ChaoZhang
Visão geral
Esta estratégia é um sistema de negociação quantitativa baseado em regressão multifatorial e faixas de preços dinâmicas. A lógica central é prever tendências de preços por meio de um modelo de regressão multifatorial, combinando diversos fatores de mercado, como dominância do BTC, volume de negociação e preços defasados para construir faixas de preço superior e inferior para geração de sinal. A estratégia integra múltiplos módulos de gerenciamento de risco, como filtragem de outliers, gerenciamento dinâmico de posição e stop loss móvel. É um sistema de negociação abrangente e robusto.
Princípio da estratégia
A estratégia inclui principalmente os seguintes componentes principais:
- Módulo de previsão de regressão: use o modelo de regressão linear multifatorial para prever preços. Os fatores incluem dominância do BTC, volume de negociação, termos de defasagem de preço, termos de interação, etc. O coeficiente beta de cada fator é calculado para medir seu impacto no preço.
- Faixas de preço dinâmicas: construa faixas de preço superior e inferior com base nos preços previstos e desvios-padrão residuais para identificar preços de sobrecompra e sobrevenda.
- Geração de sinal: Um sinal longo é gerado quando o preço rompe a banda inferior e o RSI está sobrevendido; um sinal curto é gerado quando o preço rompe a banda superior e o RSI está sobrecomprado.
- Gestão de risco: incluindo filtragem de outliers (método de pontuação Z), stop loss e take profit, stop loss móvel de ATR e outros mecanismos de proteção múltiplos.
- Posição dinâmica: ajuste dinamicamente o tamanho da posição de abertura com base no ATR e na taxa de risco predefinida.
Vantagens estratégicas
- Integração multifatorial: considere de forma abrangente vários fatores de mercado para fornecer uma perspectiva abrangente do mercado.
- Forte adaptabilidade: a faixa de preço será ajustada dinamicamente de acordo com as flutuações do mercado para se adaptar a diferentes ambientes de mercado.
- Controle de risco perfeito: o gerenciamento de risco multinível garante a segurança dos fundos.
- Flexível e configurável: Um grande número de parâmetros são ajustáveis, fáceis de otimizar de acordo com diferentes características do mercado.
- Alta confiabilidade do sinal: vários mecanismos de filtragem melhoram a qualidade do sinal.
Risco estratégico
- Risco do modelo: os modelos de regressão dependem de dados históricos e podem falhar quando o mercado muda drasticamente.
- Sensibilidade dos parâmetros: muitos parâmetros precisam ser ajustados cuidadosamente, e configurações inadequadas de parâmetros afetarão o desempenho da estratégia.
- Complexidade computacional: cálculos multifatoriais são mais complexos e podem afetar o desempenho em tempo real.
- Dependência do ambiente de mercado: pode ter melhor desempenho em mercados voláteis do que em mercados com tendências.
Direção de otimização da estratégia
- Otimização da seleção de fatores: Mais fatores de mercado podem ser introduzidos, como indicadores de sentimento de mercado, dados on-chain, etc.
- Ajuste dinâmico de parâmetros: desenvolver mecanismos de ajuste adaptativo de parâmetros para melhorar a adaptabilidade da estratégia.
- Aprimoramento de aprendizado de máquina: introduzir métodos de aprendizado de máquina para otimizar o modelo de previsão.
- Melhoria da filtragem de sinal: desenvolva mais condições de filtragem de sinal para melhorar a precisão.
- Integração de estratégia combinada: use em combinação com outras estratégias para melhorar a estabilidade.
Resumir
Esta estratégia é um sistema de negociação quantitativa com teoria sólida e design perfeito. Preveja preços por meio de modelos de regressão multifatorial, gere sinais de negociação com base em faixas de preços dinâmicas e esteja equipado com um mecanismo abrangente de gerenciamento de risco. A estratégia é altamente adaptável e configurável e adequada para vários ambientes de mercado. Por meio de otimização e melhoria contínuas, espera-se que esta estratégia alcance retornos estáveis em negociações reais.
