ianzeng123
Visão geral
A estratégia de análise estatística do padrão de Fibonacci é um método de negociação quantitativa avançado que combina habilmente as três principais tecnologias de análise estatística e o nível de regressão de Fibonacci. A estratégia utiliza principalmente o nível de regressão de Fibonacci de 19% e 82,56% como base para o sinal de negociação, além de identificar configurações de negociação de alta probabilidade por meio de algoritmos de correspondência de padrões e confirmar com análise estatística.
Princípio da estratégia
O princípio central da estratégia de análise estatística do Modelo Fibonacci é baseado no trabalho conjunto de três componentes principais:
Níveis de retorno de FibonacciA estratégia utiliza os pontos mais altos e mais baixos de 93 períodos para calcular níveis especiais de retorno de Fibonacci de 19% e 82,56%. Esses níveis de Fibonacci extraordinários são exclusivos da estratégia e podem ser obtidos com base na análise estatística de comportamento específico do mercado. Quando os preços atingem ou ultrapassam esses níveis, um sinal de negociação inicial é gerado.
Identificação de padrões: A estratégia implementa um algoritmo de correspondência de padrões complexo, analisando padrões de preços passados e calculando a semelhança com o padrão atual. Ela usa um padrão de gráfico de comprimento especificado (default 5) e procura a melhor correspondência em dados históricos (default 93). Se a semelhança de padrões encontrada exceder o limiar definido (default 0.7), a estratégia prevê o possível movimento após o padrão atual com base na movimentação de preços após o padrão histórico.
Análise estatísticaA estratégia introduziu um mecanismo de confirmação estatística para determinar a distribuição estatística dos preços através do cálculo da mediana, do quarto decimal e do intervalo do quarto decimal (IQR). Quando os preços atravessam a mediana, o quarto decimal superior ou o limite superior e inferior (definido como Q3 + 1.5 * IQR e Q1 - 1.5 * IQR), são gerados sinais estatísticos. A intensidade desses sinais é recalculada de acordo com o nível de ruptura e os direitos estatísticos definidos pelo usuário.
A geração de sinais de negociação é o resultado de uma combinação de três componentes:
- A multiplicação requer que o sinal de Fibonacci seja tocado ou quebrado (dependendo da configuração do usuário) e que a direção do padrão seja multilateral ou neutra.
- A condição de vazio é necessária para atender ao sinal de toque ou ruptura de Fibonacci, a direção do padrão é vazia ou neutra, e a potência de vazia estatística é maior que 0 .
A estratégia também implementa mecanismos complexos de gerenciamento de riscos, incluindo:
- Opção de Stop Loss baseado em percentagem ou ATR
- Opções de tracking stop loss
- O mecanismo de lucro por lotes de sete níveis, com 14,28% de liquidação de cada nível
Vantagens estratégicas
Confirmação de sinal multidimensionalA estratégia combina as três dimensões da análise técnica (Fibonacci), identificação de padrões e análise estatística, formando um poderoso mecanismo de confirmação múltipla, reduzindo significativamente a possibilidade de falsos sinais.
Altamente adaptávelA estratégia oferece uma ampla variedade de configurações de parâmetros, incluindo a escolha de períodos de tempo, a duração do modelo, os limiares de similaridade, a janela de retrospecção histórica e os períodos estatísticos, permitindo-lhe adaptar-se a diferentes ambientes de mercado e variedades de negociação.
Identificação de padrões inteligentesO algoritmo de correspondência de padrões da estratégia considera não apenas a forma do padrão, mas também o limiar de similaridade, garantindo que apenas padrões altamente semelhantes sejam usados na previsão, aumentando a precisão da previsão.
Verificação estatísticaA estratégia permite identificar a posição dos preços na distribuição estatística, fornecendo uma base objetiva adicional para decisões de negociação, através da introdução de métodos estatísticos de quatro dígitos e IQR.
