Стратегия прорыва средней адаптивной цены канала
ChaoZhang
Обзор[Overview]
Стратегия прорыва цены в канале с устойчивой адаптацией - это стратегия прорыва длинной линии, основанная на устойчивой адаптации движущегося среднего ((AMA) и диапазона каналов для определения сигналов покупки и продажи. Эта стратегия использует AMA для вычисления направления тенденции текущей цены и в сочетании с диапазоном каналов с динамической корректировкой для обнаружения сигналов прорыва цены, чтобы совершать своевременные покупки и продажи.
Стратегический принцип[Strategy Principle]
Основным показателем стратегии является среднеадаптивная скользящая средняя ((AMA), используемая для отслеживания ценовых тенденций.
AMA(t) = α(t-1) * P(t) + [1 - α(t-1)] * AMA(t-1)
P (t) - текущая цена, а α (t) - плавное постоянное, значение которого колеблется от 0 до 1. Δt (α) - динамически регулируется определенными правилами, используемыми для управления чувствительностью АМА к изменениям цен. В частности, значение Δt (α) прямо пропорционально величине отклонения АМА и цены в СНРТ.
SNRT = (P(t) - AMA(t-1)) / AMA(t-1)
Таким образом, когда ценовые колебания увеличиваются, α ((t) увеличивается, что делает АМА более чувствительным к цене; когда ценовые колебания уменьшаются, α ((t) уменьшается, что делает АМА более гладкой.
Основываясь на AMA, стратегия создает адаптивный диапазон каналов для обнаружения сигналов прорыва цены. Верхние и нижние треки диапазона каналов:
Верхняя полоса: H (t) = (1 + β)*H(t-1)) * AMA(t)
Нижняя линия: L (t) = (1 - β)*L(t-1)) * AMA(t)
где β - регулируемый параметр, контролирующий ширину канала. Наконец, стратегия создает торговый сигнал, наблюдая, будет ли цена прорываться вверх или вниз:
Если цена поднимается, нужно делать больше.
“Я не могу позволить, чтобы это произошло, потому что я не хочу, чтобы это произошло.
В противном случае - пустота.
Анализ преимуществ[Advantage Analysis]
Эта стратегия имеет следующие преимущества:
Использование АМА вместо обычной скользящей средней позволяет более гибко фиксировать ценовые тенденции, особенно в более волатильных рынках.
Динамически изменяется диапазон адаптивных каналов, расширяется ширина каналов при неопределенности, уменьшается ширина каналов при четких тенденциях.
Используя ценовые прорывные торговые сигналы, можно вовремя поймать их в начале тренда, имея более высокий коэффициент победы.
Стратегическая логика проста, ясна, легко понятна и реализуема, подходит для количественных сделок.
Анализ рисков[Risk Analysis]
Также существуют следующие риски:
Неправильная настройка параметров AMA может привести к ошибочным тенденциям цен или создать ложные сигналы.
Параметры адаптивного канала, такие как β, должны быть настроены с осторожностью, иначе могут возникнуть слишком частые сделки или пропускать тенденции.
Сигналы прорыва цены могут быть обмануты ложными прорывами, и их следует фильтровать в сочетании с другими показателями.
Стратегия сама по себе не учитывает механизмы управления капиталом и погашения убытков, существует определенный риск потери.
Направление оптимизации[Optimization Directions]
Эта стратегия может быть оптимизирована в следующих аспектах:
Оптимизация метода расчета α-значений АМА, чтобы сделать его более чувствительным к изменениям цен.
Добавление дополнительного подтверждения после проникновения в канал, чтобы избежать ошибочного сигнала при ложном проникновении.
Фильтрация в сочетании с показателями объема торговли или волатильности обеспечивает эффективность прорыва.
Добавление механизма отслеживания стоп-лосса для блокировки прибыли и контроля риска.
Оптимизация управления капиталом, определение рационального управления позициями различных активов.
Подвести итог[Conclusion]
Стратегия самостоятельного адаптации к ценовому прорыву канала в целом является простой и практичной стратегией отслеживания тенденций. Она использует гибкое применение для отслеживания тенденций цены с помощью самостоятельного адаптации к движущимся средним, а также для обнаружения сигналов прорыва канала. У этой стратегии есть определенные преимущества, но также существует возможный риск.