Código-fonte da estratégia
/*backtest
start: 2024-12-17 00:00:00
end: 2025-01-16 00:00:00
period: 1h
basePeriod: 1h
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT","balance":49999}]
*/
//@version=5
strategy( title = "CorrAlgoX", overlay = true,pyramiding = 1, initial_capital = 10000, default_qty_type= strategy.percent_of_equity, default_qty_value=200)
//====================================================================
//=========================== GİRİŞLER ================================
//====================================================================
// --- (1) REGRESYON VE OUTLIER AYARLARI
int lengthReg = input.int(300, "Regression Window", minval=50)
bool useOutlierFilter = input.bool(false, "Z-skoru ile Outlier Filtrele")
// --- (2) FİYAT GECİKMELERİ
bool usePriceLag2 = input.bool(false, "2 Bar Gecikmeli Fiyatı Kullan")
// --- (3) STOP-LOSS & TAKE-PROFIT
float stopLossPerc = input.float(3.0, "Stop Loss (%)", step=0.1)
float takeProfitPerc = input.float(5.0, "Take Profit (%)", step=0.1)
// --- (4) REZİDÜEL STD BANTI
int lengthForStd = input.int(50, "StdDev Length (residual)", minval=2)
float stdevFactor = input.float(2.0, "Stdev Factor", step=0.1)
// --- (5) RSI FİLTRESİ
bool useRsiFilter = input.bool(true, "RSI Filtresi Kullan")
int rsiLen = input.int(14, "RSI Length", minval=1)
float rsiOB = input.float(70, "RSI Overbought", step=1)
float rsiOS = input.float(30, "RSI Oversold", step=1)
// --- (6) TRAILING STOP
bool useTrailingStop = input.bool(false, "ATR Tabanlı Trailing Stop")
int atrLen = input.int(14, "ATR Length", minval=1)
float trailMult = input.float(1.0, "ATR multiplier", step=0.1)
// --- (7) DİNAMİK POZİSYON BÜYÜKLÜĞÜ (ATR tabanlı)
bool useDynamicPos = input.bool(false, "Dinamik Pozisyon Büyüklüğü Kullan")
float capitalRiskedPerc = input.float(1.0, "Sermaye Risk Yüzdesi", step=0.1, tooltip="Her işlemde risk alınacak sermaye yüzdesi")
// --- (8) ETKİLEŞİM VE LOG(HACİM) KULLANIMI
bool useSynergyTerm = input.bool(true, "BTC.D * Hacim Etkileşim Terimi")
bool useLogVolume = input.bool(true, "Hacmi Logaritmik Kullan")
//====================================================================
//======================= VERİLERİ AL & HAZIRLA =======================
//====================================================================
// Mevcut enstrüman fiyatı
float realClose = close
// BTC Dominance (aynı TF)
float btcDom = request.security("SWAP", timeframe.period, close)
// Hacim
float vol = volume
// Gecikmeli fiyatlar
float priceLag1 = close[1]
float priceLag2 = close[2] // (isteğe bağlı)
//----------------- Outlier Filtrelemesi (Z-Skoru) ------------------//
float priceMean = ta.sma(realClose, lengthReg)
float priceStdev = ta.stdev(realClose, lengthReg)
float zScore = (priceStdev != 0) ? (realClose - priceMean) / priceStdev : 0
bool isOutlier = math.abs(zScore) > 3.0
float filteredClose = (useOutlierFilter and isOutlier) ? na : realClose
// Fiyatın stdev'i (filtrelenmiş)
float fCloseStdev = ta.stdev(filteredClose, lengthReg)
//====================================================================
//=============== ORTALAMA, STDEV, KORELASYON HESAPLARI ==============
//====================================================================
// BTC.D
float btcDomMean = ta.sma(btcDom, lengthReg)
float btcDomStdev = ta.stdev(btcDom, lengthReg)
float corrBtcDom = ta.correlation(btcDom, filteredClose, lengthReg)
// Hacim
float volMean = ta.sma(vol, lengthReg)
float volStdev = ta.stdev(vol, lengthReg)
float corrVol = ta.correlation(vol, filteredClose, lengthReg)
// Fiyat Lag1
float plag1Mean = ta.sma(priceLag1, lengthReg)
float plag1Stdev = ta.stdev(priceLag1, lengthReg)
float corrPLag1 = ta.correlation(priceLag1, filteredClose, lengthReg)
// Fiyat Lag2 (isteğe bağlı)
float plag2Mean = ta.sma(priceLag2, lengthReg)
float plag2Stdev = ta.stdev(priceLag2, lengthReg)
float corrPLag2 = ta.correlation(priceLag2, filteredClose, lengthReg)
// BTC.D * Hacim (synergyTerm)
float synergyTerm = btcDom * vol
float synergyMean = ta.sma(synergyTerm, lengthReg)
float synergyStdev = ta.stdev(synergyTerm, lengthReg)
float corrSynergy = ta.correlation(synergyTerm, filteredClose, lengthReg)
// Log(Hacim)
float logVolume = math.log(vol + 1.0)
float logVolMean = ta.sma(logVolume, lengthReg)
float logVolStdev = ta.stdev(logVolume, lengthReg)
float corrLogVol = ta.correlation(logVolume, filteredClose, lengthReg)
//====================================================================
//===================== FONKSIYON: BETA HESAPLAMA =====================
//====================================================================
// Pine Script'te fonksiyonlar şöyle tanımlanır (tip bildirmeyiz):
getBeta(corrVal, stdevX) =>
(stdevX != 0 and not na(corrVal) and fCloseStdev != 0)? corrVal * (fCloseStdev / stdevX) : 0.0
