Гибридная стратегия количественной оценки Z-оценки с двумя состояниями

SMA BB
Дата создания: 2024-05-28 17:38:08 Последнее изменение: 2024-05-28 17:38:08
Копировать: 1 Количество просмотров: 548
1
Подписаться
1617
Подписчики

Гибридная стратегия количественной оценки Z-оценки с двумя состояниями

Обзор

Стратегия использует смешанный метод количественного анализа, сочетающий в себе две модели распределения и регрессионный анализ, чтобы идентифицировать различные состояния рынка. Сначала стратегия рассчитывает показатели простого движущегося среднего значения (SMA) и Брин-бенда (BB), а затем рассчитывает Z-оценку на основе среднего и стандартного разрыва исторических доходов.

Стратегический принцип

Основным принципом этой стратегии является использование Z-оценки для измерения текущей отдачи относительно распределения исторической отдачи. Формула Z-оценки состоит из следующих вычислений: “Стоимость текущей отдачи - средняя величина исторической отдачи) / стандартная разница в исторической отдаче. Чем выше Z-оценка, тем выше вероятность того, что текущая отдача превышает пределы, тем выше вероятность перекупа.

Стратегические преимущества

  1. Количественный анализ: стратегия полностью основана на количественных показателях, правила ясны, легко реализованы и отслеживаются.
  2. Двойное подтверждение: стратегия использует одновременно Z-рейтинги и два показателя по Бринской полосе, образуя двойной механизм фильтрации, повышающий точность сигнала.
  3. Основы статистики: Z-оценка происходит от теории нормального распределения в статистике, имеет прочную теоретическую основу и может объективно измерять экстремальную степень текущей отдачи.
  4. Гибкость параметров: пользователи могут гибко адаптироваться к различным рынкам, корректируя такие параметры, как цикл SMA, множитель Брин-полосы, порог оценки Z.

Стратегический риск

  1. Чувствительные к параметрам: различные параметры могут привести к значительным различиям в эффективности стратегии, требуя полной оптимизации параметров и тестирования стабильности.
  2. Риск тренда: когда рынок находится в сильной тенденции, Z-рейтинг может находиться в крайней зоне в течение длительного времени, что приводит к недостаточному или полному отсутствию стратегических сигналов.
  3. Риск переизмеримости: чрезмерная оптимизация параметров стратегии может привести к переизмеримости и плохой внешней производительности.
  4. Риск “черного лебедя”: в крайних случаях исторические статистические законы могут не сработать, и стратегия может столкнуться с большим риском отмены.

Направление оптимизации стратегии

  1. Динамические параметры: учитывают такие показатели, как рыночная волатильность, интенсивность тенденций, динамически корректируют порог Z-рейтинга и множитель Брин-полосы для повышения адаптивности.
  2. Добавление фильтрации тренда: наложение на существующие механизмы показателей, определяющих тренд, таких как MA-пересечение, DMI и т. д., чтобы избежать появления слишком много неэффективных сигналов при сильных тенденциях.
  3. Комбинированная оптимизация: комбинирование этой стратегии с другими количественными стратегиями (такими как динамика, среднее значение, регрессия и т. д.) для использования их преимуществ и повышения устойчивости.
  4. Стоп-стоп: внедрение разумных стоп-стоп механизмов, контролирующих рисковый порог для одной сделки и повышающих прибыль после корректировки риска.

Подвести итог

Стратегия количественного оценки с гибридным биполитом Z - это стратегия количественного трейдинга, основанная на статистических принципах, которая идентифицирует потенциальные возможности перекупа и перепродажи, сравнивая текущий доход с историческим распределением доходов. В то же время, стратегия использует индикатор Бринга для двойного подтверждения, повышая надежность сигнала. Правила стратегии ясны, легко реализовываются и оптимизируются, но в то же время сталкиваются с такими проблемами, как чувствительность к параметрам, риск тренда, риск перенастройки. В будущем стратегия может быть оптимизирована с помощью динамических параметров, фильтрации тренда, оптимизации комбинации, стоп-лосса и стоп-стоп, чтобы повысить ее адаптацию и устойчивость.

Исходный код стратегии
/*backtest
start: 2023-05-22 00:00:00
end: 2024-05-27 00:00:00
period: 1d
basePeriod: 1h
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/

//@version=5
strategy("Estratégia Híbrida Quantitativa", overlay=true)

// Definição de parâmetros
sma_length = input.int(20, title="Período da SMA")
threshold_high = input.float(1.5, title="Threshold Alto")
threshold_low = input.float(-1.5, title="Threshold Baixo")
lookback_period = input.int(252, title="Período de Retorno Histórico (dias)")

// Funções auxiliares
f_sma(source, length) =>
    ta.sma(source, length)

f_bollinger_band(source, length, mult) =>
    basis = ta.sma(source, length)
    dev = mult * ta.stdev(source, length)
    [basis + dev, basis - dev]

// Cálculo dos indicadores
sma = f_sma(close, sma_length)
[upper_band, lower_band] = f_bollinger_band(close, sma_length, 2)

// Regime de Mercado: Binomial
retornos = ta.change(close, 1)
media_retornos = ta.sma(retornos, lookback_period)
desvio_padrao_retornos = ta.stdev(retornos, lookback_period)

// Indicador de Regime: Z-Score
z_score = (retornos - media_retornos) / desvio_padrao_retornos

// Sinal de Compra e Venda
sinal_compra = z_score < threshold_low and close < lower_band
sinal_venda = z_score > threshold_high and close > upper_band

// Execução de Ordem
if (sinal_compra)
    strategy.entry("Long", strategy.long)
if (sinal_venda)
    strategy.close("Long")

// Plotagem dos Indicadores
plot(sma, title="SMA", color=color.blue)
plot(upper_band, title="Upper Bollinger Band", color=color.red)
plot(lower_band, title="Lower Bollinger Band", color=color.green)
hline(threshold_high, "Threshold Alto", color=color.red, linestyle=hline.style_dashed)
hline(threshold_low, "Threshold Baixo", color=color.green, linestyle=hline.style_dashed)
plot(z_score, title="Z-Score", color=color.purple)