ianzeng123
Обзор
Стратегия статистического анализа фибоначской модели - это передовой метод количественного трейдинга, который искусно объединяет три основных технологии статистического анализа и алгоритмов распознавания моделей. Основная цель стратегии - использовать 19 и 82,56% уровней фибоначской обратной связи в качестве основы для торговых сигналов, а также идентифицировать высоковероятные торговые установки с помощью алгоритмов моделирования и подтверждать их с помощью статистического анализа.
Стратегический принцип
Основные принципы стратегии статистического анализа модели Фибоначчи основаны на совместной работе трех основных компонентов:
Уровень фибоначевой обратной связи: Стратегия использует максимумы и минимумы в течение 93 циклов, чтобы рассчитать особые уровни Фибоначского отклонения 19% и 82,56%. Эти необычные уровни Фибоначчи являются уникальными для стратегии, которые могут быть получены на основе статистического анализа конкретного поведения рынка.
Распознавание шаблонов: Стратегия реализует сложный алгоритм сопоставления моделей, который анализирует прошлые ценовые модели и вычисляет их сходство с текущими. Она использует графическую модель заданной длины (по умолчанию 5) и ищет оптимальные совпадения в исторических данных (по умолчанию 93 цикла). Если сходство найденных моделей превышает установленный порог (по умолчанию 0.7), стратегия прогнозирует возможные движения после текущей модели на основе ценового движения после этой исторической модели.
Статистический анализ: Стратегия вводит механизм статистического подтверждения, определяющий статистическое распределение цены путем вычисления среднего, четвертичного и четвертичного интервала (IQR). Статистические сигналы генерируются, когда цена пересекает средний, верхний и нижний четвертичные или превышает верхнюю и нижнюю границы (определенные как Q3 + 1.5 * IQR и Q1 - 1.5 * IQR). Сила этих сигналов пересчитывается в зависимости от уровня прорыва и установленных пользователем статистических прав.
Трейдинговые сигналы генерируются в результате сочетания трех компонентов:
- При выполнении множества условий требуется удовлетворить сигналу Fibonacci touch или break (в зависимости от пользовательских настроек), а также направление модели должно быть многосторонним или нейтральным.
- Условия выполнения пустоты требуют выполнения сигналов касания или прорыва Фибонача, направление модели пустое или нейтральное, а статистическая пустота значительна, чем 0.
Стратегия также включает в себя сложные механизмы управления рисками, включая:
- Выбор стоп-лосса на основе процента или ATR
- Опциональная стоп-трасса
- Семь уровней с разбивкой на прибыльные механизмы, по 14,28% на каждом уровне
Стратегические преимущества
Подтверждение многомерного сигналаСтратегия объединяет три измерения технического анализа (Фибоначчи), распознавания моделей и статистического анализа, создавая мощный механизм многократного подтверждения, значительно снижающий вероятность ложных сигналов.
Высокая степень адаптации: Стратегия предлагает богатые параметры, включая выбор временных циклов, длину моделей, схожесть, исторические окна, статистические циклы и т. д., что позволяет адаптироваться к различным рыночным условиям и видам торгов.
Распознавание интеллектуальных моделей: алгоритмы сопоставления моделей в стратегии учитывают не только формы моделей, но и порог сходства, гарантируя, что только очень похожие модели используются для прогнозирования, что повышает точность прогноза.
Статистическая проверкаС помощью статистических методов, включающих в себя четырехзначные числа и IQR, стратегии позволяют идентифицировать место цены в статистическом распределении и предоставляют дополнительную объективную основу для принятия торговых решений.
Правильное управление рискамиСтратегия предлагает множество вариантов остановки убытков (фиксированный процент, ATR-множитель, отслеживание остановки) и семиступенчатый механизм получения прибыли, обеспечивающий гибкое и систематизированное управление рисками.
Интуитивная визуализация: Стратегия предоставляет богатые визуальные элементы, включая цвета фона, стрелки, знаки и ярлыки, которые помогают трейдерам интуитивно понимать текущее состояние рынка и силу сигнала.
Панель состояния в реальном времени: Стратегия отображает на графике обновленную в режиме реального времени панель состояния, четко показывающую текущее состояние трех компонентов Фибоначчи, моделей и статистики, а также их совокупные результаты.
Стратегический риск
Параметр Чувствительность: Стратегия использует несколько параметров, таких как длина модели, схожесть, статистические циклы и т. д. Эти параметры могут существенно повлиять на эффективность стратегии. Неправильная настройка параметров может привести к переизбытку или отсутствию сигнала. Рекомендуется найти оптимальную комбинацию параметров для конкретного рынка путем обратной связи.