//====================================================================
//======================== BETA KATSAYILARI ===========================
//====================================================================
// BTC Dominance
float betaBtcDom = getBeta(corrBtcDom, btcDomStdev)
// Hacim
float betaVol = getBeta(corrVol, volStdev)
// Fiyat Lag1
float betaPLag1 = getBeta(corrPLag1, plag1Stdev)
// Fiyat Lag2
float betaPLag2 = getBeta(corrPLag2, plag2Stdev)
// synergy
float betaSynergy = getBeta(corrSynergy, synergyStdev)
// logVol
float betaLogVol = getBeta(corrLogVol, logVolStdev)
//====================================================================
//===================== TAHMİNİ FİYAT OLUŞTURMA ======================
//====================================================================
float alpha = priceMean
bool canCalc = not na(filteredClose) and not na(priceMean)
float predictedPrice = na
if canCalc
// Farklar
float dBtcDom = (btcDom - btcDomMean)
float dVol = (vol - volMean)
float dPLag1 = (priceLag1 - plag1Mean)
float dPLag2 = (priceLag2 - plag2Mean)
float dSynergy = (synergyTerm - synergyMean)
float dLogVol = (logVolume - logVolMean)
float sumBeta = 0.0
sumBeta += betaBtcDom * dBtcDom
sumBeta += betaVol * dVol
sumBeta += betaPLag1 * dPLag1
if usePriceLag2
sumBeta += betaPLag2 * dPLag2
if useSynergyTerm
sumBeta += betaSynergy * dSynergy
if useLogVolume
sumBeta += betaLogVol * dLogVol
predictedPrice := alpha + sumBeta
//====================================================================
//======================= REZİDÜEL & BANT ============================
//====================================================================
float residual = filteredClose - predictedPrice
float residStdev = ta.stdev(residual, lengthForStd)
float upperBand = predictedPrice + stdevFactor * residStdev
float lowerBand = predictedPrice - stdevFactor * residStdev
//====================================================================
//========================= SİNYAL ÜRETİMİ ===========================
//====================================================================
bool longSignal = (realClose < lowerBand)
bool shortSignal = (realClose > upperBand)
//------------------ RSI Filtresi (opsiyonel) -----------------------//
float rsiVal = ta.rsi(realClose, rsiLen)
bool rsiOversold = (rsiVal < rsiOS)
bool rsiOverbought = (rsiVal > rsiOB)
if useRsiFilter
longSignal := longSignal and rsiOversold
shortSignal := shortSignal and rsiOverbought
//====================================================================
//=============== DİNAMİK POZİSYON & GİRİŞ/ÇIKIŞ EMİRLERİ ============
//====================================================================
float myAtr = ta.atr(atrLen)
float positionSize = na
if useDynamicPos
float capitalRisked = strategy.equity * (capitalRiskedPerc / 100.0)
float riskPerUnit = (stopLossPerc/100.0) * myAtr
positionSize := (riskPerUnit != 0.0) ? (capitalRisked / riskPerUnit) : na
// Long
if longSignal
if useDynamicPos and not na(positionSize)
strategy.entry("Long", strategy.long, qty=positionSize)
else
strategy.entry("Long", strategy.long)
// Short
if shortSignal
if useDynamicPos and not na(positionSize)
strategy.entry("Short", strategy.short, qty=positionSize)
else
strategy.entry("Short", strategy.short)
// Stop-Loss & Take-Profit
if strategy.position_size > 0
strategy.exit( "Long Exit", "Long",stop = strategy.position_avg_price * (1 - stopLossPerc/100), limit = strategy.position_avg_price * (1 + takeProfitPerc/100))
if strategy.position_size < 0
strategy.exit("Short Exit", "Short", stop = strategy.position_avg_price * (1 + stopLossPerc/100),limit = strategy.position_avg_price * (1 - takeProfitPerc/100))
//------------------ TRAILING STOP (opsiyonel) ----------------------//
if useTrailingStop
if strategy.position_size > 0
strategy.exit( "Long Exit TS", "Long", trail_points = myAtr * trailMult, trail_offset = myAtr * trailMult )
if strategy.position_size < 0
strategy.exit( "Short Exit TS", "Short", trail_points = myAtr * trailMult, trail_offset = myAtr * trailMult)
//====================================================================
//======================== GRAFİK ÇİZİMLER ===========================
//====================================================================
plot(realClose, color=color.white, linewidth=1, title="Fiyat")
plot(predictedPrice, color=color.yellow, linewidth=2, title="PredictedPrice")
plot(upperBand, color=color.red, linewidth=1, title="Üst Band")
plot(lowerBand, color=color.lime, linewidth=1, title="Alt Band")
plotshape( useOutlierFilter and isOutlier, style=shape.circle, color=color.red, size=size.tiny, location=location.abovebar, title="Outlier", text="Outlier")