Адаптивная статистическая арбитражная стратегия с отслеживанием импульса


Дата создания: 2023-12-11 16:41:27 Последнее изменение: 2023-12-11 16:41:27
Копировать: 0 Количество просмотров: 791
avatar of ChaoZhang ChaoZhang
1
Подписаться
1621
Подписчики

Адаптивная статистическая арбитражная стратегия с отслеживанием импульса

Обзор

Стратегия, основанная на методе ядерной регрессии Надарайя-Уотсона, создает динамическую волатильность вокруг пояса, чтобы отслеживать пересечение цены и вокруг пояса для достижения торговых сигналов с низкой ценой. Стратегия имеет математическую аналитическую основу и может самостоятельно адаптироваться к изменениям рынка.

Стратегический принцип

В основе стратегии лежит вычисление динамических окружающих поясов цен. Во-первых, построение Nadaraya-Watson Nuclear Regression Curve с ценой ((закрытие, максимум, минимум) в соответствии с определенным периодом отсчета, получение сглаженной оценки цен. Затем вычисление ATR-индикатора на основе определенной длины ATR, в сочетании с коэффициентами ближнего и дальнего конца, получение диапазона верхнего и нижнего окружающих поясов.

Стратегические преимущества

  1. Основанный на математических моделях, с управляемыми параметрами, не поддающийся переоптимизации
  2. Приспосабливаясь к изменениям на рынке, используя динамику цены и волатильности, чтобы поймать торговые возможности
  3. Используя координатные координаты, хорошо справляется с разными временными циклами и колебаниями
  4. Чувствительность настраиваемых параметров для коррекции стратегии

Стратегический риск

  1. Математические модели теоретизируются, а реальное устройство может работать не так, как ожидалось
  2. Выбор ключевых параметров требует опыта, неправильная настройка может повлиять на прибыль
  3. Есть определенная отсталость, возможно, некоторые возможности для торговли будут упущены.
  4. Сигналы могут быть ошибочными, когда рынок сильно колеблется.

В основном, эти риски можно избежать и уменьшить, оптимизируя параметры, хорошо отслеживая, понимая факторы влияния и соблюдая осторожность.

Направление оптимизации стратегии

  1. Дальнейшая оптимизация параметров, чтобы найти оптимальную комбинацию параметров
  2. Параметры автоматического отбора с использованием методов машинного обучения
  3. Добавление фильтрующих условий, активизация стратегий в определенных рыночных условиях
  4. Фильтрация в сочетании с другими показателями вводит в заблуждение
  5. Попробуйте различные алгоритмы математических моделей

Подвести итог

Стратегия объединяет статистический анализ с анализом технических показателей, динамически отслеживая цены и волатильность, для достижения торговых сигналов с низкой ценой. Параметры могут быть скорректированы в зависимости от рынка и собственных обстоятельств. В целом, теоретическая основа стратегии прочна, практическая производительность еще предстоит проверить.

Исходный код стратегии 
/*backtest
start: 2022-12-04 00:00:00
end: 2023-12-10 00:00:00
period: 1d
basePeriod: 1h
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/

// © Julien_Eche
//@version=5

strategy("Nadaraya-Watson Envelope Strategy", overlay=true, pyramiding=1, default_qty_type=strategy.percent_of_equity, default_qty_value=20)

// Helper Functions
getEnvelopeBounds(_atr, _nearFactor, _farFactor, _envelope) => 
    _upperFar = _envelope + _farFactor*_atr
    _upperNear = _envelope + _nearFactor*_atr
    _lowerNear = _envelope - _nearFactor*_atr
    _lowerFar = _envelope - _farFactor*_atr
    _upperAvg = (_upperFar + _upperNear) / 2
    _lowerAvg = (_lowerFar + _lowerNear) / 2 
    [_upperNear, _upperFar, _upperAvg, _lowerNear, _lowerFar, _lowerAvg]

customATR(length, _high, _low, _close) =>
    trueRange = na(_high[1])? math.log(_high)-math.log(_low) : math.max(math.max(math.log(_high) - math.log(_low), math.abs(math.log(_high) - math.log(_close[1]))), math.abs(math.log(_low) - math.log(_close[1])))
    ta.rma(trueRange, length)

customKernel(x, h, alpha, x_0) =>
    sumWeights = 0.0
    sumXWeights = 0.0
    for i = 0 to h
        weight = math.pow(1 + (math.pow((x_0 - i), 2) / (2 * alpha * h * h)), -alpha)
        sumWeights := sumWeights + weight
        sumXWeights := sumXWeights + weight * x[i]
    sumXWeights / sumWeights