Uma boa gestão de riscosA estratégia oferece várias opções de stop loss (percentagem fixa, multiplicador ATR, stop loss de rastreamento) e um mecanismo de lucro em lotes de sete níveis, permitindo uma gestão de risco flexível e sistemática.
Visualização intuitivaA estratégia fornece uma abundância de elementos visuais, incluindo cores de fundo, setas, marcas e etiquetas, para ajudar os comerciantes a entender intuitivamente a situação atual do mercado e a intensidade do sinal.
Painel de status em tempo real: A estratégia mostra um painel de status atualizado em tempo real no gráfico, mostrando claramente o estado atual dos três componentes Fibonacci, Modelo e Estatística, e seus resultados combinados.
Risco estratégico
Sensibilidade do parâmetroA estratégia usa vários parâmetros, como o comprimento do modelo, o limiar de similaridade, o ciclo estatístico, etc. A configuração desses parâmetros afeta significativamente a performance da estratégia. A configuração inadequada dos parâmetros pode causar overfitting ou falta de sinal. É recomendado encontrar o conjunto de parâmetros adequado para um determinado mercado por meio de otimização de feedback.
Dependência do ambiente de mercadoA eficácia da estratégia pode variar com as condições do mercado. A solução é a introdução de um mecanismo de detecção do ambiente de mercado, usando diferentes configurações de parâmetros em diferentes ambientes de mercado.
Complexidade do cálculoA estratégia de algoritmos de correspondência de padrões requer que os dados históricos sejam revisitados e as semelhanças sejam calculadas em cada ciclo, o que pode gerar uma carga de computação em um período de tempo mais curto. Para mitigar este problema, pode-se considerar otimizar os algoritmos ou reduzir a frequência de computação.
Risco de excesso de negociação: Múltiplos mecanismos de sinalização podem levar a sinais de negociação frequentes, especialmente em períodos de tempo mais curtos. Recomenda-se a adição de restrições de frequência de negociação ou filtros de intensidade de sinal para executar apenas os sinais de mais alta qualidade.
Desafios de configuração de stop lossEmbora a estratégia ofereça várias opções de stop loss, a determinação do melhor nível de stop loss continua a ser um desafio. O stop loss muito apertado pode levar a um stop loss frequente, e o muito amplo pode levar a perdas excessivas. Recomenda-se o ajuste do stop loss de acordo com a dinâmica de volatilidade do mercado.
Falta de consideração básica: A estratégia é baseada exclusivamente em análise técnica e estatística, sem considerar os fatores fundamentais. A estratégia puramente técnica pode ser desafiada quando ocorrem notícias ou eventos importantes. A solução é adicionar filtros de notícias ou suspender a negociação antes ou depois de eventos importantes.
Direção de otimização da estratégia
Ajuste de parâmetros dinâmicos: Pode ser introduzido um mecanismo de auto-adaptação, ajustando dinamicamente os parâmetros de acordo com a volatilidade do mercado ou a intensidade da tendência, como a duração do padrão, os limites de similaridade e os ciclos estatísticos. Isso aumentará a adaptabilidade da estratégia em diferentes ambientes de mercado.
Algoritmo de correspondência de padrões de enriquecimentoOs padrões atuais de correspondência são baseados principalmente na relação entre o preço de fechamento e o preço de abertura (ascendente, descendente ou plano), e pode ser considerado a introdução de características de padrões mais complexos, como a relação entre os pontos altos e baixos, o padrão de volume de transação ou o padrão de taxa de flutuação, para melhorar a precisão da identificação de padrões.
Classificação do cenário de mercadoIntroduzir mecanismos de classificação de ambientes de mercado, como classificação de tendências/intervalos/caos, e usar diferentes regras de negociação ou configurações de parâmetros em diferentes ambientes de mercado. Isso ajudará a estratégia a se adaptar melhor a diferentes condições de mercado.
