Гибридная сезонная стратегия торговли S&P500
Автор:Чао Чжан, Дата: 2024-01-22 11:59:58Тэги:
Обзор
Стратегия S&P500 Hybrid Seasonal Trading - это количественная стратегия торговли акциями на основе сезонных моделей. Она сочетает в себе улучшенную систему покупки и хранения, условия технических индикаторов и показатели объема потока, чтобы вращаться между лучшими и худшими месяцами года.
Логика стратегии
Основными торговыми сигналами и правилами являются:
- Продолжайте торговать на открытом рынке в первый торговый день октября каждого года.
- Если VIX превышает 60% или 15-дневный ATR превышает 90%, приостановить сезонную торговлю до тех пор, пока волатильность не снизится позже в месяце или году.
- Выход длинный/короткий на открытом рынке в первый торговый день августа каждого года.
- Выход длинный/короткий также если VIX превышает 120% или если VFI пересекает ниже -20, в то время как его 10-дневный MA указывает вниз.
- Факультативная продажа на короткий срок включена.
Стратегия использует неравномерные показатели фондового рынка в течение года, в течение октября-апреля, который статистически превосходил, и получает прибыль или короткий период в течение худших месяцев мая-сентября.
Анализ преимуществ
Гибридная сезонная стратегия торговли S&P500 имеет следующие основные преимущества:
- Установленные рычаги, стабильные сезонные модели, основанные на эмпирически наблюдаемой неравномерной ежемесячной производительности индекса S&P500 в течение года.
- Включает несколько условий фильтрации, таких как VIX, ATR и VFI, чтобы эффективно фильтровать шум и генерировать более надежные торговые сигналы.
- Конфигурируемые правила торговли для длительных/коротких и индивидуальных периодов сезонного входа и выхода, которые облегчают тестирование и оптимизацию.
- Встроенные механизмы предотвращения риска с помощью мер волатильности, таких как пороги VIX и ATR, для обхода последствий сильных колебаний рынка.
- Дополнительный сигнал от индикатора объемного потока, отражающий потенциальные изменения участия на рынке.
Анализ рисков
Некоторые потенциальные риски включают:
- Рынки развиваются стохастически, поэтому исторические тенденции могут не всегда сохраняться.
- Риск ошибочного сигнала от технических показателей.
- Подоптимальный риск параметров: возможно дальнейшее тестирование и настройка параметров, поскольку текущие значения могут быть не оптимальными в целом.
- Дополнительные риски, такие как неограниченные потери.
Риски могут быть смягчены с помощью более строгого контроля рисков, сочетания индикаторов, настройки параметров, машинного обучения и т.д.
Возможности для расширения
Возможные возможности оптимизации:
- Более длительные периоды обратного тестирования для получения большего количества данных о обучении.
- Внедрить механизмы остановки потерь для контроля потерь на одну сделку.
- Медленное настройка параметров таких индикаторов, как VIX, ATR и VFI, чтобы найти лучшие комбинации.
- Развернуть модели машинного обучения для адаптивной оптимизации.
- Собрать стратегии для снижения системного рыночного риска посредством некорреляции.
Заключение
Гибридная сезонная стратегия торговли S&P500 синтезирует хорошо установленные сезонные тенденции, технические индикаторы сроков и меры денежного потока. Избегая худших месяцев года и позиционируясь в сезонно более сильные месяцы, дополненные эффективным регулированием волатильности, структура может давать последовательный альфа. Адаптируемая структура также предоставляет полезные модульные компоненты для практиков для тестирования, оптимизации и наращивания. Дополнительные данные, стоп-потери, настройка параметров и ансамбли представляют собой дополнительную возможность для улучшения производительности.
/*backtest
start: 2023-12-01 00:00:00
end: 2023-12-31 23:59:59
period: 1h
basePeriod: 15m
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/
// TASC Issue: April 2022 - Vol. 40, Issue 4
// Article: Sell In May? Stock Market Seasonality
// Article By: Markos Katsanos
// Language: TradingView's Pine Script v5
// Provided By: PineCoders, for tradingview.com
//@version=5
strategy(title = "TASC 2022.04 S&P500 Hybrid Seasonal System",
shorttitle = "HSS v2.0",
overlay = true,
default_qty_type = strategy.percent_of_equity,
default_qty_value = 10,
initial_capital = 100000,
currency = currency.USD,
commission_type = strategy.commission.percent,
commission_value = 0.01
)
// Helper Functions:
// @function Returns the ratio to max/min of a sample period
// @param src float, data source.