Зависимость от рыночной среды: В некоторых рыночных условиях уровни Фибоначчи могут быть неэффективными, особенно в рынках с сильной тенденцией или чрезвычайной волатильностью. Эффективность стратегии может изменяться в зависимости от рыночных условий. Решение заключается в введении механизмов обнаружения рыночных условий с использованием различных параметров в различных рыночных условиях.
Сложность вычислений: алгоритмы сопоставления моделей стратегии требуют прохождения исторических данных и вычисления сходства в каждом цикле, что может создать вычислительную нагрузку на более короткие временные рамки. Для уменьшения этой проблемы можно рассмотреть оптимизацию алгоритмов или уменьшение частоты вычислений.
Риски чрезмерной торговли: Многосигнальные механизмы могут приводить к частоте торговых сигналов, особенно в более короткие временные рамки. Рекомендуется добавлять ограничения на частоту торгов или фильтры интенсивности сигнала, чтобы выполнять только сигналы самого высокого качества.
Задачи настройки Stop Loss: Хотя в стратегии есть множество вариантов остановки, определение оптимального уровня остановки остается проблемой. Слишком жесткая остановка может привести к частым остановкам, а слишком широкая может привести к чрезмерным потерям.
Отсутствие фундаментальных соображений: Стратегия основана исключительно на техническом и статистическом анализе без учета фундаментальных факторов. Чисто технические стратегии могут столкнуться с проблемами при появлении значительных новостей или событий. Решение - это добавление фильтров новостей или приостановка торговли до и после значительных событий.
Направление оптимизации стратегии
Изменение динамических параметров: может быть введен механизм самоадаптации, в зависимости от рыночной волатильности или динамической настройки параметров интенсивности тренда, таких как длина модели, схожесть порога и статистического цикла. Это повысит адаптивность стратегии в различных рыночных условиях.
Алгоритмы сходства усиленных моделейПримечание: В настоящее время модели сопоставления основываются на отношениях между ценой закрытия и ценой открытия (вверх, вниз или вниз), можно рассмотреть возможность внедрения более сложных модельных особенностей, таких как отношения высоких и низких точек, модели объема сделок или модели волатильности, чтобы повысить точность идентификации моделей.
Классификация рыночной средыВнедрение классификации рыночных условий, таких как классификация трендов/диапазонов/хаоса, и использование различных правил торговли или параметров в различных рыночных условиях. Это поможет стратегии лучше адаптироваться к различным рыночным условиям.
Оптимизация части статистического анализа: Можно рассмотреть использование более сложных статистических методов, таких как Z-счет или процентное ранжирование, или внедрение динамических статистических циклов для повышения качества статистического сигнала.
Интеграция машинного обучения: Можно рассмотреть возможность использования алгоритмов машинного обучения для оптимизации распознавания моделей и распределения статистических весов или прогнозирования вероятности распределения ценового движения после определенной модели.
Улучшение управления рисками: можно реализовать динамическую стратегию управления позициями, корректировать размер позиций в зависимости от силы сигнала, рыночной волатильности и риска счета. Кроме того, можно оптимизировать механизм получения прибыли по партиям, динамично корректировать цели получения прибыли в зависимости от рыночных условий.
Добавить фильтрВнедрение различных фильтров, таких как фильтры тренда, фильтры частоты колебаний или фильтры перехода, для дальнейшего улучшения качества сигнала и уменьшения ложного сигнала.
Подвести итог
Стратегия статистического анализа фибоначевой модели - это хорошо структурированная, функционально насыщенная, количественная стратегия торговли, которая создает мощную многомерную сигнальную систему, инновационно объединяя уровни фибоначевой обратной связи, распознавание моделей и статистический анализ. Основные преимущества стратегии заключаются в ее многоуровневом механизме подтверждения, адаптивной конструкции и усовершенствованных функциях управления рисками, которые позволяют искать высоковероятные торговые возможности в различных рыночных условиях.
Тем не менее, стратегия также сталкивается с такими проблемами, как чувствительность к параметрам, зависимость от рыночной среды и сложность вычислений. Существует большой простор для оптимизации стратегии путем внедрения динамической настройки параметров, расширения алгоритмов сопоставления моделей, классификации рыночной среды и машинного обучения.