Optimizar a parte de análise estatística: Pode-se considerar o uso de métodos estatísticos mais complexos, como o Z-score ou a classificação por percentual, ou a introdução de ciclos estatísticos dinâmicos para melhorar a qualidade do sinal estatístico.
Integração de aprendizagem de máquinaO uso de algoritmos de aprendizado de máquina para otimizar a identificação de padrões e a distribuição de pesos estatísticos, ou para prever a distribuição de probabilidade de movimentos de preços após um determinado padrão, pode ser considerado.
Melhorar a gestão de riscos: Pode implementar estratégias de gerenciamento de posições dinâmicas, ajustando o tamanho das posições de acordo com a intensidade do sinal, a volatilidade do mercado e o risco da conta. Além disso, é possível otimizar o mecanismo de lucro por lotes, ajustando os objetivos de lucro de acordo com as condições dinâmicas do mercado.
Adicionar filtrosIntrodução de vários filtros, como filtros de tendência, filtros de taxa de flutuação ou filtros de volume de transação, para melhorar ainda mais a qualidade do sinal e reduzir o falso sinal.
Resumir
A estratégia de análise estatística do padrão Fibonacci é uma estratégia de negociação quantitativa, bem estruturada e rica em funções, que cria um poderoso sistema de sinais multidimensional por meio da combinação inovadora de níveis de retorno de Fibonacci, identificação de padrões e análise estatística. O principal benefício da estratégia é o seu mecanismo de confirmação multicamadas, design adaptável e funções de gerenciamento de risco perfeitas, que permitem encontrar oportunidades de negociação de alta probabilidade em diferentes ambientes de mercado.
No entanto, a estratégia também enfrenta desafios como sensibilidade a parâmetros, dependência do ambiente de mercado e complexidade de computação. Há muito espaço para melhorias na estratégia, introduzindo direções de otimização como ajuste de parâmetros dinâmicos, algoritmos de correspondência de padrões aprimorados, classificação do ambiente de mercado e aprendizagem de máquina.
Para os comerciantes que desejam usar esta estratégia, é recomendável começar por analisar o desempenho da estratégia em diferentes mercados e configurações de parâmetros, e depois começar a partir de posições pequenas em negociações em ativos, gradualmente ajustando e otimizando os parâmetros para se adequar a um estilo de negociação específico e ao ambiente de mercado. Acima de tudo, considere esta estratégia como uma ferramenta no seu kit de ferramentas de negociação, e não como um sistema isolado, que pode ser usado em combinação com outros métodos de análise e princípios de gerenciamento de risco para maximizar seu potencial.
/*backtest
start: 2024-03-03 00:00:00
end: 2024-05-01 00:00:00
period: 1h
basePeriod: 1h
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/
//@version=6
strategy("Fibonacci-Only Strategi V2", overlay=true)
timeframe = input.timeframe("15", "Select Timeframe", options=["1", "5", "15", "30", "60", "240", "D"])
use_break_strategy = input(true, "Use Break Strategy")
stop_loss_percent = input.float(1.0, "Stop Loss %", minval=0.1, maxval=2.0, step=0.1)
use_atr_for_sl = input(true, "Use ATR for Stop Loss")
atr_multiplier = input.float(2.0, "ATR Multiplier for SL", minval=0.5, maxval=5.0, step=0.1)
use_trailing_stop = input(true, "Use Trailing Stop")
trailing_stop_percent = input.float(1.5, "Trailing Stop %", minval=0.1, maxval=5.0, step=0.1)
pattern_length = input.int(5, "Candle Pattern Length", minval=3, maxval=10)
