ChaoZhang
Visão geral
A estratégia é um sistema de negociação de quadros de tempo múltiplos baseado na Classificação de Lorentz, combinando um preço-alvo e um mecanismo de stop loss dinâmico. Utiliza o índice de média móvel (EMA) e o índice de classificação (CI) para identificar tendências de mercado e faz uma análise cruzada em quadros de tempo altos e quadros de tempo atuais. A estratégia maximiza os lucros ao definir porcentagens de alvo, enquanto usa um mecanismo de retrospectiva para confirmar a eficácia dos sinais de negociação.
Princípio da estratégia
O núcleo da estratégia é a Classificação de Lorentz, que combina a média móvel tripla (EMA) e o índice de classificação (CI) para gerar sinais de negociação. Os passos específicos são os seguintes:
- Calcule o EMA triplo: EMA1, EMA2 e EMA3
- Calcule o índice de classificação (CI): CI = (EMA1 - EMA2) / (0.015 * EMA ((((EMA1 - EMA2 , length)) * 100。
- Linha de Lorentz = EMA3 + CI。
A estratégia calcula a linha de Lorentz tanto no período de tempo atual quanto no período superior, para fornecer uma visão multidimensional do mercado. O sinal de negociação é baseado no cruzamento do preço com a linha de Lorentz e é confirmado por um mecanismo de retrospectiva. O sinal de compra é acionado quando o preço atravessa a linha de Lorentz e o preço mínimo durante o período de retrospectiva é inferior à linha de Lorentz.
A estratégia também introduziu um mecanismo de preço-alvo para determinar o ponto de saída com base na porcentagem de alvo definida pelo usuário. Ao mesmo tempo, também implementou um stop loss dinâmico para controlar o risco.
Vantagens estratégicas
Análise de múltiplos períodos de tempo: A estratégia é capaz de capturar tendências de mercado mais abrangentes, reduzindo os falsos sinais, através da combinação de linhas de Lorenz de períodos de tempo atuais e mais elevados.
Identificação de tendências dinâmicas: A classificação de Lorenz é capaz de se adaptar rapidamente às mudanças no mercado, fornecendo capacidade de identificação de tendências sensíveis.
Mecanismo de confirmação de sinais: O uso de um período de retrospectiva para confirmar sinais de negociação reduz a probabilidade de transações erradas.
Otimização do preço-alvo: A estratégia permite maximizar o lucro em condições favoráveis, definindo o percentual-alvo.
Gerenciamento de riscos: introdução de mecanismos de stop loss dinâmicos para controlar eficazmente o risco de cada transação.
Visualização e estatísticas: A estratégia fornece gráficos e estatísticas de negociação intuitivos para facilitar a análise e otimização do desempenho da estratégia.
Flexibilidade: múltiplos parâmetros ajustáveis permitem que o comerciante otimize de acordo com diferentes condições de mercado e preferências pessoais.
Risco estratégico
Sensibilidade de parâmetros: o desempenho da estratégia é altamente dependente da escolha dos parâmetros de entrada, e a configuração inadequada dos parâmetros pode levar a excesso de negociação ou a perda de oportunidades importantes.
Dependência de condições de mercado: em mercados turbulentos, a estratégia pode produzir falsos sinais frequentes, resultando em perdas contínuas.
Risco de deslizamento: em mercados de rápida oscilação, o preço de execução real pode ser significativamente diferente do preço de sinal.
Risco de otimização excessiva: ajuste excessivo de parâmetros para se adequar aos dados históricos pode levar a um excesso de ajuste, afetando o desempenho futuro do disco.
Falha técnica: Dependendo do cálculo de indicadores técnicos complexos, falhas no sistema ou erros de dados podem levar a decisões de negociação erradas.
Para reduzir esses riscos, recomenda-se:
- A partir daí, o processo de revisão do histórico e testes prospectivos.
- Usar medidas apropriadas de gestão de posições e de controlo de riscos.
- Revisar periodicamente e ajustar os parâmetros da estratégia para adaptar-se a condições de mercado em mudança.
- Implementação de mecanismos robustos de tratamento e monitoramento de erros.
Direção de otimização da estratégia
Ajuste de parâmetros dinâmicos: implementa um mecanismo de ajuste de parâmetros adaptativos para ajustar automaticamente o comprimento e o limiar do EMA de acordo com a volatilidade do mercado.
Adicionar filtros: introduzir indicadores técnicos adicionais ou indicadores básicos como filtros para melhorar a qualidade do sinal.
Integração de aprendizado de máquina: otimizar a seleção de parâmetros e o processo de geração de sinais usando algoritmos de aprendizado de máquina.
Análise de correlação entre variedades: considera os dados de várias variedades relevantes para fornecer uma visão mais abrangente do mercado.
Integração de eventos de notícias: adição de função de análise de eventos de notícias para ajustar as ações estratégicas durante a divulgação de dados econômicos importantes.
Ajuste de volatilidade: Ajuste de percentual e nível de parada de acordo com a dinâmica de volatilidade do mercado.
Melhorar o gerenciamento de risco: implementar estratégias mais complexas de gerenciamento de posição e controle de risco, como o ajuste de posição com base na volatilidade.
Essas orientações de otimização visam aumentar a adaptabilidade e a estabilidade das estratégias, permitindo que elas mantenham um bom desempenho em diferentes condições de mercado.
Resumir
A estratégia de metas de quadros temporais múltiplos da classificação de Lorenz é um sistema de negociação integrado, que combina métodos avançados de análise técnica e mecanismos de gestão de risco inteligentes. Através da análise de quadros temporais múltiplos, identificação de tendências dinâmicas e otimização de preços de metas, a estratégia tem o potencial de alcançar um desempenho de negociação estável em várias condições de mercado. No entanto, também enfrenta desafios como sensibilidade a parâmetros e dependência do mercado.