Для трейдеров, которые хотят использовать эту стратегию, рекомендуется сначала проанализировать, как стратегия работает в различных рыночных и параметрических настройках, а затем начать с небольших позиций в реальных торгах, постепенно адаптируя и оптимизируя параметры, чтобы они соответствовали конкретным стилям торговли и рыночной среде. И самое главное, чтобы максимизировать ее потенциал, рассматривайте эту стратегию как инструмент в торговом инструментарии, а не как изолированную систему, которая используется в сочетании с другими методами анализа и принципами управления рисками.
/*backtest
start: 2024-03-03 00:00:00
end: 2024-05-01 00:00:00
period: 1h
basePeriod: 1h
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/
//@version=6
strategy("Fibonacci-Only Strategi V2", overlay=true)
timeframe = input.timeframe("15", "Select Timeframe", options=["1", "5", "15", "30", "60", "240", "D"])
use_break_strategy = input(true, "Use Break Strategy")
stop_loss_percent = input.float(1.0, "Stop Loss %", minval=0.1, maxval=2.0, step=0.1)
use_atr_for_sl = input(true, "Use ATR for Stop Loss")
atr_multiplier = input.float(2.0, "ATR Multiplier for SL", minval=0.5, maxval=5.0, step=0.1)
use_trailing_stop = input(true, "Use Trailing Stop")
trailing_stop_percent = input.float(1.5, "Trailing Stop %", minval=0.1, maxval=5.0, step=0.1)
pattern_length = input.int(5, "Candle Pattern Length", minval=3, maxval=10)
similarity_threshold = input.float(0.7, "Pattern Similarity Threshold", minval=0.6, maxval=0.95)
lookback_window = input.int(93, "Historical Lookback Window", minval=10, maxval=93)
stat_period = input.int(50, "Statistical Period", minval=20, maxval=200)
stat_weight = input.float(0.5, "Statistical Confirmation Weight", minval=0.1, maxval=1.0, step=0.1)
fib_high = ta.highest(high, 93)
fib_low = ta.lowest(low, 93)
fib_diff = fib_high - fib_low
fib_19 = fib_high - fib_diff * 0.19
fib_8256 = fib_high - fib_diff * 0.8256
fib_19_reverse = fib_low + fib_diff * 0.19
plot(fib_8256, color=color.purple, style=plot.style_line, title="82.56% Fib")
plot(fib_19_reverse, color=color.orange, style=plot.style_line, title="19% Fib (Low to High)")
fib_19_touch = low[1] > fib_19 and low <= fib_19
fib_8256_touch = high[1] < fib_8256 and high >= fib_8256
fib_19_break = close < fib_19 and open > fib_19
fib_8256_break = close > fib_8256 and open < fib_8256
fib_19_reverse_touch = high[1] < fib_19_reverse and high >= fib_19_reverse
fib_19_reverse_break = close > fib_19_reverse and open < fib_19_reverse
bull_confirmation = close > open
bear_confirmation = close < open
getMedianAndQuartiles(src, len) =>
values = array.new_float(0)
for i = 0 to len - 1
array.push(values, src[i])
array.sort(values)
size = array.size(values)
median = size % 2 == 1 ? array.get(values, math.floor(size / 2)) : (array.get(values, size / 2 - 1) + array.get(values, size / 2)) / 2
q1_idx = math.floor(size / 4)
q3_idx = math.floor(3 * size / 4)
q1 = array.get(values, q1_idx)
q3 = array.get(values, q3_idx)
[median, q1, q3]
[price_median, price_q1, price_q3] = getMedianAndQuartiles(close, stat_period)
iqr = price_q3 - price_q1
upper_bound = price_q3 + 1.5 * iqr
lower_bound = price_q1 - 1.5 * iqr
stat_bull_signal = close > price_median and close[1] <= price_median
stat_bear_signal = close < price_median and close[1] >= price_median
stat_strong_bull = close > price_q3 and close[1] <= price_q3
stat_strong_bear = close < price_q1 and close[1] >= price_q1
stat_extreme_bull = close > upper_bound
stat_extreme_bear = close < lower_bound
long_condition_fib_touch = (fib_19_touch or fib_19_reverse_touch) and bull_confirmation
long_condition_fib_break = use_break_strategy and (fib_19_break or fib_19_reverse_break) and bull_confirmation
short_condition_fib_touch = fib_19_touch and bear_confirmation
short_condition_fib_break = use_break_strategy and fib_19_break and bear_confirmation
getPatternSignature(start_idx, len) =>
pattern = array.new_float(len)
for i = 0 to len - 1
if close[start_idx + i] > open[start_idx + i]
array.set(pattern, i, 1.0)