similarity_threshold = input.float(0.7, "Pattern Similarity Threshold", minval=0.6, maxval=0.95)
lookback_window = input.int(93, "Historical Lookback Window", minval=10, maxval=93)
stat_period = input.int(50, "Statistical Period", minval=20, maxval=200)
stat_weight = input.float(0.5, "Statistical Confirmation Weight", minval=0.1, maxval=1.0, step=0.1)
fib_high = ta.highest(high, 93)
fib_low = ta.lowest(low, 93)
fib_diff = fib_high - fib_low
fib_19 = fib_high - fib_diff * 0.19
fib_8256 = fib_high - fib_diff * 0.8256
fib_19_reverse = fib_low + fib_diff * 0.19
plot(fib_8256, color=color.purple, style=plot.style_line, title="82.56% Fib")
plot(fib_19_reverse, color=color.orange, style=plot.style_line, title="19% Fib (Low to High)")
fib_19_touch = low[1] > fib_19 and low <= fib_19
fib_8256_touch = high[1] < fib_8256 and high >= fib_8256
fib_19_break = close < fib_19 and open > fib_19
fib_8256_break = close > fib_8256 and open < fib_8256
fib_19_reverse_touch = high[1] < fib_19_reverse and high >= fib_19_reverse
fib_19_reverse_break = close > fib_19_reverse and open < fib_19_reverse
bull_confirmation = close > open
bear_confirmation = close < open
getMedianAndQuartiles(src, len) =>
values = array.new_float(0)
for i = 0 to len - 1
array.push(values, src[i])
array.sort(values)
size = array.size(values)
median = size % 2 == 1 ? array.get(values, math.floor(size / 2)) : (array.get(values, size / 2 - 1) + array.get(values, size / 2)) / 2
q1_idx = math.floor(size / 4)
q3_idx = math.floor(3 * size / 4)
q1 = array.get(values, q1_idx)
q3 = array.get(values, q3_idx)
[median, q1, q3]
[price_median, price_q1, price_q3] = getMedianAndQuartiles(close, stat_period)
iqr = price_q3 - price_q1
upper_bound = price_q3 + 1.5 * iqr
lower_bound = price_q1 - 1.5 * iqr
stat_bull_signal = close > price_median and close[1] <= price_median
stat_bear_signal = close < price_median and close[1] >= price_median
stat_strong_bull = close > price_q3 and close[1] <= price_q3
stat_strong_bear = close < price_q1 and close[1] >= price_q1
stat_extreme_bull = close > upper_bound
stat_extreme_bear = close < lower_bound
long_condition_fib_touch = (fib_19_touch or fib_19_reverse_touch) and bull_confirmation
long_condition_fib_break = use_break_strategy and (fib_19_break or fib_19_reverse_break) and bull_confirmation
short_condition_fib_touch = fib_19_touch and bear_confirmation
short_condition_fib_break = use_break_strategy and fib_19_break and bear_confirmation
getPatternSignature(start_idx, len) =>
pattern = array.new_float(len)
for i = 0 to len - 1
if close[start_idx + i] > open[start_idx + i]
array.set(pattern, i, 1.0)
else if close[start_idx + i] < open[start_idx + i]
array.set(pattern, i, -1.0)
else
array.set(pattern, i, 0.0)
pattern
calcSimilarity(current_pattern, hist_pattern) =>
matches = 0.0
for i = 0 to array.size(current_pattern) - 1
if array.get(current_pattern, i) == array.get(hist_pattern, i)
matches := matches + 1.0
matches / array.size(current_pattern)
findBestMatch() =>
curr_pattern = getPatternSignature(1, pattern_length)
best_idx = -1
best_sim = 0.0
direction = 0
for i = pattern_length + 2 to lookback_window + 1
if i < pattern_length * 2
continue
hist_pattern = getPatternSignature(i, pattern_length)
sim = calcSimilarity(curr_pattern, hist_pattern)
if sim > best_sim and sim >= similarity_threshold
best_sim := sim
best_idx := i
next_close = close[i - pattern_length - 1]
curr_close = close[i - pattern_length]
if next_close > curr_close
direction := 1
else if next_close < curr_close
direction := -1
[best_idx, best_sim, direction]