// @param length int, period of the sample.
// @returns [float, float] tuple.
volatility (float src, int length) =>
[(src / ta.highest(src, length)[1] - 1.0) * 100.0,
(src / ta.lowest (src, length)[1] - 1.0) * 100.0]
// @function Volume Flow Indicator.
// @param Period int, period of the data sample.
// @param VCoef float, Volume Volatility Coefficient.
// @param Coef float, Cutoff Coefficient.
// @returns float.
// ref: https://mkatsanos.com/volume-flow-vfi-indicator/
vfi (int Period = 130, float VCoef = 2.5, float Coef = 0.2) =>
lastHLC3 = nz(hlc3[1], hlc3)
MF = hlc3 - lastHLC3
Vinter = ta.stdev(math.log(hlc3) - math.log(lastHLC3), 30)
Vave = ta.sma(volume, Period)[1]
Cutoff = Coef * close * Vinter
VC = math.min(volume, Vave * VCoef)
VCP = MF > Cutoff ? VC :
MF < -Cutoff ? -VC : 0.0
VFI1 = nz(math.sum(VCP, Period) / Vave)
VFI = ta.ema(VFI1, 3)
// inputs:
// optional strategy obserservation window parameters:
string ig_ow = 'Observation Window:'
bool i_Sdate = input( title = 'Start date:',
defval = timestamp('2021-01-01'),
inline = 'Sdate',
group = ig_ow
) < time //
bool i_useSdate = input.bool( title = '',
defval = false,
group = ig_ow,
inline = 'Sdate',
tooltip = 'Optional start date to clamp strategy observation window.'
) //
bool i_Edate = input( title = 'End date:',
defval = timestamp('2022-01-01'),
inline = 'Edate',
group = ig_ow
) > time //
bool i_useEdate = input.bool( title = '',
defval = false,
group = ig_ow,
inline = 'Edate',
tooltip = 'Optional end date to clamp strategy observation window.'
) //
//
string ig_ro = 'Lookback Options:'
int i_lback = input.int( title = 'Lookback Shift:',
defval = 0, minval = 0,
group = ig_ro,
tooltip = 'Optional, inspect previous signal values.'
) //
//
string ig_so = 'Signal Options:'
bool i_onlyL = input.bool( title = 'Long Only:',
defval = true,
group = ig_so,
tooltip = 'If switched off, short entries are initiated by sell signals.'
) //
int i_sMonth = input.int( title = 'Sell Month:',
defval = 8, minval = 1, maxval = 12, step = 1,
group = ig_so,
tooltip = 'The worst performing month, originally clamped between months 5 and 8.'
) //
int i_maxVI = input.int( title = 'Max VIX up:',
defval = 60, minval = 50, maxval = 60, step = 5,
group = ig_so,
tooltip = 'Volatility maximum threshold.'
) //
int i_critVFI = input.int( title = 'Critical VFI Sell:',
defval = -20, minval = -20, maxval = -15, step = 5,
group = ig_so,
tooltip = 'Critical money float (VFI) threshold for sell signal.'
) //
float i_K = input.float( title = 'ATR/VIX Ratio:',
defval = 1.5, minval = 1.3, maxval = 1.7, step = 0.2,
group = ig_so,
tooltip = 'ATR to VIX ratio for sell signal.'
) //
//
string i_VIticker = input( title = 'Volatility Index:',
defval = 'VIX',
group = ig_so,
tooltip = 'Volatility Index Ticker.'
) //
string i_VItf = input.timeframe( title = '',
defval = 'D',
group = ig_so,
tooltip = 'Volatility Index Timeframe.'
) //
int i_VIiperiod = input.int( title = 'Implied Volatility period:',
defval = 25,
group = ig_so
) //
int i_VIhperiod = input.int( title = 'Historical Volatility period:',
defval = 15,
group = ig_so
) //
//
int i_VFIperiod = input.int( title = 'VFI period:',
defval = 130,
group = ig_so, inline = 'VFI1'
) //
int i_VFIMperiod = input.int( title = 'MA:',
defval = 10,
group = ig_so, inline = 'VFI1',
tooltip = 'VFI and Moving Average sampling period.'
) //
float i_VFIcoef = input.float( title = 'VFI Coef Cuttoff:',
defval = 0.2,
group = ig_so, inline = 'VFI2'
) //
float i_VFIvcoef = input.float( title = 'Volat.:',
defval = 2.5,
group = ig_so, inline = 'VFI2',
tooltip = 'VFI Cutoff and Volatility coefficient.'
