podem conduzir a que alguns lucros sejam cortados prematuramente.

Orientações para a otimização da estratégia

  1. Otimizar os parâmetros do indicador estocástico para encontrar o melhor período e as definições do limiar de sobrecompra/supervenda.

  2. Introduzir modelos de IA mais complexos e eficazes para melhorar a precisão dos sinais de IA.

  3. Ajustar as configurações de stop-loss e take-profit para um melhor controlo do risco e captura de lucros.

  4. Considerar a incorporação de outros indicadores técnicos eficazes ou dados fundamentais para reforçar a robustez da estratégia.

Resumo

Esta estratégia combina o indicador estocástico lento, o filtro de tendência e os sinais de IA para formar uma abordagem de negociação multifator. O indicador estocástico fornece sinais eficazes de sobrecompra e sobrevenda, o filtro de tendência garante que os negócios se alinhem com a tendência geral e os sinais de IA oferecem oportunidades de entrada adicionais.


/*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")


Relacionados

Mais.