Стратегия хеджирования рисков сетевой торговли
ChaoZhang
Обзор стратегии
Стройная торговая стратегия рискового хеджирования - это количественная торговая стратегия, основанная на концепции торговой сетки, в сочетании с идеей хеджирования риска. Эта стратегия позволяет получать прибыль от колебаний цен путем размещения нескольких ордеров на покупку и продажу в заданном ценовом диапазоне. В то же время, эта стратегия также вводит механизм рискового хеджирования, динамически регулируя границы сетки, чтобы адаптироваться к изменению рыночной среды, чтобы снизить риски стратегии.
Стратегический принцип
Ключевым принципом стратегии является торгование в сетке. Во-первых, определяется верхняя и нижняя границы сетки и количество линий сетки в соответствии с параметрами, установленными пользователем. Затем на сетчатой линии размещаются ордера на покупку и продажу.
В то же время, в целях снижения риска, в стратегии также внедрен механизм динамической коррекции границ сетки. В зависимости от выбора пользователя, верхняя и нижняя границы сетки могут автоматически корректироваться двумя способами: 1) в соответствии с наивысшей и наименьшей ценой за последнее время и с учетом смещения, установленного пользователем; 2) в соответствии с подвижной средней и с учетом смещения, установленного пользователем.
Кроме того, при открытии позиции стратегия делит общий капитал на N частей и т. д., используя при каждом открытии позиции одинаковую сумму, что снижает риск однократной сделки.
Анализ преимуществ
Адаптируемость: благодаря динамической корректировке границ сетки, стратегия может адаптироваться к различным рыночным условиям, будь то тенденции или колебания, и может автоматически адаптироваться, чтобы получить лучшую прибыль.
Контролируемый риск: стратегия использует равный объем средств при открытии позиции, одна сделка имеет меньший риск; в то же время, механизм корректировки границ динамической сетки может снизить риск прорыва цены через границы сетки.
Высокая частота сделок: из-за того, что сеть обычно размещает больше заказов, частота сделок выше, и легче получить прибыль в волатильных ситуациях.
Гибкость параметров: пользователь может адаптироваться к различным стилям торгов в зависимости от своих предпочтений, количества сеток, верхних и нижних границ, динамически регулируемых параметров и т. Д.
Анализ рисков
Недостаточная производительность в трендовых условиях: стратегия может быть подвержена большому риску, если цены будут продолжать расти или падать в одностороннем порядке, нарушая границы сетки, и динамическая коррекция не будет идти в ногу со скоростью изменения цены.
Процедура оплаты: из-за высокой частоты стратегических сделок комиссионные могут оказать определенное влияние на прибыль.
Неправильная настройка параметров: неправильная настройка параметров может привести к плохой работе стратегии, например, избыточному количеству решётки, неразумной настройке границ решётки и т. д.
Решение: 1) в случае тренда, можно рассмотреть возможность увеличения границ сетки или в сочетании с трендовой стратегией; 2) выбор бирж и монет с более низкими комиссионными; 3) необходимость полной обратной проверки и оптимизации параметров перед фактическим запуском.
Направление оптимизации
В сочетании с другими стратегиями: можно рассмотреть возможность объединения стратегии торговой сетки с другими типами стратегий, такими как стратегия тренда, стратегия средней величины, чтобы повысить адаптивность и стабильность стратегии.
Улучшение механизмов динамической корректировки: механизмы динамической корректировки в нынешней стратегии относительно просты и могут быть оптимизированы, например, с учетом большего количества факторов (например, трафика, волатильности и т. д.), с использованием более продвинутых алгоритмов (например, адаптивных алгоритмов, алгоритмов машинного обучения и т. д.).
Оптимизация управления капиталом: в настоящее время в стратегии используется эквивалентное управление капиталом, можно рассмотреть возможность внедрения более продвинутых методов управления капиталом, таких как закон Келли, оптимальный метод и т. Д., Чтобы еще больше повысить эффективность использования капитала и прибыль.
Введение стоп-стоп: на основе сетчатой торговли можно ввести некоторые логики стоп-стоп, такие как движущийся стоп-стоп, волатильный стоп-стоп и т. д., чтобы еще больше снизить риск стратегии.
Подвести итог
Стратегия хеджирования риска в торговле сеткой - это высокоавтоматизированная, адаптивная и управляемая риском стратегия количественной торговли. Благодаря торговле сеткой и динамической корректировке сети, стратегия может приносить прибыль в различных ситуациях, а также контролировать риск. Однако стратегия может плохо работать в трендовых ситуациях, а комиссионные могут повлиять на прибыль, поэтому в практическом применении требуется дальнейшая оптимизация и улучшение.
/*backtest
start: 2024-03-19 00:00:00
end: 2024-03-23 00:00:00
period: 5m
basePeriod: 1m
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)