ChaoZhang
Visão geral
A estratégia é um sistema de negociação baseado em médias móveis ponderadas pela liquidez. Ela mede a liquidez do mercado monitorando a relação entre flutuações de preço e volume de negociação, e constrói médias móveis rápidas e lentas com base nisso. Um sinal de compra é gerado quando a linha rápida cruza acima da linha lenta, e um sinal de venda é gerado quando ela cruza abaixo. A estratégia presta atenção especial a eventos de liquidez anormais e registra pontos-chave de preço por meio de matrizes, proporcionando assim oportunidades de negociação mais precisas.
Princípio da estratégia
O cerne da estratégia é medir a liquidez do mercado por meio da relação entre o volume de negociação e a variação de preço. As etapas específicas de implementação são as seguintes:
- Calcular o indicador de liquidez: Use o volume dividido pelo valor absoluto da diferença entre o preço de fechamento e o preço de abertura
- Estabelecendo Limites de Liquidez: Identificando Liquidez Anormal com EMA e Desvio Padrão
- Manter matriz de preços: registrar o preço ao romper o limite de liquidez
- Construindo Médias Móveis: Calculando EMAs Rápidas e Lentas com Base em Eventos de Liquidez
- Gerar sinais de negociação: determinar pontos de compra e venda por meio de cruzamentos de médias móveis
Vantagens estratégicas
- Percepção de liquidez: ao combinar o volume de negociação com as mudanças de preço, é possível capturar com mais precisão a atividade do mercado.
- Rastreamento de eventos anormais: registre os principais pontos de preço por meio de matrizes para evitar perder oportunidades importantes de mercado
- Adaptação dinâmica: o recurso de redução de peso do EMA permite que a estratégia se adapte melhor às mudanças do mercado
- Controle de risco: Forneça sinais claros de entrada e saída por meio do cruzamento de média móvel
- Personalização: vários parâmetros podem ser ajustados para se adaptar a diferentes ambientes de mercado
Risco estratégico
- Sensibilidade dos parâmetros: O efeito da estratégia depende fortemente das configurações dos parâmetros e precisa ser continuamente otimizado
- Atraso: Sistemas baseados em médias móveis têm atraso inerente
- Dependência do mercado: desempenho volátil em determinados períodos de tempo e mercados
- Falsos rompimentos: podem gerar sinais falsos durante períodos de alta volatilidade
- Custos de transação: transações frequentes podem resultar em custos mais elevados
Direção de otimização da estratégia
- Apresente o filtro:
- Adicione indicadores de confirmação de tendência, como ADX
- Usando indicadores de volatilidade para filtrar sinais falsos
- Melhoria no tempo de entrada:
- Combinando níveis de suporte e resistência
- Considere a confirmação de rompimento de volume
- Seleção de parâmetros de otimização:
- Implementando parâmetros adaptativos
- Ajuste dinâmico com base nas condições de mercado
- Gestão de risco aprimorada:
- Adicionar mecanismo de stop loss e take profit
- Implementando um sistema de gerenciamento de armazém
Resumir
Esta é uma estratégia inovadora que combina análise de liquidez com indicadores técnicos, otimizando o sistema tradicional de cruzamento de médias móveis por meio do monitoramento de anomalias de liquidez do mercado. Embora tenha um bom desempenho em ambientes de mercado específicos, ainda precisa de mais otimização para melhorar a estabilidade e a aplicabilidade. É recomendável que os traders realizem testes suficientes antes do uso em tempo real e os combinem com outros indicadores para construir um sistema de negociação mais completo.
/*backtest
start: 2019-12-23 08:00:00
end: 2025-01-16 00:00:00
period: 1d
basePeriod: 1d
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT","balance":49999}]
*/
//Liquidity ignoring price location
//@version=6
strategy("Liquidity Weighted Moving Averages [AlgoAlpha]", overlay=true, commission_type=strategy.commission.percent, commission_value=0.1, slippage=3)
// Inputs
outlierThreshold = input.int(10, "Outlier Threshold Length")
fastMovingAverageLength = input.int(50, "Fast MA Length")
slowMovingAverageLength = input.int(100, "Slow MA Length")
start_date = input(timestamp("2018-01-01 00:00"), title="Start Date")
end_date = input(timestamp("2069-12-31 23:59"), title="End Date")
// Define liquidity based on volume and price movement
priceMovementLiquidity = volume / math.abs(close - open)
// Calculate the boundary for liquidity to identify outliers
liquidityBoundary = ta.ema(priceMovementLiquidity, outlierThreshold) + ta.stdev(priceMovementLiquidity, outlierThreshold)
// Initialize an array to store liquidity values when they cross the boundary
var liquidityValues = array.new_float(5)
// Check if the liquidity crosses above the boundary and update the array
if ta.crossover(priceMovementLiquidity, liquidityBoundary)
array.insert(liquidityValues, 0, close)
if array.size(liquidityValues) > 5
array.pop(liquidityValues)
// Calculate the Exponential Moving Averages for the close price at the last liquidity crossover
fastEMA = ta.ema(array.size(liquidityValues) > 0 ? array.get(liquidityValues, 0) : na, fastMovingAverageLength)
slowEMA = ta.ema(array.size(liquidityValues) > 0 ? array.get(liquidityValues, 0) : na, slowMovingAverageLength)
// Trading Logic
in_date_range = true
buy_signal = ta.crossover(fastEMA, slowEMA) and in_date_range
sell_signal = ta.crossunder(fastEMA, slowEMA) and in_date_range
// Strategy Entry and Exit
if (buy_signal)
strategy.entry("Buy", strategy.long)
if (sell_signal)
strategy.close("Buy")
// Plotting
fastPlot = plot(fastEMA, color=fastEMA > slowEMA ? color.new(#00ffbb, 50) : color.new(#ff1100, 50), title="Fast EMA")
slowPlot = plot(slowEMA, color=fastEMA > slowEMA ? color.new(#00ffbb, 50) : color.new(#ff1100, 50), title="Slow EMA")
// Create a fill between the fast and slow EMA plots with appropriate color based on crossover
fill(fastPlot, slowPlot, fastEMA > slowEMA ? color.new(#00ffbb, 50) : color.new(#ff1100, 50))