ریورسل اور لکیری ریگریشن انٹرسیپٹ کی امتزاج کی حکمت عملی
ChaoZhang
جائزہ
یہ حکمت عملی 123 ریورس حکمت عملی اور لکیری واپسی کٹ آف حکمت عملی کے ساتھ مل کر ، ایک کثیر عنصر سے چلنے والی مجموعہ تجارت کی حکمت عملی کو حاصل کرتی ہے۔ 123 ریورس حکمت عملی نے حالیہ دو تجارتی دنوں کے لئے قیمت کے تعلقات کا فیصلہ کیا ، اسٹوک اشارے کے ساتھ مل کر ریورس سگنل کا فیصلہ کیا۔ لکیری ریورس کٹ آف حکمت عملی نے قیمتوں اور رجحان کی لائنوں کے مابین تعلقات کا فیصلہ کرنے کے لئے لکیری ریورس تجزیہ کا استعمال کیا ، جس سے تجارت پیدا ہوئی۔ سگنل دونوں حکمت عملیوں نے ایک دوسرے کی توثیق کی ، جعلی سگنل کو مؤثر طریقے سے فلٹر کیا گیا۔
حکمت عملی کا اصول
123 واپسی کی حکمت عملی
یہ حکمت عملی مندرجہ ذیل اصولوں پر مبنی ہے:
اگر حالیہ دو ٹریڈنگ دن کے اختتامی قیمتوں کا رشتہ آج کی کل کے اختتامی قیمت سے زیادہ ہے ، اور اسٹوک فاسٹ لائن سست لائن سے کم ہے تو ، یہ خیال کیا جاتا ہے کہ ایک bullish ریورس سگنل موجود ہے
اگر حالیہ دو ٹریڈنگ دن کے اختتامی قیمت کا رشتہ آج کی کل بند ہونے والی قیمت سے کم ہے ، اور اسٹوک فاسٹ لائن سست لائن سے زیادہ ہے تو ، اس کا مطلب ہے کہ نیچے کی طرف مڑنے کا اشارہ ہے
یہ فیصلہ کرنے کا اصول یہ ہے:
اگر آج کے اختتامی قیمت> کل کے اختتامی قیمت اور اسٹوک فوری لائن پیرامیٹرز کو ترتیب دیں تو ، خریدنے کا اشارہ پیدا ہوتا ہے
اگر آج کے اختتامی قیمت < کل کے اختتامی قیمت اور اسٹوک فوری لائن> اسٹوک سست لائن اور اسٹوک فوری لائن < سیٹ کریں تو ، فروخت کا اشارہ پیدا ہوتا ہے
اس حکمت عملی کے لئے اسٹوچ اشارے کے پیرامیٹرز کی ضرورت ہوتی ہے ، بشمول: اسٹوچ کی K لائن کی مدت کی لمبائی کا حساب لگانا ، اسٹوچ شارٹ لائن ہموار کرنے کی مدت KSmoothing ، اسٹوچ سست لائن ہموار کرنے کی مدت DLength ، اسٹوچ شارٹ لائن کا فیصلہ کرنے کی سطح۔
لکیری رجعت کاٹنے کی حکمت عملی
یہ حکمت عملی لکیری رجعت تجزیہ پر مبنی ہے ، جس میں قیمتوں کے لکیری رجعت رجحان لائن کے ساتھ تعلقات کا تعین کیا جاتا ہے۔ اس کا تعین کرنے کے قواعد مندرجہ ذیل ہیں۔
اگر بندش کی قیمت لکیری واپسی کٹ آف سے زیادہ ہے تو ، خریدنے کا اشارہ پیدا ہوتا ہے
اگر بندش کی قیمت لکیری واپسی کٹ فاصلے سے کم ہے تو ، فروخت کا اشارہ پیدا ہوتا ہے
اس حکمت عملی کے لئے لکیری رجعت کا دورانیہ LengthLRI ، اور لکیری رجعت ان پٹ ڈیٹا ماخذ xSeria کی ضرورت ہے۔
مجموعی حکمت عملی