var latest_pattern_sim = 0.0
var pattern_direction = 0
if barstate.isconfirmed
[idx, sim, dir] = findBestMatch()
if sim >= similarity_threshold
latest_pattern_sim := sim
pattern_direction := dir
calculateStatWeight(stat_signal, stat_strong, stat_extreme) =>
weight = 0.0
if stat_signal
weight := stat_weight * 0.5
if stat_strong
weight := weight + stat_weight * 0.3
if stat_extreme
weight := weight + stat_weight * 0.2
weight
stat_bull_weight = calculateStatWeight(stat_bull_signal, stat_strong_bull, stat_extreme_bull)
stat_bear_weight = calculateStatWeight(stat_bear_signal, stat_strong_bear, stat_extreme_bear)
long_condition = (long_condition_fib_touch or long_condition_fib_break) and
(pattern_direction == 1 or pattern_direction == 0)
short_condition = (short_condition_fib_touch or short_condition_fib_break) and
(pattern_direction == -1 or pattern_direction == 0) and
stat_bear_weight > 0
atr = ta.atr(14)
if long_condition
strategy.entry("Long", strategy.long)
if short_condition
strategy.entry("Short", strategy.short)
var float long_stop_loss = na
var float short_stop_loss = na
if strategy.position_size > 0
long_stop_loss := use_atr_for_sl ? strategy.position_avg_price - atr * atr_multiplier : strategy.position_avg_price * (1 - stop_loss_percent / 100)
if strategy.position_size < 0
short_stop_loss := use_atr_for_sl ? strategy.position_avg_price + atr * atr_multiplier : strategy.position_avg_price * (1 + stop_loss_percent / 100)
take_profit_levels = array.new_float(7)
for i = 0 to 6
tp_percent = 1 + (i + 1) * 0.5 / 100
array.set(take_profit_levels, i, tp_percent * strategy.position_avg_price)
if strategy.position_size > 0
if use_trailing_stop
trail_price = high - (high - strategy.position_avg_price) * trailing_stop_percent / 100
strategy.exit("Long TS", "Long", stop=math.max(trail_price, long_stop_loss))
else
strategy.exit("Long SL", "Long", stop=long_stop_loss)
for i = 0 to 6
long_tp_price = array.get(take_profit_levels, i)
strategy.exit("Long TP" + str.tostring(i+1), "Long", limit=long_tp_price, qty_percent=14.28)
if strategy.position_size < 0
if use_trailing_stop
trail_price = low + (strategy.position_avg_price - low) * trailing_stop_percent / 100
strategy.exit("Short TS", "Short", stop=math.min(trail_price, short_stop_loss))
else
strategy.exit("Short SL", "Short", stop=short_stop_loss)
for i = 0 to 6
short_tp_price = array.get(take_profit_levels, i)
strategy.exit("Short TP" + str.tostring(i+1), "Short", limit=short_tp_price, qty_percent=14.28)
bgcolor(long_condition ? color.new(color.green, 80) : short_condition ? color.new(color.red, 80) : na)
plotarrow(long_condition ? 1 : short_condition ? -1 : 0, title="Signal Direction", colorup=color.green, colordown=color.red, minheight=10, maxheight=20)
long_touch_marker = long_condition and long_condition_fib_touch ? low - atr : na
long_break_marker = long_condition and long_condition_fib_break ? low - atr * 1.5 : na
short_touch_marker = short_condition and short_condition_fib_touch ? high + atr : na
short_break_marker = short_condition and short_condition_fib_break ? high + atr * 1.5 : na
plotshape(long_touch_marker, style=shape.circle, color=color.green, size=size.normal, title="Long Touch Marker", location=location.absolute)
plotshape(long_break_marker, style=shape.xcross, color=color.green, size=size.normal, title="Long Break Marker", location=location.absolute)
plotshape(short_touch_marker, style=shape.circle, color=color.red, size=size.normal, title="Short Touch Marker", location=location.absolute)