) //
int i_ATRperiod = input.int( title = 'ATR length:',
defval = 15,
group = ig_so, inline = 'ATR',
tooltip = 'ATR length.'
) //
//
string ig_to = 'Table Options:'
bool i_showT = input.bool( title = 'Show Table:',
defval = false,
group = ig_to,
tooltip = 'Optional toggle.'
) //
string i_Tpos = input.string(title = 'Position:',
defval = position.middle_right,
options = [ position.top_left, position.top_center, position.top_right,
position.middle_left, position.middle_center, position.middle_right,
position.bottom_left, position.bottom_center, position.bottom_right ],
group = ig_to) //
int i_Ttransp = input.int( title = 'Transparency:',
defval = 0, minval = 1, maxval = 99,
group = ig_to
) //
//
color i_Tcframe = input.color( title = 'Table Colors:',
defval = #000000,
group = ig_to, inline = 'table color'
) //
color i_Tcrowe = input.color( title = '',
defval = #d6dae3,
group = ig_to, inline = 'table color'
) //
color i_Tcrowo = input.color( title = '',
defval = #cccccc,
group = ig_to, inline = 'table color',
tooltip = 'Table background colors, in order: frame, even row, odd row.'
) //
string i_Ttsize = input.string(title = 'Table Text:',
defval = size.small,
options = [size.auto, size.huge, size.large, size.normal, size.small, size.tiny],
group = ig_to, inline = 'table text'
) //
color i_Tcdeft = input.color( title = 'Text Colors:',
defval = #000000,
group = ig_to, inline = 'table text'
) //
color i_Tcsigt = input.color( title = '',
defval = color.red,
group = ig_to, inline = 'table text'
) //
color i_Tctitt = input.color( title = '',
defval = color.navy,
group = ig_to, inline = 'table text',
tooltip = 'Table text size and colors, in order: default, short signal, title.'
) //
// Comparison Index
float VIX = request.security(i_VIticker, i_VItf, close)
[VIdn, VIup] = volatility(VIX, i_VIiperiod) // Implied
[ATRdn, ATRup] = volatility(ta.atr(i_VIhperiod), i_VIiperiod) // Historical
float VFI = vfi(i_VFIperiod, i_VFIvcoef, i_VFIcoef)
float VFI10 = ta.sma(VFI, i_VFIMperiod)
//
bool VFIatCrit = VFI > i_critVFI
bool lowVolat = (VIup < i_maxVI) or (ATRup < (i_K * i_maxVI))
bool VolatC = VFIatCrit ? lowVolat : false
bool Long = ((month >= 10) or (month < i_sMonth)) and VolatC[1]
bool Sseasonal = month == i_sMonth // SEASONAL EXIT/SHORT
bool Svol = VIup > (2.0 * i_maxVI) // VOLATILITY EXIT/SHORT
bool Scrit = ta.cross(i_critVFI, VFI) and (VFI10 < VFI10[1]) // VFI EXIT/SHORT
bool Short = Sseasonal or Svol[1] or Scrit[1]
bool withinObsWindow = true
//
if withinObsWindow and strategy.equity > 0
_L = strategy.long
_S = strategy.short
strategy.entry('L' , direction = _L, when = Long )
if i_onlyL
strategy.close('L', comment = 'EXIT SEASONAL' , when = Sseasonal )
strategy.close('L', comment = 'EXIT VOLATILITY', when = Svol[1] )
strategy.close('L', comment = 'EXIT MF' , when = Scrit[1] )
else
strategy.entry('S Seasonal' , direction = _S, when = Sseasonal )
strategy.entry('S Volatility', direction = _S, when = Svol[1] )
strategy.entry('S MF Crit.' , direction = _S, when = Scrit[1] )
else
strategy.close_all()
string SIGNAL = switch
(Long) => 'Long Seasonal'
(Sseasonal and i_onlyL) => 'Exit Seasonal'
(Svol[1] and i_onlyL) => 'Exit Volatility'
(Scrit[1] and i_onlyL) => 'Exit Money Flow'
(Sseasonal and not i_onlyL) => 'Short Seasonal'
(Svol[1] and not i_onlyL) => 'Short Volatility'
(Scrit[1] and not i_onlyL) => 'Short Money Flow Bearish'
=> 'none'
string date = str.format(
'{0,number,0000}-{1,number,00}-{2,number,00}',
year, month, dayofmonth
)
var table dTable = table.new(position = i_Tpos,
columns = 2,
rows = 17,
frame_color = color.new(#000000, i_Ttransp),
frame_width = 4
) //
// @function Helper to populate the table rows.