اس مجموعہ کی حکمت عملی کو خریدنے / فروخت کے سگنل پیدا کرنے کے لئے 123 ریورس حکمت عملی اور لکیری واپسی کی کٹائی کی حکمت عملی کو پورا کرنے کی ضرورت ہوتی ہے ، جس سے جعلی سگنل کو مؤثر طریقے سے ختم کیا جاسکتا ہے اور تجارت کی تاثیر کو بہتر بنایا جاسکتا ہے۔
طاقت کا تجزیہ
یہ حکمت عملی مندرجہ ذیل فوائد رکھتی ہے:
- ملٹی فیکٹر ڈرائیو ، جعلی سگنل کو مؤثر طریقے سے فلٹر کریں ، سگنل کے معیار کو بہتر بنائیں
دو مختلف قسم کی حکمت عملیوں کے ساتھ مل کر ، دونوں حکمت عملیوں کو ایک ساتھ سگنل پیدا کرنا ضروری ہے ، تاکہ اصل میں آرڈر دیا جاسکے۔ یہ کثیر عنصر کی توثیق کا طریقہ کار ، غیر ضروری تجارت کو کم کرنے اور سگنل کی کیفیت کو بڑھانے کے لئے ، کسی حکمت عملی کے ذریعہ کبھی کبھار پیدا ہونے والے غلط سگنل کو فلٹر کرسکتا ہے۔
- قیمتوں اور رجحانات کے مابین حقیقی وقت کی نگرانی ، قید سے بچیں
لکیری واپسی کا کٹاؤ قیمت اور رجحان لائن کے تعلقات کو حقیقی وقت میں ظاہر کرسکتا ہے ، اگر قیمت رجحان سے بہت دور ہوچکی ہے تو ، حکمت عملی کو پوزیشن کی سمت میں ایڈجسٹ کرنے کی بروقت اشارہ کریں۔ اس طرح ، نقصان کو روکنے اور تاریخی رجحان میں پھنس جانے سے بچنے کے لئے بروقت روک دیا جاسکتا ہے۔
- رجحانات اور واپسی کے مواقع کو مدنظر رکھنا
لکیری رجعت کی حکمت عملی رجحان خرید و فروخت کی شناخت میں بہتر ہے۔ 123 الٹ حکمت عملی الٹ پوائنٹس کی شناخت پر مرکوز ہے۔ دونوں حکمت عملیوں میں رجحان ٹریڈنگ اور الٹ ٹریڈنگ کے فوائد کو اچھی طرح سے جوڑا جاسکتا ہے۔
- پالیسی پیرامیٹرز اپنی مرضی کے مطابق مجموعہ کی اصلاح
دونوں حکمت عملیوں کو اپنی مرضی کے مطابق کرنے کے لئے کچھ پیرامیٹرز فراہم کرتے ہیں، جو مختلف قسم کے مختلف رجحانات کے لئے پیرامیٹرز کو بہتر بنانے کے لئے، مجموعہ حکمت عملی کے اثر کو بہتر بنانے کے لئے استعمال کیا جا سکتا ہے.
خطرے کا تجزیہ
اس حکمت عملی میں مندرجہ ذیل خطرات بھی ہیں:
- ملٹی فیکٹر ڈرائیو نے کچھ مواقع کھوئے ہیں
دونوں حکمت عملیوں کے لئے ٹریڈنگ سگنل کو پورا کرنا ضروری ہے ، اور صرف ایک حکمت عملی پر انحصار کرنے سے فائدہ اٹھانے کے کچھ مواقع ضائع ہوجائیں گے۔ اگر کسی حکمت عملی کی تاثیر کمزور ہوجاتی ہے تو ، اس سے مجموعی طور پر تجارت کی تاثیر متاثر ہوگی۔
- لکیری رجعت پسماندہ ہے
لکیری رجعت کے لئے کچھ تاریخی اعداد و شمار کی ضرورت ہوتی ہے ، اچانک واقعات پر حقیقی وقت میں ردعمل نہیں دیا جاسکتا ہے ، اور کچھ تاخیر موجود ہے۔ اگر قیمت میں زبردست اضافہ ہوتا ہے تو ، لکیری رجعت رجحان لائن کو کچھ وقت کی ضرورت ہوتی ہے ، اس عرصے میں غلط سگنل پیدا ہوسکتے ہیں۔
- معقول پیرامیٹرز کی اصلاح کی ضرورت ہے
