
Обзор
Динамическая стратегия отслеживания трендов на фоне понижения стоимости с использованием преобразования Фишера использует преобразование Фишера для идентификации изменений в ценовых тенденциях. Эта стратегия использует преобразование Фишера, чтобы унифицировать цены в стандартную шкалу, чтобы легче обнаружить потенциальные переломы.
Стратегический принцип
- Вычислить значение преобразования Фишера: с учетом исторических максимумов и минимумов, с помощью унификации текущей цены, получается значение преобразования Фишера от -0,999 до 0,999.
- Динамическая пониженность: в зависимости от исторических колебаний переменной величины Фишера, пониженность торгового сигнала динамически корректируется в соответствии с различными состояниями рынка.
- Определение тенденции: определение изменения ценовой тенденции путем сравнения текущих значений преобразования Фишера с значениями предыдущих двух циклов.
- Сигнал покупки/продажи: Сигнал покупки, когда значение преобразования Фишера пересекает отрицательную отметку вверх и вниз; Сигнал продажи, когда значение преобразования Фишера пересекает положительную отметку вверх и вниз.
Анализ преимуществ
- Динамическая корректировка отклонений: адаптируется к рыночным колебаниям для корректировки отклонений от покупок и продаж, повышает точность определения тенденций.
- Следить за тенденциями: с помощью анализа тенденций с помощью индикатора преобразования Fisher можно лучше улавливать тенденции рынка и осуществлять торговлю с отслеживанием тенденций.
- Уменьшение ценового шума: преобразование Фишера приводит к унификации цен, что помогает уменьшить влияние ценового шума на оценку тенденций.
- Интуитивное отображение диаграмм: стратегия начерчивает на диаграммах кривую преобразования Фишера и линию отклонения, что позволяет трейдерам интуитивно наблюдать за тенденциями рынка и сигналами покупки и продажи.
Анализ рисков
- Оптимизация параметров риска: эффективность стратегии зависит от выбора параметров, таких как цикл преобразований Фишера, динамический метод расчета отклонений, и другие параметры могут привести к различным результатам торгов.
- Отставание в распознавании тенденций: Существует определенная отсталость в оценке ценовых тенденций, и некоторые тенденции могут быть пропущены.
- Плохая производительность в условиях волатильности: в условиях волатильности частое изменение тренда может привести к тому, что стратегия будет генерировать больше ложных сигналов, что может привести к плохой торговле.
- Риск экстремальных ситуаций: в экстремальных ситуациях (например, при быстрых и резких изменениях) индикатор преобразования Фишера может не сработать, что может привести к ошибочным торговым решениям в стратегии.
Направление оптимизации
- Оптимизация параметров: оптимизация ключевых параметров, таких как цикл изменений Фишера, динамический метод расчета отклонений, повышение адаптивности стратегии в различных рыночных условиях.
- Фильтрация сигналов: на основе идентификации тенденций, введение других технических показателей или показателей настроения рынка, для вторичного подтверждения торговых сигналов, повышения надежности сигнала.
- Стоп-стоп: установление разумных правил стоп-стопа, контроль риска в одной сделке, повышение риско-прибыльности стратегии.
- Управление позициями: в зависимости от силы рыночных тенденций, волатильности цен и других факторов, динамически корректируйте размер позиции, чтобы снизить риск удержания позиции.
Подвести итог
Стратегия Fisher Conversion Dynamic Depreciation Trend Tracking использует индикатор Fisher Conversion и динамическую девальвацию, чтобы идентифицировать изменения в ценовых тенденциях и адаптироваться к различным состояниям рынка. Эта стратегия позволяет лучше улавливать рыночные тенденции и осуществлять сделки, отслеживающие тенденции. Преимущества стратегии заключаются в динамической девальвации, уменьшении ценового шума и интуитивном графическом отображении.
Исходный код стратегии
/*backtest
start: 2024-05-01 00:00:00
end: 2024-05-31 23:59:59
period: 1h
basePeriod: 15m
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/
//@version=5
strategy("Qiuboneminer - Fisher Transform", overlay=true)
// Parámetros
Len = input.int(10, minval=1)
mult1 = input.int(1, minval=1)
threshold = 2.6
// Función Fisher Transform
fish(Length, timeMultiplier) =>
var float nValue1 = na
var float nFish = na
xHL2 = hl2
xMaxH = ta.highest(xHL2, Length * timeMultiplier)
xMinL = ta.lowest(xHL2, Length * timeMultiplier)
nValue1 := 0.33 * 2 * ((xHL2 - xMinL) / (xMaxH - xMinL) - 0.5) + 0.67 * nz(nValue1[1])
nValue2 = if nValue1 > 0.99
0.999
else if nValue1 < -0.99
-0.999
else
nValue1
nFish := 0.5 * math.log((1 + nValue2) / (1 - nValue2)) + 0.5 * nz(nFish[1])
nFish
// Cálculo del Fisher Transform para mult1
Fisher1 = fish(Len, mult1)
// Condiciones de entrada y salida
longCondition = Fisher1 > nz(Fisher1[1]) and nz(Fisher1[1]) <= nz(Fisher1[2]) and Fisher1 < -threshold
shortCondition = Fisher1 < nz(Fisher1[1]) and nz(Fisher1[1]) >= nz(Fisher1[2]) and Fisher1 > threshold
// Estrategia de entrada
if (longCondition)
strategy.entry("Long", strategy.long)
if (shortCondition)
strategy.entry("Short", strategy.short)
// Ploteo del Fisher Transform
plot(Fisher1, color=(Fisher1 > nz(Fisher1[1]) ? color.rgb(34, 255, 0) : color.rgb(255, 0, 212)), title="Fisher TF:1")
// Ploteo de líneas de umbral
hline(threshold, "Umbral Superior", color=color.rgb(255, 0, 0), linestyle=hline.style_dotted)
hline(-threshold, "Umbral Inferior", color=#008704, linestyle=hline.style_dotted)