// Custom Settings
customLookbackWindow = input.int(8, 'Lookback Window (Custom)', group='Custom Settings')
customRelativeWeighting = input.float(8., 'Relative Weighting (Custom)', step=0.25, group='Custom Settings')
customStartRegressionBar = input.int(25, "Start Regression at Bar (Custom)", group='Custom Settings')

// Envelope Calculations
customEnvelopeClose = math.exp(customKernel(math.log(close), customLookbackWindow, customRelativeWeighting, customStartRegressionBar))
customEnvelopeHigh = math.exp(customKernel(math.log(high), customLookbackWindow, customRelativeWeighting, customStartRegressionBar))
customEnvelopeLow = math.exp(customKernel(math.log(low), customLookbackWindow, customRelativeWeighting, customStartRegressionBar))
customEnvelope = customEnvelopeClose
customATRLength = input.int(60, 'ATR Length (Custom)', minval=1, group='Custom Settings')
customATR = customATR(customATRLength, customEnvelopeHigh, customEnvelopeLow, customEnvelopeClose)
customNearATRFactor = input.float(1.5, 'Near ATR Factor (Custom)', minval=0.5, step=0.25, group='Custom Settings')
customFarATRFactor = input.float(2.0, 'Far ATR Factor (Custom)', minval=1.0, step=0.25, group='Custom Settings')
[customUpperNear, customUpperFar, customUpperAvg, customLowerNear, customLowerFar, customLowerAvg] = getEnvelopeBounds(customATR, customNearATRFactor, customFarATRFactor, math.log(customEnvelopeClose))

// Colors
customUpperBoundaryColorFar = color.new(color.red, 60)
customUpperBoundaryColorNear = color.new(color.red, 80)
customBullishEstimatorColor = color.new(color.teal, 50)
customBearishEstimatorColor = color.new(color.red, 50)
customLowerBoundaryColorNear = color.new(color.teal, 80)
customLowerBoundaryColorFar = color.new(color.teal, 60)

// Plots
customUpperBoundaryFar = plot(math.exp(customUpperFar), color=customUpperBoundaryColorFar, title='Upper Boundary: Far (Custom)')
customUpperBoundaryAvg = plot(math.exp(customUpperAvg), color=customUpperBoundaryColorNear, title='Upper Boundary: Average (Custom)')
customUpperBoundaryNear = plot(math.exp(customUpperNear), color=customUpperBoundaryColorNear, title='Upper Boundary: Near (Custom)') 
customEstimationPlot = plot(customEnvelopeClose, color=customEnvelope > customEnvelope[1] ? customBullishEstimatorColor : customBearishEstimatorColor, linewidth=2, title='Custom Estimation')
customLowerBoundaryNear = plot(math.exp(customLowerNear), color=customLowerBoundaryColorNear, title='Lower Boundary: Near (Custom)')
customLowerBoundaryAvg = plot(math.exp(customLowerAvg), color=customLowerBoundaryColorNear, title='Lower Boundary: Average (Custom)') 
customLowerBoundaryFar = plot(math.exp(customLowerFar), color=customLowerBoundaryColorFar, title='Lower Boundary: Far (Custom)')

// Fills
fill(customUpperBoundaryFar, customUpperBoundaryAvg, color=customUpperBoundaryColorFar, title='Upper Boundary: Farmost Region (Custom)')
fill(customUpperBoundaryNear, customUpperBoundaryAvg, color=customUpperBoundaryColorNear, title='Upper Boundary: Nearmost Region (Custom)')
fill(customLowerBoundaryNear, customLowerBoundaryAvg, color=customLowerBoundaryColorNear, title='Lower Boundary: Nearmost Region (Custom)')
fill(customLowerBoundaryFar, customLowerBoundaryAvg, color=customLowerBoundaryColorFar, title='Lower Boundary: Farmost Region (Custom)')


longCondition = ta.crossover(close, customEnvelopeLow)
if (longCondition)
    strategy.entry("Buy", strategy.long)

exitLongCondition = ta.crossover(customEnvelopeHigh, close)
if (exitLongCondition)
    strategy.close("Buy")
Forums
PINE Language FAQ Summary MyLanguage Web3 About Us
Product
Robot Strategy Node Platforms Tickets
API
Syntax guide User guide Trading api Blockchain Indicator

© 2015 - ∞ INVENTOR PTE LTD (SG)