
Стратегия P-сигналов - это стратегия количественного трейдинга вероятностно-пространственных сигналов, построенных на основе статистических параметров и функций погрешности. Она динамически получает торговые сигналы для захвата рыночных поворотных точек, отслеживая параметры распределения предельных значений на серии K-линий.
Ключевым показателем стратегии является P-сигнал, который объединяет статистические параметры сдвигающегося среднего и стандартного отклонения, отображаемые через функцию ошибки Гаусса, чтобы сформировать количественный показатель суждения от -1 до 1. P-сигнал делает пустоту при обратном движении от положительного к отрицательному и делает больше при обратном движении от отрицательного к положительному, образуя логику обратной стратегии.
Параметры стратегии включают в себя Cardinality, ΔErf и время наблюдения. Кардинальность контролирует количество проб, ΔErf контролирует мертвую зону функций ошибки, снижает частоту сделок. Время наблюдения контролирует время начала стратегии.
Наибольшим преимуществом стратегии P-сигналов является то, что она основана на вероятностном распределении статистических параметров, что позволяет эффективно судить о характеристиках рынка и улавливать возможности для обратного отсчета. По сравнению с одним техническим показателем, она сочетает в себе больше рыночной информации, более всеобъемлющий и надежный суд.
Кроме того, данная стратегия параметризирована по спецификации дизайна, пользователь может регулировать пространство параметров в соответствии со своими потребностями, чтобы найти оптимальную комбинацию. Это гарантирует адаптивность и гибкость стратегии.
Основным риском стратегии P-сигналов является то, что она слишком сильно зависит от параметров вероятностного распределения и подвержена влиянию аномальных данных, что приводит к ошибочным выводам. Кроме того, у стратегий P-сигналов низкий уровень прибыли, а прибыль в одиночку ограничена.
Можно уменьшить влияние отклонений в данных, увеличив количество выборки с помощью увеличения параметров кардинальности. Увеличьте диапазон ΔErf, чтобы снизить частоту сделок, чтобы контролировать риск.
Стратегия P-сигнала может быть оптимизирована в следующих аспектах:
В сочетании с другими показателями фильтруются аномальные сигналы, такие как всплеск объема торгов и другие характеристики.
Проверка сигналов в течение нескольких временных рамок, повышение стабильности суждений.
Увеличение стратегии по удержанию убытков и снижение убытков в одиночку.
Оптимизация параметров для поиска оптимального сочетания, повышения доходности.
Динамическая настройка параметров суждения в сочетании с машинным обучением.
P-сигнал обратной стратегии основывается на распределении вероятности построения количественной торговой структуры, гибкость параметров дизайна, удобство пользователя. Она эффективно судит о статистических характеристиках рынка, ловит возможности для обратной связи.
/*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"}]
*/
//@version=5
// **********************************************************************************************************
// This source code is subject to the terms of the Mozilla Public License 2.0 at https://mozilla.org/MPL/2.0/
// P-Signal Strategy RVS © Kharevsky
// **********************************************************************************************************
strategy('P-Signal Strategy RVS.', precision=3, process_orders_on_close=true, pyramiding=0,
commission_type=strategy.commission.percent,
commission_value=0.2)
// Parameters and const of P-Signal.
nPoints = input.int(title='Cardinality:', defval=4, minval=4, maxval=200, group='Parameters of strategy.')
ndErf = input.float(title='|ΔErf|:', defval=0, minval=0, maxval=1, step=0.01, group='Parameters of strategy.')
tStartDate = input(title='Start date:', defval=timestamp('30 Dec 1957 00:00 +0300'), group='Observation time.')
int nIntr = nPoints - 1
// Horner's method for the error (Gauss) & P-Signal functions.
fErf(x) =>
nT = 1.0 / (1.0 + 0.5 * math.abs(x))
nAns = 1.0 - nT * math.exp(-x * x - 1.26551223 +
nT * (1.00002368 + nT * (0.37409196 + nT * (0.09678418 +
nT * (-0.18628806 + nT * (0.27886807 + nT * (-1.13520398 +
nT * (1.48851587 + nT * (-0.82215223 + nT * 0.17087277)))))))))
x >= 0 ? nAns : -nAns
fPSignal(ser, int) =>
nStDev = ta.stdev(ser, int)
nSma = ta.sma(ser, int)
nStDev > 0 ? fErf(nSma / nStDev / math.sqrt(2)) : math.sign(nSma)
// Data.
float nPSignal = ta.sma(fPSignal(ta.change(ohlc4), nIntr), nIntr)
float ndPSignal = math.sign(nPSignal[0] - nPSignal[1])
bool isStartDate = true
// Reversal Strategy.
strategy.entry('short', strategy.short, when=isStartDate and nPSignal > ndErf and ndPSignal < 0)
strategy.entry('long', strategy.long, when=isStartDate and nPSignal < -ndErf and ndPSignal > 0)
// Plotting.
hline(+1.0, color=color.new(color.orange, 70), linestyle=hline.style_dotted, editable=false)
hline(-1.0, color=color.new(color.orange, 70), linestyle=hline.style_dotted, editable=false)
hline(-ndErf, color=color.new(color.orange, 70), linestyle=hline.style_dotted, editable=false)
hline(ndErf, color=color.new(color.orange, 70), linestyle=hline.style_dotted, editable=false)
plot(nPSignal, color=color.new(color.blue, 0), style=plot.style_line)
// Table of state.
if barstate.isconfirmed
var Table = table.new(position=position.bottom_right, columns=3, rows=1,
frame_color=color.new(color.orange, 70), frame_width=1,
border_color=color.new(color.orange, 70), border_width=1)
table.cell(table_id=Table, column=0, row=0,
text=strategy.position_size > 0 ? 'Long: ' + str.tostring(strategy.position_size) : 'Short: ' + str.tostring(strategy.position_size),
text_color=strategy.position_size > 0 ? color.green : color.red)
table.cell(table_id=Table, column=1, row=0,
text='Net P/L: ' + str.tostring(strategy.netprofit, '#.#'),
text_color=strategy.netprofit > 0 ? color.green : color.red)
table.cell(table_id=Table, column=2, row=0,
text='Open P/L: ' + str.tostring(strategy.openprofit, '#.#'),
text_color=strategy.openprofit > 0 ? color.green : color.red)
// The end.