Адаптивная SMI Эргодическая стратегия торговли на основе адаптивных экспоненциальных скользящих средних линий

Автор:Чао Чжан, Дата: 2023-12-18 10:34:55
Тэги:

img

Обзор

В этой статье будет проведен углубленный анализ количественной стратегии торговли, основанной на линиях адаптивной экспоненциальной скользящей средней (AEMA). Стратегия использует эргодическую форму индикатора стохастического импульса (SMI), вместе с экспоненциальной скользящей средней, служащей линией сигнала, и включает настраиваемые пороги перекупки / перепродажи для повышения вероятности успешного выполнения торговли.

Принцип стратегии

Стратегия использует два SMI разной длины, один короткий и один длинный, и разница в диапазоне между ними генерирует торговые сигналы. Кроме того, стратегия также использует экспоненциальную скользящую среднюю в качестве линии сигнала. Она длится, когда более короткий период SMI пересекает более длинный период SMA, и становится короткой, когда происходит обратное. Чтобы отфильтровать ложные сигналы, длинные сигналы входа появляются только тогда, когда SMI находится ниже линии перепродажи, а линия сигнала также ниже линии перепродажи; короткие сигналы входа требуют, чтобы SMI был выше линии перекупки, а линия сигнала также выше линии перекупки. Эта двойная конфигурация делает стратегию более чувствительной к внезапным событиям, одновременно эффективно избегая ложных прорывов.

Преимущества

Наибольшее преимущество этой стратегии заключается в ее адаптивности. Стратегия использует настраиваемые пороги перекупленности / перепроданности для динамической корректировки длинных и коротких критериев в соответствии с различными рыночными условиями. Этот механизм позволяет оптимизировать параметры стратегии и адаптировать их к более широкому диапазону рыночных условий. Кроме того, эргодическая форма SMI также повышает чувствительность и своевременность стратегии. По сравнению с традиционной SMI она имеет более высокое снижение шума и меньшую задержку. Это позволяет стратегии быстро реагировать на внезапные события и захватывать краткосрочные торговые возможности.

Риски

Самый большой риск этой стратегии заключается в ее зависимости от параметров. Неправильные параметры могут легко генерировать большое количество недействительных торговых сигналов. Кроме того, как индикатор пульса, SMI не работает хорошо на неспокойных случайных рынках. Стратегия также может легко попасть в насильственное изменение тренда с экстремальными колебаниями цен.

Руководство по оптимизации

Есть еще несколько оптимизируемых аспектов стратегии. Во-первых, различные комбинации длин SMA можно протестировать, чтобы найти оптимальную пару параметров. Во-вторых, стоп-потери можно рассматривать вблизи пунктов входа для контроля потери на торговле. В-третьих, другие индикаторы, такие как RSI и полосы Боллинджера, могут быть объединены для установки динамических линий перекупленности / перепродажи. В-четвертых, параметры могут быть автоматически оптимизированы с помощью алгоритмов машинного обучения. В-пятых, стратегия может быть интегрирована в многофакторные модели для улучшения стабильности.

Заключение

В этой статье проведен глубокий анализ принципа, преимуществ, рисков и направлений оптимизации адаптивной эргодической стратегии торговли SMI. Благодаря использованию адаптивных порогов и фильтрации сигналов с экспоненциальными скользящими средними, стратегия может эффективно захватывать краткосрочные рыночные возможности. Несмотря на определенную зависимость от параметров, с строгим контролем рисков и многомерными оптимизациями, стратегия по-прежнему обладает значительной практической ценностью. Считается, что эта стратегия может играть важную роль в количественной практике торговли, обеспечивая эффективную поддержку торговых решений.


/*backtest
start: 2023-12-10 00:00:00
end: 2023-12-17 00:00:00
period: 3m
basePeriod: 1m
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/

// © DraftVenture

//@version=5
strategy(title="Adaptive SMI Ergodic Strategy", shorttitle="Adaptive SMI Strategy", overlay = false)
longlen = input.int(12, minval=1, title="Long Length")
shortlen = input.int(5, minval=1, title="Short Length")
siglen = input.int(5, minval=1, title="Signal Line Length")
overS = input.float(-0.4, title = "Oversold", step = 0.01)
overB = input.float(0.4, title = "Overbought", step = 0.01)
erg = ta.tsi(close, shortlen, longlen)
sig = ta.ema(erg, siglen)
plot(erg, color = color.yellow, title = "SMI")
plot(sig, color = color.purple, title="Signal")
hline(0, title = "Zero", color = color.gray, linestyle = hline.style_dotted)
h0 = hline(overB, color = color.gray, title = "Overbought Threshold")
h1 = hline(overS, color = color.gray, title = "Oversold Threshold")
fill(h0, h1, color=color.rgb(25, 117, 192, 90), title = "Background")

longEntry = ta.crossover(erg, sig) and erg > overS and sig < overS
shortEntry = ta.crossunder(erg, sig) and erg < overB and sig > overB

if longEntry
    strategy.entry("Long", strategy.long)

if shortEntry
    strategy.entry("Short", strategy.short)

// ______ _________ 
// ___  //_/__  __ \
// __  ,<  __  /_/ /
// _  /| | _  ____/ 
// /_/ |_| /_/   

Больше