/*backtest
start: 2022-10-26 00:00:00
end: 2023-11-01 00:00:00
period: 1d
basePeriod: 1h
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/
//@version=4
// CryptoStatistical - 2019
// AMA Strategy Channel Breakout Strategy from E. Durenard - Professional Automated Trading
// https://www.amazon.com/Professional-Automated-Trading-Theory-Practice/dp/1118129857
strategy(title="[CS] AMA Strategy - Channel Break Out", shorttitle="AMA_ChannelBreakout_Strategy", initial_capital = 1000, overlay=true, pyramiding = 0, calc_on_every_tick=false, calc_on_order_fills=false, commission_type= strategy.commission.percent, commission_value = 0.08, currency=currency.USD)
testStartYear = input(2019, "Backtest Start Year")
testStartMonth = input(6, "Backtest Start Month")
testStartDay = input(1, "Backtest Start Day")
testPeriodStart = timestamp(testStartYear,testStartMonth,testStartDay,0,0)
testStopYear = input(2019, "Backtest Stop Year")
testStopMonth = input(12, "Backtest Stop Month")
testStopDay = input(31, "Backtest Stop Day")
testPeriodStop = timestamp(testStopYear,testStopMonth,testStopDay,0,0)
testPeriodBackground = input(title="Color Background?", type=input.bool, defval=true)
testPeriodBackgroundColor = testPeriodBackground and (time >= testPeriodStart) and (time <= testPeriodStop) ? #00FF00 : na
bgcolor(testPeriodBackgroundColor, transp=95)
testPeriod() => true
price = input(title='Price Source:', type=input.source, defval=close)
ama = price
hb = price
lb = price
// Static model parameters
minfactor = 0.
maxfactor = 1.
deviation_max = 1.
deviation_min = 1.
beta_hb = 1.
beta_lb = 1.
snr = 1.
normalized_atan= 0.
alpha = 0.5
// Suggested snr-factor from .5 upto 3.1 by .3 to find best parameter
snrfactor = input(title='SNR Factor:', type=input.float, minval=0.6, maxval=3.3, step=0.3, defval=2.1)
// Sensitivity Lookback search for the best perdiod from 5 to 20
lookback = input(title='Sensitivity Lookback:', type=input.integer, defval=5)
// Suggested Beta from .5 below 4.5 by .3, usually in the range 1.2, 1.5
beta = input(title='Beta:', type=input.float, minval=0.6, maxval=4.5, step=0.3, defval=2.1)
offsetlabel = input(title='Offset Label:', type=input.float, minval=0.001, maxval=0.03, step=0.001, defval=0.001)
// pi/2
pi2 = 1.5707963267948966
// Zero-lag resampled moving average (Durschner nwma)
f_nwma(_src, _period) =>
fast = _period/2
lambda = _period/fast
alpha = lambda * (_period - 1)/(_period - lambda)
average1 = wma(_src,_period)
average2 = wma(average1,fast)
nwma = (1+alpha)*average1 - alpha*average2
ama := alpha[1]*price + (1-alpha[1])*nz(ama[1])
deviation_max := alpha[1]*max((price[0] - price[1])/price[1],0) + (1-alpha[1])*nz(deviation_max[1])
deviation_min := -alpha[1]*min((price[0] - price[1])/price[1],0) + (1-alpha[1])*nz(deviation_min[1])
beta_hb := beta*deviation_max
beta_lb := beta*deviation_min
hb := (1 + beta_hb[1])*ama
lb := (1 - beta_lb[1])*ama
snr := if price > hb
((price - ama[1])/ama[1])/beta_lb
else
if price < lb
-((price - ama[1])/ama[1])/beta_hb
else
0
normalized_atan := (atan(snrfactor*snr) + pi2)/(2*pi2)
alpha := f_nwma(minfactor + (maxfactor - minfactor)*normalized_atan, lookback)
plot(ama, color=color.black)
plot(hb, color=color.green)
plot(lb, color=color.red)
// Buy Condition Var
bc = false
// Sell Condition Var
sc = false
d = color.black
// Buy Condition
if(price > hb)
bc := true
d := color.green
// Sell Condition
if(price < lb)
sc := true
d := color.red
if(testPeriod())
strategy.entry("Long", strategy.long, when = bc)
strategy.entry("Short", strategy.short, when = sc)
alertcondition(bc, title='BuyCondition', message='Buy')
alertcondition(sc, title='SellCondition', message='Sell')
plotshape(title='Buy', series=bc ? price * (1 - offsetlabel) : na, text='A1B', style=shape.labelup, location=location.absolute, color=d, textcolor=color.white, offset=0)
plotshape(title='Sell', series=sc ? price * (1 + offsetlabel) : na, text='A1S', style=shape.labeldown, location=location.absolute, color=d, textcolor=color.white, offset=0)