else if close[start_idx + i] < open[start_idx + i]
array.set(pattern, i, -1.0)
else
array.set(pattern, i, 0.0)
pattern
calcSimilarity(current_pattern, hist_pattern) =>
matches = 0.0
for i = 0 to array.size(current_pattern) - 1
if array.get(current_pattern, i) == array.get(hist_pattern, i)
matches := matches + 1.0
matches / array.size(current_pattern)
findBestMatch() =>
curr_pattern = getPatternSignature(1, pattern_length)
best_idx = -1
best_sim = 0.0
direction = 0
for i = pattern_length + 2 to lookback_window + 1
if i < pattern_length * 2
continue
hist_pattern = getPatternSignature(i, pattern_length)
sim = calcSimilarity(curr_pattern, hist_pattern)
if sim > best_sim and sim >= similarity_threshold
best_sim := sim
best_idx := i
next_close = close[i - pattern_length - 1]
curr_close = close[i - pattern_length]
if next_close > curr_close
direction := 1
else if next_close < curr_close
direction := -1
[best_idx, best_sim, direction]
var latest_pattern_sim = 0.0
var pattern_direction = 0
if barstate.isconfirmed
[idx, sim, dir] = findBestMatch()
if sim >= similarity_threshold
latest_pattern_sim := sim
pattern_direction := dir
calculateStatWeight(stat_signal, stat_strong, stat_extreme) =>
weight = 0.0
if stat_signal
weight := stat_weight * 0.5
if stat_strong
weight := weight + stat_weight * 0.3
if stat_extreme
weight := weight + stat_weight * 0.2
weight
stat_bull_weight = calculateStatWeight(stat_bull_signal, stat_strong_bull, stat_extreme_bull)
stat_bear_weight = calculateStatWeight(stat_bear_signal, stat_strong_bear, stat_extreme_bear)
long_condition = (long_condition_fib_touch or long_condition_fib_break) and
(pattern_direction == 1 or pattern_direction == 0)
short_condition = (short_condition_fib_touch or short_condition_fib_break) and
(pattern_direction == -1 or pattern_direction == 0) and
stat_bear_weight > 0
atr = ta.atr(14)
if long_condition
strategy.entry("Long", strategy.long)
if short_condition
strategy.entry("Short", strategy.short)
var float long_stop_loss = na
var float short_stop_loss = na
if strategy.position_size > 0
long_stop_loss := use_atr_for_sl ? strategy.position_avg_price - atr * atr_multiplier : strategy.position_avg_price * (1 - stop_loss_percent / 100)
if strategy.position_size < 0
short_stop_loss := use_atr_for_sl ? strategy.position_avg_price + atr * atr_multiplier : strategy.position_avg_price * (1 + stop_loss_percent / 100)
take_profit_levels = array.new_float(7)
for i = 0 to 6
tp_percent = 1 + (i + 1) * 0.5 / 100
array.set(take_profit_levels, i, tp_percent * strategy.position_avg_price)
if strategy.position_size > 0
if use_trailing_stop
trail_price = high - (high - strategy.position_avg_price) * trailing_stop_percent / 100
strategy.exit("Long TS", "Long", stop=math.max(trail_price, long_stop_loss))
else
strategy.exit("Long SL", "Long", stop=long_stop_loss)
for i = 0 to 6
long_tp_price = array.get(take_profit_levels, i)
strategy.exit("Long TP" + str.tostring(i+1), "Long", limit=long_tp_price, qty_percent=14.28)
if strategy.position_size < 0
if use_trailing_stop
trail_price = low + (strategy.position_avg_price - low) * trailing_stop_percent / 100
strategy.exit("Short TS", "Short", stop=math.min(trail_price, short_stop_loss))
else
strategy.exit("Short SL", "Short", stop=short_stop_loss)
for i = 0 to 6
short_tp_price = array.get(take_profit_levels, i)
strategy.exit("Short TP" + str.tostring(i+1), "Short", limit=short_tp_price, qty_percent=14.28)
bgcolor(long_condition ? color.new(color.green, 80) : short_condition ? color.new(color.red, 80) : na)
plotarrow(long_condition ? 1 : short_condition ? -1 : 0, title="Signal Direction", colorup=color.green, colordown=color.red, minheight=10, maxheight=20)
long_touch_marker = long_condition and long_condition_fib_touch ? low - atr : na
long_break_marker = long_condition and long_condition_fib_break ? low - atr * 1.5 : na
short_touch_marker = short_condition and short_condition_fib_touch ? high + atr : na
short_break_marker = short_condition and short_condition_fib_break ? high + atr * 1.5 : na
