
Стратегия создает динамически корректируемую торговую сетку, обеспечивающую стабильную прибыль в условиях волатильности. Стратегия автоматически рассчитывает сетевые интервалы и верхнюю и нижнюю цены в зависимости от установленного количества сетей. Когда цена прорывается через каждую из этих линий сетки, она создает запасы или освобождает позиции.
Вычисление границ сетки и ценовой массив сетки в зависимости от входных параметров.
Когда цена ниже определенной сетчатой линии и на этой сетчатой линии нет соответствующего привязки, в этой сетчатой линии в ценовой точке создается многоофит; когда цена выше предыдущей сетчатой линии (кроме первой), и на предыдущей сетчатой линии существует соответствующий держательский лист, устраняется многоофит, соответствующий предыдущей сетчатой линии.
Если включить параметры автоматической корректировки сетки, то на основе последнего количества данных K-линий будут периодически пересчитываться верхняя и нижняя предельные цены сетки, сетевой интервал и сетевой массив.
достижение цели прибыльности в условиях волатильности. В условиях падения и падения можно создавать позиции сдерживания и остановки в разных ценовых точках, что в целом приводит к прибыльности.
Можно выбрать для ручной или автоматической корректировки параметров сетки. Ручная корректировка требует человеческого вмешательства, но более контролируемая; автоматическая корректировка уменьшает объем операционной работы, что позволяет стратегии адаптироваться к изменениям в рыночной среде.
Ограничение максимального количества сеток позволяет контролировать односторонний риск. Риск в этом направлении контролируется, когда цена прорывается через все линии сетки.
Уменьшение размера решетки позволяет уменьшить убытки.
При значительных колебаниях существует риск арбитража. Если цена быстро колеблется между несколькими сетками, может возникнуть риск арбитража.
Необходимо установить разумный размер начального капитала. Если начального капитала недостаточно, невозможно поддержать достаточное количество сетевых линий.
Слишком большое или слишком маленькое количество сеток не способствует стратегической выгоде. Слишком малое количество сеток не позволяет в полной мере использовать колебания; слишком много - слишком маленькие одиночные убытки. Необходимо тестировать, чтобы определить оптимальные параметры.
Существует риск манипулирования параметрами решетки. Расчет параметров решетки зависит от определенного количества K-линий, которые могут быть затронуты краткосрочными операциями.
Добавление логики остановки убытков. Например, установка плавающей остановки или отслеживания остановки убытков, чтобы дополнительно контролировать риск односторонних потерь.
Включение алгоритмов оптимизации параметров сетки. Можно тестировать параметры на различных этапах рынка, а затем обучать модели методами машинного обучения для автоматической оптимизации параметров.
В сочетании с другими показателями, такие как MACD, KD и т. Д., чтобы определить, находятся ли они в тенденции к росту или к снижению, чтобы скорректировать количество или параметры сетки.
Оптимизация контроля вывода. Например, установление максимальной пропорции вывода, закрытие стратегии при достижении порога, чтобы избежать дальнейшего расширения убытков.
Эта стратегия в полной мере использует характеристики волатильных ситуаций, чтобы достичь стабильной прибыли с помощью динамических сетевых сделок. Эта стратегия учитывает гибкость параметров и уменьшает рабочую интенсивность. Можно сказать, что эта стратегия является идеальным выбором прибыли в волатильных ситуациях.
/*backtest
start: 2024-01-02 00:00:00
end: 2024-02-01 00:00:00
period: 1h
basePeriod: 15m
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/
//@version=4
strategy("(IK) Grid Script", overlay=true, pyramiding=14, close_entries_rule="ANY", default_qty_type=strategy.cash, initial_capital=100.0, currency="USD", commission_type=strategy.commission.percent, commission_value=0.1)
i_autoBounds = input(group="Grid Bounds", title="Use Auto Bounds?", defval=true, type=input.bool) // calculate upper and lower bound of the grid automatically? This will theorhetically be less profitable, but will certainly require less attention
i_boundSrc = input(group="Grid Bounds", title="(Auto) Bound Source", defval="Hi & Low", options=["Hi & Low", "Average"]) // should bounds of the auto grid be calculated from recent High & Low, or from a Simple Moving Average
i_boundLookback = input(group="Grid Bounds", title="(Auto) Bound Lookback", defval=250, type=input.integer, maxval=500, minval=0) // when calculating auto grid bounds, how far back should we look for a High & Low, or what should the length be of our sma
i_boundDev = input(group="Grid Bounds", title="(Auto) Bound Deviation", defval=0.10, type=input.float, maxval=1, minval=-1) // if sourcing auto bounds from High & Low, this percentage will (positive) widen or (negative) narrow the bound limits. If sourcing from Average, this is the deviation (up and down) from the sma, and CANNOT be negative.