tRow(tableId, idx, left, right, tcol=0) =>
color _bg = color.new(idx % 2 ? i_Tcrowo : i_Tcrowe, i_Ttransp)
color _tx = switch (tcol)
(1) => color.new(i_Tcsigt, i_Ttransp)
(2) => color.new(i_Tctitt, i_Ttransp)
=> color.new(i_Tcdeft, i_Ttransp)
// table.cell( table_id=tableId,
// column=0, row=idx,
// text=left, text_color=_tx, text_halign=text.align_right, text_size=i_Ttsize,
// bgcolor=_bg) //
// table.cell( table_id=tableId,
// column=1, row=idx,
// text=str.tostring(right), text_color=_tx, text_halign=text.align_left, text_size=i_Ttsize,
// bgcolor=_bg) //
if i_showT
float _atr10 = ta.atr(10)[i_lback]
string _nf = '0.00'
string _aru = '🔼 ', string _ard = '🔽 '
// id | idx | left label | right label | conditional color |
tRow(dTable, 00, 'S&P500 Hybrid Seasonal ' , '' , 2 )
tRow(dTable, 01, 'Created By: Markos Katsanos' , '' , 2 )
tRow(dTable, 02, 'Date:' , date[i_lback] )
tRow(dTable, 03, 'Signal:' , SIGNAL[i_lback] )
tRow(dTable, 04, 'Price:' , open[i_lback] )
tRow(dTable, 05, 'VIX:' , str.tostring( VIX[i_lback], _nf) )
tRow(dTable, 06, 'VFI:' , str.tostring( VFI[i_lback], _nf) , VFIatCrit ? 1 : 0 )
tRow(dTable, 07, 'ATR:' , str.tostring( _atr10, _nf) )
tRow(dTable, 08, 'VIup%:' , str.tostring( VIup[i_lback], _nf) , VIup > i_maxVI ? 1 : 0 )
tRow(dTable, 09, 'ATRup%:' , str.tostring(ATRup[i_lback], _nf) , ATRup > i_K * i_maxVI ? 1 : 0 )
tRow(dTable, 10, 'VIdn%:' , str.tostring( VIdn[i_lback], _nf) )
tRow(dTable, 11, 'ATRdn%:' , str.tostring(ATRdn[i_lback], _nf) )
tRow(dTable, 12, _aru + 'Long Seasonal:' , Long[i_lback] )
tmp = 12
if not i_onlyL
tmp := 13
tRow(dTable, 13, _ard + 'Short:' , Short[i_lback] , Short[i_lback] ? 1 : 0 )
tRow(dTable, tmp+1, _ard + 'Seasonal:' , Sseasonal[i_lback] , Sseasonal[i_lback] ? 1 : 0 )
tRow(dTable, tmp+2, _ard + 'Volatility:' , Svol[1+i_lback] , Svol[1 + i_lback] ? 1 : 0 )
tRow(dTable, tmp+3, _ard + 'Money Flow:' , Scrit[i_lback] , Scrit[i_lback] ? 1 : 0 )
Больше
- Отслеживание тенденций и краткосрочная стратегия торговли на основе индикатора ADX
- Двойная стратегия импульсного тренда
- Динамическая стратегия поддержки и сопротивления CCI
- Стратегия торговли QQE Momentum
- Стратегия прогнозирования волн Гаусса
- Комбинация динамических движущихся EMA
- Тенденция на Дончианском канале в соответствии со стратегией
- Стратегия EMA в области ленты
- Точная стратегия перекрестного перехода движущегося среднего
- Стратегия многоэмального бычьего тренда
- Стратегия отслеживания тенденций на основе отклонений
- Стратегия торговли дивергенцией по РСИ
- Стратегия многоиндикаторного дерева решений: IMACD, EMA и Ichimoku
- Стратегия торговли двойной оптимизации MACD
- Стратегия двойного Золотого Креста EMA
- Стратегия торговли RSI и скользящей средней за несколько временных рамок
- Еженедельная стратегия торговли суингом
- Торговая стратегия MACD на основе EVWMA
- Bollinger Bands Channel Breakout Mean Reversion Strategy (Стратегия перехода через канал Боллинджера)
- Стратегия количественного отслеживания тенденций, основанная на нескольких технических показателях