Стратегия торговли с разворотом импульса на основе трех стандартных отклонений

SMA STD MA SD
Дата создания: 2024-06-21 14:44:54 Последнее изменение: 2024-06-21 14:44:54
Копировать: 0 Количество просмотров: 509
1
Подписаться
1617
Подписчики

Стратегия торговли с разворотом импульса на основе трех стандартных отклонений

Обзор

Трехстандартная разница - это метод количественного трейдинга, основанный на статистических принципах. Эта стратегия использует свойства колебаний цен вокруг средней линии, чтобы определить диапазон аномальных колебаний цен путем расчета стандартной разницы и совершать регрессивную торговлю, когда цены достигают крайнего отклонения. Этот метод предназначен для захвата регрессивного поведения после чрезмерной реакции рынка в краткосрочной перспективе, особенно для торговых сортов с большим количеством колебаний и небольших периодов времени.

Стратегический принцип

Основным принципом стратегии является использование скользящих средних ((MA) и стандартных отклонений ((SD) для построения верхней и нижней границ колебаний цен. Конкретные шаги следующие:

  1. Вычислить простую скользящую среднюю (SMA) за заданный период ((дифолт 20)).
  2. Стандартная разница в цене за тот же период.
  3. Умножьте стандартную дифференциацию на 3 (изменяемое кратное число), а затем добавьте и уменьшите ее до скользящего среднего, чтобы сформировать верхнюю и нижнюю границы.
  4. Когда цена пересекает нижнюю границу, это считается перепродажей и создает сигнал к покупке.
  5. Когда цена пересекает верхнюю границу, это рассматривается как перекуп и создает сигнал продажи.

Этот метод предполагает, что цены в большинстве случаев колеблются вблизи средних значений, а когда цены отклоняются от средних значений на 3 стандартных отклонения, вероятность возникновения средних значений возрастает.

Стратегические преимущества

  1. Статистические основы: Стратегия основана на прочных статистических принципах, используя стандартные различия для количественной оценки аномальной степени колебаний цен, с теоретической поддержкой.

  2. Умение адаптироваться: Стратегия может адаптироваться к волатильным характеристикам в различных рыночных условиях путем динамического расчета скользящих средних и стандартных отклонений.

  3. Противоположное действие: вход в рынок, когда настроения находятся в крайнем состоянии, помогает уловить шансы на обратный курс и потенциально увеличивает прибыль.

  4. Высокая гибкость: параметры стратегии (например, цикл МА, кратность стандартной разницы) могут быть оптимизированы в зависимости от разных типов торгов и временных рамок.

  5. Визуализация: стратегия четко отображает на графике сигналы о покупке и продаже и диапазон колебаний цен, что позволяет трейдерам интуитивно понимать состояние рынка.

Стратегический риск

  1. Риск ложного прорыва: в условиях высокой волатильности рынка цены могут часто прорываться через границы, но не образуют подлинного разворота, что приводит к частым сделкам и потенциальным потерям.

  2. Недостаточная производительность на трендовых рынках: в сильных трендовых рынках цены могут длительное время работать вне границ, и стратегия может пропустить большую тенденцию или часто проводить обратную операцию.

  3. Чувствительность к параметрам: эффективность стратегии сильно зависит от выбора средних перемещений и кратных стандартных отклонений, а неправильная настройка параметров может привести к значительному снижению эффективности.

  4. Скидки и затраты на сделки: частое совершение сделок может привести к высоким сбойным точкам и затратам на сделки в течение небольшого промежутка времени, что может привести к снижению прибыли.

  5. Риск Чёрных Свин: при значительных новостных новостях или резких рыночных колебаниях цены могут быть выше нормального диапазона колебаний, что может привести к серьезным убыткам.

Направление оптимизации стратегии

  1. Введение фильтра тренда: в сочетании с долгосрочными трендовыми показателями (например, с более длительными циклами скользящих средних), выполняются сделки только в направлении тренда, чтобы уменьшить обратную операцию.

  2. Динамическая коррекция кратности стандартного разрыва: автоматическая коррекция кратности стандартного разрыва в зависимости от рыночной волатильности, повышение чувствительности в период низкой волатильности и повышение порога в период высокой волатильности.

  3. Добавление подтверждающих показателей: в сочетании с другими техническими показателями (например, RSI или MACD) в качестве вспомогательного подтверждения, повышение надежности входного сигнала.

  4. Осуществление частичного управления позициями: осуществление входа и выхода в зависимости от силы сигнала или степени отклонения цены, оптимизация управления рисками.

  5. Добавление стоп-поставок и движущихся стоп-поставок: установление разумных стоп-поставок и использование движущихся стоп-поставок при получении прибыли для защиты уже полученной прибыли.

  6. Оптимизация выбора временных циклов: выбор конкретных временных рамок, наиболее подходящих для стратегии, путем отслеживания производительности в разных временных циклах.

  7. Учитывание факторов волатильности: изменение параметров стратегии или приостановка торговли в условиях низкой волатильности в соответствии с различными состояниями рынка.

Подвести итог

Трехмерная стратегия торговли с обратным отклонением является количественным методом торговли, основанным на статистических принципах, для поиска возможностей торговли путем захвата крайних отклонений цены. Эта стратегия имеет значительные преимущества в теоретической основе, адаптивности и гибкости, особенно применимая к высоковолатильным рынкам и краткосрочным сделкам. Однако пользователям необходимо следить за потенциальными рисками, такими как ложные прорывы, тенденционная рыночная деятельность и чувствительность параметров.

Исходный код стратегии
/*backtest
start: 2023-06-15 00:00:00
end: 2024-06-20 00:00:00
period: 1d
basePeriod: 1h
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/

//@version=5
strategy("MikEy Scali 3 STD Dev Buy/Sell Strategy", overlay=true)

// Input parameters
length = input.int(20, title="Standard Deviation Length", minval=1)
src = input(close, title="Source")
mult = input.float(3.0, title="Standard Deviation Multiplier", step=0.1)

// Calculate the moving average and standard deviation
ma = ta.sma(src, length)
std_dev = ta.stdev(src, length)

// Calculate upper and lower bands
upper_band = ma + (std_dev * mult)
lower_band = ma - (std_dev * mult)

// Buy and Sell conditions
// Buy when the price is below the lower band (3 std devs below MA)
buyCondition = ta.crossover(src, lower_band)
// Sell when the price is above the upper band (3 std devs above MA)
sellCondition = ta.crossunder(src, upper_band)

// Plot the buy and sell signals on the chart
plotshape(series=buyCondition, location=location.belowbar, color=color.green, style=shape.labelup, text="BUY")
plotshape(series=sellCondition, location=location.abovebar, color=color.red, style=shape.labeldown, text="SELL")

// Execute buy and sell orders based on the conditions
if (buyCondition)
    strategy.entry("Buy", strategy.long)
if (sellCondition)
    strategy.close("Buy")

// Plot the moving average and the bands
plot(ma, color=color.blue, title="Moving Average")
plot(upper_band, color=color.red, title="Upper Band (3 STD)")
plot(lower_band, color=color.green, title="Lower Band (3 STD)")

// Optional: Plot the source
plot(src, color=color.gray, title="Source")

// Add labels for clarity
bgcolor(buyCondition ? color.new(color.green, 90) : na, offset=-1, title="Buy Signal Background")
bgcolor(sellCondition ? color.new(color.red, 90) : na, offset=-1, title="Sell Signal Background")