بائنومل تقسیم پر مبنی قیمت انتہائی الٹ کی حکمت عملی

مصنف:چاؤ ژانگ، تاریخ: 2023-09-13 16:47:22
ٹیگز:

اس حکمت عملی کا نام Price Extreme Reversion Strategy Based on Binomial Distribution ہے۔ اس میں قیمتوں میں الٹ پڑنے کے امکان کا اندازہ کرنے کے لئے بائنومل ڈسٹری بیوشن فنکشن کا استعمال کیا جاتا ہے اور تجارتی سگنل پیدا کرنے کے لئے دوہری ای ایم اے سسٹم مرتب کیا جاتا ہے۔

منطق یہ ہے:

  1. پچھلے 20 باروں میں قریب سے باروں کی تعداد کا حساب لگائیں، اور پچھلے 100 باروں میں دوروں کے فیصد پی.

  2. مجموعی تقسیم کے فنکشن (سی ڈی ایف) کا حساب لگانے کے لئے دورانیہ کی گنتی اور امکان پی کو دوہری تقسیم کے فنکشن میں پلگ ان کریں۔

  3. سی ڈی ایف پر 10 دن اور 20 دن کے ای ایم اے کا اطلاق کریں۔ جب تیز ای ایم اے سست ای ایم اے سے تجاوز کرتا ہے تو ، اس سے قیمت کی انتہائی واپسی کا ایک اعلی امکان ظاہر ہوتا ہے ، جس سے خرید سگنل پیدا ہوتے ہیں۔

  4. جب تیز EMA سست EMA سے نیچے عبور کرتا ہے تو ، قیمتیں مختصر مدت میں چوٹی پر آسکتی ہیں ، یہاں فروخت کے سگنل پیدا کرتی ہیں۔

اس حکمت عملی کا فائدہ یہ ہے کہ امکان کے طریقوں کے ذریعہ قیمت کے انتہائی الٹ جانے کے وقت کا اندازہ لگایا جاسکتا ہے۔ لیکن زیادہ سے زیادہ غلط سگنل سے بچنے کے ل parameters پیرامیٹرز کو مارکیٹ کے مطابق اصلاح کی ضرورت ہے۔

آخر میں ، شماریاتی تکنیک قیمتوں کے طرز عمل کے نمونوں کو معروضی طور پر ظاہر کرنے میں مدد کرتی ہیں۔ لیکن آخر کار ، تاجروں کو تکنیکی اشارے کو اضافی اوزار کے طور پر استعمال کرنے کے لئے ابھی بھی مارکیٹ کی تیز تشخیص کی ضرورت ہے۔


/*backtest
start: 2022-09-06 00:00:00
end: 2023-05-01 00:00:00
period: 1d
basePeriod: 1h
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/

// This source code is subject to the terms of the Mozilla Public License 2.0 at https://mozilla.org/MPL/2.0/
// © pieroliviermarquis

//@version=4
strategy("Binomial Strategy", overlay=false, default_qty_type= strategy.percent_of_equity, default_qty_value= 100, slippage=1, initial_capital= 10000, calc_on_every_tick=true)


factorial(length) =>
    n = 1
    if length != 0
        for i = 1 to length
            n := n * i
    n


binomial_pdf(success, trials, p) =>
    q = 1-p
    coef = factorial(trials) / (factorial(trials-success) * factorial(success))
    pdf = coef * pow(p, success) * pow(q, trials-success)
        
        
binomial_cdf(success, trials, p) =>
    q = 1-p
    cdf = 0.0
    for i = 0 to success
        cdf := cdf + binomial_pdf(i, trials, p)
        

up = close[0] > close[1] ? 1 : 0


//long-term probabilities
lt_lookback = 100
lt_up_bars = sum(up, lt_lookback)
prob = lt_up_bars/lt_lookback


//lookback for cdf
lookback = 20
up_bars = sum(up, lookback)
cdf = binomial_cdf(up_bars, lookback, prob)


//ema on cdf
ema1 = ema(cdf, 10)
ema2 = ema(cdf, 20)


plot(cdf*100)
plot(ema1*100, color=color.red)
plot(ema2*100, color=color.orange)


buy = ema1 > ema2
sell = ema1 < ema2


//////////////////////Bar Colors//////////////////

var color buy_or_sell = na

if buy == true
    buy_or_sell := #3BB3E4
else if sell == true
    buy_or_sell := #FF006E
    
barcolor(buy_or_sell)

///////////////////////////Orders////////////////

if buy
    strategy.entry("Long", strategy.long, comment="")

if sell
    strategy.close("Long", comment="Sell")


مزید