/*backtest
start: 2023-07-31 00:00:00
end: 2024-07-30 00:00:00
period: 1d
basePeriod: 1h
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/
//@version=5
strategy("Lorenzian Classification Strategy with Target and Multi-Timeframe", overlay=true)
// Input parameters
length = input.int(5, "Lorenzian Length", minval=1)
threshold = input.float(1.0, "Threshold", step=0.1)
lookback = input.int(3, "Lookback Candles", minval=1, maxval=20)
targetPercentage = input.float(1.5, "Target Percentage (%)", step=0.1) // Target percentage for exit
higherTimeframe = input.timeframe("D", "Higher Timeframe") // Higher timeframe for multi-timeframe analysis
// Lorenzian Classification calculation for current timeframe
ema1 = ta.ema(hlc3, length)
ema2 = ta.ema(ema1, length)
ema3 = ta.ema(ema2, length)
d = ema1 - ema2
ci = d / (0.015 * ta.ema(math.abs(d), length)) * 100
lorenzian = ema3 + ci
// Lorenzian Classification calculation for higher timeframe
hlc3_htf = request.security(syminfo.tickerid, higherTimeframe, (high + low + close)/3 )
ema1_htf = ta.ema(hlc3_htf, length)
ema2_htf = ta.ema(ema1_htf, length)
ema3_htf = ta.ema(ema2_htf, length)
d_htf = ema1_htf - ema2_htf
ci_htf = d_htf / (0.015 * ta.ema(math.abs(d_htf), length)) * 100
lorenzian_htf = ema3_htf + ci_htf
// Signal generation
crossUp = ta.crossover(close, lorenzian)
crossDown = ta.crossunder(close, lorenzian)
// Determine color based on price position relative to the line
lineColor = close > ema3 ? color.green : color.red
lineColorH = close > ema3_htf ? color.blue : color.red
// Plot the line with dynamic color
plot(ema3, color=lineColor, title="EMA3", linewidth=2)
plot(ema3_htf, color=lineColorH, title="EMA3 HTF", linewidth=2)
// Function to check for opposite movement
oppositeMove(isLong) =>
if isLong
lowest = ta.lowest(low, lookback)
lowest < lorenzian[lookback]
else
highest = ta.highest(high, lookback)
highest > lorenzian[lookback]
// Generate buy and sell signals
buySignal = crossUp and oppositeMove(true)
sellSignal = crossDown and oppositeMove(false)
// Calculate and manage target price
var float targetPrice = na
var float plotTargetPrice = na
var float entryPrice = na
// Variables to track trade outcomes
var int targetMet = 0
var int targetNotMet = 0
var int totalTrades = 0
if (buySignal)
strategy.entry("Buy", strategy.long)
entryPrice := close
targetPrice := entryPrice * (1 + targetPercentage/100)
plotTargetPrice := targetPrice
totalTrades := totalTrades + 1
if (sellSignal)
strategy.entry("Sell", strategy.short)
entryPrice := close
targetPrice := entryPrice * (1 - targetPercentage/100)
plotTargetPrice := targetPrice
totalTrades := totalTrades + 1
// Check if target price is met to exit
if (not na(targetPrice))
if (strategy.position_size > 0 and high >= targetPrice) // Long position exit condition
strategy.close("Buy")
targetPrice := na
entryPrice := na
targetMet := targetMet + 1
else if (strategy.position_size > 0 and low < entryPrice * (1 - targetPercentage/100)) // Stop loss for long
strategy.close("Buy")
targetPrice := na
entryPrice := na
targetNotMet := targetNotMet + 1
if (strategy.position_size < 0 and low <= targetPrice) // Short position exit condition
strategy.close("Sell")
targetPrice := na
entryPrice := na
targetMet := targetMet + 1
else if (strategy.position_size < 0 and high > entryPrice * (1 + targetPercentage/100)) // Stop loss for short
strategy.close("Sell")
targetPrice := na
entryPrice := na
targetNotMet := targetNotMet + 1
// Reset plotTargetPrice when position is closed
if (strategy.position_size == 0)
plotTargetPrice := na
// Plot signals and target price
plotshape(buySignal, title="Buy Signal", location=location.belowbar, color=color.green, style=shape.triangleup, size=size.small)
plotshape(sellSignal, title="Sell Signal", location=location.abovebar, color=color.purple, style=shape.triangledown, size=size.small)
plot(plotTargetPrice, color=color.yellow, title="Target Price", style=plot.style_circles, linewidth=2)
// Add alerts
alertcondition(buySignal, title="Buy Signal", message="Lorenzian Buy Signal")
alertcondition(sellSignal, title="Sell Signal", message="Lorenzian Sell Signal")
// Calculate success percentage
successPercentage = totalTrades > 0 ? (targetMet / totalTrades) * 100 : 0
// Create a table to display trade outcomes
var table tradeStats = table.new(position.top_right, 2, 3, border_width=1)
table.cell(tradeStats, 0, 0, "Targets Met", bgcolor=color.new(color.green, 30))
table.cell(tradeStats, 1, 0, "Targets Missed", bgcolor=color.new(color.red, 30))
table.cell(tradeStats, 0, 1, str.tostring(targetMet), bgcolor=color.new(color.green, 30))
table.cell(tradeStats, 1, 1, str.tostring(targetNotMet), bgcolor=color.new(color.red, 30))
table.cell(tradeStats, 0, 2, "Success Rate", bgcolor=color.new(color.blue, 30))
table.cell(tradeStats, 1, 2, str.tostring(successPercentage, "#.##") + "%", bgcolor=color.new(color.blue, 30))