plotshape(short_break_marker, style=shape.xcross, color=color.red, size=size.normal, title="Short Break Marker", location=location.absolute)
plotshape(stat_bear_signal, style=shape.triangledown, color=color.red, size=size.tiny, title="Statistical Bear Signal", location=location.abovebar)
if barstate.islast
var table info = table.new(position.top_right, 4, 5, color.black, color.white, 2, color.gray, 2)
table.clear(info, 0, 0, 3, 4)
table.cell(info, 0, 0, "Fibonacci-Pattern with Stats", bgcolor=color.blue, text_color=color.white)
table.cell(info, 0, 1, "Fib Status", bgcolor=color.blue, text_color=color.white)
fib_status = "NEUTRAL"
fib_color = color.gray
if long_condition_fib_touch or long_condition_fib_break
fib_status := "LONG"
fib_color := color.green
else if short_condition_fib_touch or short_condition_fib_break
fib_status := "SHORT"
fib_color := color.red
table.cell(info, 1, 1, fib_status, bgcolor=fib_color, text_color=color.white)
table.cell(info, 0, 2, "Pattern", bgcolor=color.blue, text_color=color.white)
pattern_status = "NEUTRAL"
pattern_color = color.gray
if pattern_direction == 1
pattern_status := "LONG"
pattern_color := color.green
else if pattern_direction == -1
pattern_status := "SHORT"
pattern_color := color.red
table.cell(info, 1, 2, pattern_status, bgcolor=pattern_color, text_color=color.white)
table.cell(info, 2, 2, pattern_direction != 0 ? str.tostring(math.round(latest_pattern_sim * 100)) + "%" : "N/A", bgcolor=color.gray, text_color=color.white)
table.cell(info, 0, 3, "Statistics", bgcolor=color.blue, text_color=color.white)
stat_status = "NEUTRAL"
stat_color = color.gray
if stat_bull_weight > 0
stat_status := "BULL"
stat_color := color.green
else if stat_bear_weight > 0
stat_status := "BEAR"
stat_color := color.red
table.cell(info, 1, 3, stat_status, bgcolor=stat_color, text_color=color.white)
table.cell(info, 2, 3, stat_bull_weight > 0 ? str.tostring(math.round(stat_bull_weight * 100)) + "%" :
stat_bear_weight > 0 ? str.tostring(math.round(stat_bear_weight * 100)) + "%" : "0%",
bgcolor=color.gray, text_color=color.white)
table.cell(info, 0, 4, "Combined", bgcolor=color.blue, text_color=color.white)
combined_status = "NEUTRAL"
combined_color = color.gray
if long_condition
combined_status := "LONG"
combined_color := color.green
else if short_condition
combined_status := "SHORT"
combined_color := color.red
table.cell(info, 1, 4, combined_status, bgcolor=combined_color, text_color=color.white)
var label_id = label.new(na, na, "", color=color.gray, style=label.style_label_down, textcolor=color.white)
if long_condition and barstate.isconfirmed
label.set_xy(label_id, bar_index, high)
label.set_text(label_id, "LONG\n" +
(long_condition_fib_touch ? "Touch" : "Break") +
(pattern_direction == 1 ? " + Pattern " + str.tostring(math.round(latest_pattern_sim * 100)) + "%" : "") +
"\nStat: " + str.tostring(math.round(stat_bull_weight * 100)) + "%")
label.set_color(label_id, color.green)
label.set_style(label_id, label.style_label_down)
if short_condition and barstate.isconfirmed
label.set_xy(label_id, bar_index, low)
label.set_text(label_id, "SHORT\n" +
(short_condition_fib_touch ? "Touch" : "Break") +
(pattern_direction == -1 ? " + Pattern " + str.tostring(math.round(latest_pattern_sim * 100)) + "%" : "") +
"\nStat: " + str.tostring(math.round(stat_bear_weight * 100)) + "%")
label.set_color(label_id, color.red)
label.set_style(label_id, label.style_label_up)
alertcondition(long_condition, title="Long Entry", message="Long entry signal detected")
alertcondition(short_condition, title="Short Entry", message="Short entry signal detected")