plotshape(long_touch_marker, style=shape.circle, color=color.green, size=size.normal, title="Long Touch Marker", location=location.absolute)
plotshape(long_break_marker, style=shape.xcross, color=color.green, size=size.normal, title="Long Break Marker", location=location.absolute)
plotshape(short_touch_marker, style=shape.circle, color=color.red, size=size.normal, title="Short Touch Marker", location=location.absolute)
plotshape(short_break_marker, style=shape.xcross, color=color.red, size=size.normal, title="Short Break Marker", location=location.absolute)
plotshape(stat_bear_signal, style=shape.triangledown, color=color.red, size=size.tiny, title="Statistical Bear Signal", location=location.abovebar)
if barstate.islast
var table info = table.new(position.top_right, 4, 5, color.black, color.white, 2, color.gray, 2)
table.clear(info, 0, 0, 3, 4)
table.cell(info, 0, 0, "Fibonacci-Pattern with Stats", bgcolor=color.blue, text_color=color.white)
table.cell(info, 0, 1, "Fib Status", bgcolor=color.blue, text_color=color.white)
fib_status = "NEUTRAL"
fib_color = color.gray
if long_condition_fib_touch or long_condition_fib_break
fib_status := "LONG"
fib_color := color.green
else if short_condition_fib_touch or short_condition_fib_break
fib_status := "SHORT"
fib_color := color.red
table.cell(info, 1, 1, fib_status, bgcolor=fib_color, text_color=color.white)
table.cell(info, 0, 2, "Pattern", bgcolor=color.blue, text_color=color.white)
pattern_status = "NEUTRAL"
pattern_color = color.gray
if pattern_direction == 1
pattern_status := "LONG"
pattern_color := color.green
else if pattern_direction == -1
pattern_status := "SHORT"
pattern_color := color.red
table.cell(info, 1, 2, pattern_status, bgcolor=pattern_color, text_color=color.white)
table.cell(info, 2, 2, pattern_direction != 0 ? str.tostring(math.round(latest_pattern_sim * 100)) + "%" : "N/A", bgcolor=color.gray, text_color=color.white)
table.cell(info, 0, 3, "Statistics", bgcolor=color.blue, text_color=color.white)
stat_status = "NEUTRAL"
stat_color = color.gray
if stat_bull_weight > 0
stat_status := "BULL"
stat_color := color.green
else if stat_bear_weight > 0
stat_status := "BEAR"
stat_color := color.red
table.cell(info, 1, 3, stat_status, bgcolor=stat_color, text_color=color.white)
table.cell(info, 2, 3, stat_bull_weight > 0 ? str.tostring(math.round(stat_bull_weight * 100)) + "%" :
stat_bear_weight > 0 ? str.tostring(math.round(stat_bear_weight * 100)) + "%" : "0%",
bgcolor=color.gray, text_color=color.white)
table.cell(info, 0, 4, "Combined", bgcolor=color.blue, text_color=color.white)
combined_status = "NEUTRAL"
combined_color = color.gray
if long_condition
combined_status := "LONG"
combined_color := color.green
else if short_condition
combined_status := "SHORT"
combined_color := color.red
table.cell(info, 1, 4, combined_status, bgcolor=combined_color, text_color=color.white)
var label_id = label.new(na, na, "", color=color.gray, style=label.style_label_down, textcolor=color.white)
if long_condition and barstate.isconfirmed
label.set_xy(label_id, bar_index, high)
label.set_text(label_id, "LONG\n" +
(long_condition_fib_touch ? "Touch" : "Break") +
(pattern_direction == 1 ? " + Pattern " + str.tostring(math.round(latest_pattern_sim * 100)) + "%" : "") +
"\nStat: " + str.tostring(math.round(stat_bull_weight * 100)) + "%")
label.set_color(label_id, color.green)
label.set_style(label_id, label.style_label_down)
if short_condition and barstate.isconfirmed
label.set_xy(label_id, bar_index, low)
label.set_text(label_id, "SHORT\n" +
(short_condition_fib_touch ? "Touch" : "Break") +
(pattern_direction == -1 ? " + Pattern " + str.tostring(math.round(latest_pattern_sim * 100)) + "%" : "") +
"\nStat: " + str.tostring(math.round(stat_bear_weight * 100)) + "%")
label.set_color(label_id, color.red)
label.set_style(label_id, label.style_label_up)
alertcondition(long_condition, title="Long Entry", message="Long entry signal detected")
alertcondition(short_condition, title="Short Entry", message="Short entry signal detected")