i_upperBound = input(group="Grid Bounds", title="(Manual) Upper Boundry", defval=0.285, type=input.float) // for manual grid bounds only. The upperbound price of your grid
i_lowerBound = input(group="Grid Bounds", title="(Manual) Lower Boundry", defval=0.225, type=input.float) // for manual grid bounds only. The lowerbound price of your grid.
i_gridQty = input(group="Grid Lines", title="Grid Line Quantity", defval=8, maxval=15, minval=3, type=input.integer) // how many grid lines are in your grid
f_getGridBounds(_bs, _bl, _bd, _up) =>
if _bs == "Hi & Low"
_up ? highest(close, _bl) * (1 + _bd) : lowest(close, _bl) * (1 - _bd)
else
avg = sma(close, _bl)
_up ? avg * (1 + _bd) : avg * (1 - _bd)
f_buildGrid(_lb, _gw, _gq) =>
gridArr = array.new_float(0)
for i=0 to _gq-1
array.push(gridArr, _lb+(_gw*i))
gridArr
f_getNearGridLines(_gridArr, _price) =>
arr = array.new_int(3)
for i = 0 to array.size(_gridArr)-1
if array.get(_gridArr, i) > _price
array.set(arr, 0, i == array.size(_gridArr)-1 ? i : i+1)
array.set(arr, 1, i == 0 ? i : i-1)
break
arr
var upperBound = i_autoBounds ? f_getGridBounds(i_boundSrc, i_boundLookback, i_boundDev, true) : i_upperBound // upperbound of our grid
var lowerBound = i_autoBounds ? f_getGridBounds(i_boundSrc, i_boundLookback, i_boundDev, false) : i_lowerBound // lowerbound of our grid
var gridWidth = (upperBound - lowerBound)/(i_gridQty-1) // space between lines in our grid
var gridLineArr = f_buildGrid(lowerBound, gridWidth, i_gridQty) // an array of prices that correspond to our grid lines
var orderArr = array.new_bool(i_gridQty, false) // a boolean array that indicates if there is an open order corresponding to each grid line
var closeLineArr = f_getNearGridLines(gridLineArr, close) // for plotting purposes - an array of 2 indices that correspond to grid lines near price
var nearTopGridLine = array.get(closeLineArr, 0) // for plotting purposes - the index (in our grid line array) of the closest grid line above current price
var nearBotGridLine = array.get(closeLineArr, 1) // for plotting purposes - the index (in our grid line array) of the closest grid line below current price
strategy.initial_capital = 50000
for i = 0 to (array.size(gridLineArr) - 1)
if close < array.get(gridLineArr, i) and not array.get(orderArr, i) and i < (array.size(gridLineArr) - 1)
buyId = i
array.set(orderArr, buyId, true)
strategy.entry(id=tostring(buyId), long=true, qty=(strategy.initial_capital/(i_gridQty-1))/close, comment="#"+tostring(buyId))
if close > array.get(gridLineArr, i) and i != 0
if array.get(orderArr, i-1)
sellId = i-1
array.set(orderArr, sellId, false)
strategy.close(id=tostring(sellId), comment="#"+tostring(sellId))
if i_autoBounds
upperBound := f_getGridBounds(i_boundSrc, i_boundLookback, i_boundDev, true)
lowerBound := f_getGridBounds(i_boundSrc, i_boundLookback, i_boundDev, false)
gridWidth := (upperBound - lowerBound)/(i_gridQty-1)
gridLineArr := f_buildGrid(lowerBound, gridWidth, i_gridQty)
closeLineArr := f_getNearGridLines(gridLineArr, close)
nearTopGridLine := array.get(closeLineArr, 0)
nearBotGridLine := array.get(closeLineArr, 1)