دونوں حکمت عملیوں میں مناسب پیرامیٹرز کا انتخاب کرنے کی ضرورت ہوتی ہے۔ کچھ پرجاتیوں کے لئے پیرامیٹرز کو آزادانہ طور پر ایڈجسٹ کرنے کی ضرورت پڑسکتی ہے۔ اگر پیرامیٹرز کا انتخاب غلط ہے تو ، حکمت عملی کے اثر کو بہت زیادہ چھوٹ دی جائے گی۔
اس خطرے کو کم کرنے کے لیے مندرجہ ذیل اقدامات کیے جاسکتے ہیں:
مناسب طریقے سے کمبائنڈ سگنل ٹرگر شرائط کو چھوڑنے سے بچنے کے لئے بہت سے مواقع سے محروم ہوجائیں
ٹرینڈ اشارے جیسے متبادل لکیری رجعت کے ساتھ مل کر ، زیادہ حقیقی وقت کے رجحانات کا فیصلہ کریں
پیرامیٹرز کو بہتر بنانے اور پیرامیٹرز کے انتخاب کو بڑھانے کے لئے مشین لرننگ جیسے طریقوں کا استعمال کرنا
اصلاح کی سمت
اس حکمت عملی کو مزید بہتر بنایا جاسکتا ہے:
- مشین سیکھنے کے طریقوں کا استعمال کرتے ہوئے پیرامیٹرز کی اصلاح
اس کے علاوہ ، یہ ماضی کے اعداد و شمار کو جمع کرنے ، پیرامیٹرز کو بہتر بنانے کے اہداف کو ڈیزائن کرنے ، اور مشین لرننگ الگورتھم جیسے جینیاتی الگورتھم ، بییسس آپٹیمائزیشن وغیرہ کے ذریعہ بہترین پیرامیٹرز کا مجموعہ تلاش کرنے کے قابل ہے۔
- نقصان کی روک تھام میں اضافہ
اسٹاپ نقصان کے قواعد کو اے ٹی آر ، ٹرینڈ اشارے وغیرہ کے ساتھ مل کر مقرر کیا جاسکتا ہے تاکہ ایک ہی تجارت میں زیادہ سے زیادہ نقصان کو کنٹرول کیا جاسکے۔
- مارکیٹ میں داخلے اور باہر نکلنے کے منطق کو بہتر بنانا
ٹریڈنگ سگنل کی بنیاد پر شامل کیا جاسکتا ہے جیسے کہ مساوی لائن فلٹرنگ ، برن بینڈ فیصلے وغیرہ مارکیٹ میں داخل ہونے کی معاون شرائط ، پوزیشن کی ایڈجسٹمنٹ کی فریکوئنسی کو کم کریں ، اور اس سے بچنے سے بچیں۔
- جذبات کے تجزیہ کے ساتھ
قدرتی زبان کی پروسیسنگ کی تکنیک کا استعمال مارکیٹ کے شرکاء کے جذبات کا اندازہ لگانے اور تجارتی فیصلوں میں معاونت کرنے کے لئے۔
- مشین لرننگ پیشن گوئی ماڈیول شامل کریں
قیمتوں کی پیشن گوئی کے لئے ایل ایس ٹی ایم ، جی آر یو اور دیگر گہری سیکھنے کے ماڈل کا استعمال ، جو حکمت عملی کے فیصلوں کے لئے ایک اہم حوالہ ہے۔
خلاصہ کریں۔
اس حکمت عملی میں 123 ریورس حکمت عملی اور لکیری واپسی کاٹنے کی حکمت عملی کا امتزاج کیا گیا ہے ، جس میں کثیر عنصر سے چلنے والی مقداری تجارت کی اجازت دی گئی ہے۔ اس کی تصدیق کا طریقہ کار جعلی سگنل کو مؤثر طریقے سے فلٹر کرسکتا ہے ، اور الٹ اور رجحان ٹریڈنگ کے مواقع کو پکڑ سکتا ہے۔ تاہم ، اس حکمت عملی میں کچھ تاخیر کا خطرہ بھی موجود ہے۔ اس حکمت عملی کی استحکام کو مزید بڑھانے کے لئے پیرامیٹرز کی اصلاح پر توجہ دینے کی ضرورت ہے۔ اس حکمت عملی میں پیرامیٹرز کی اصلاح اور خصوصیت کی توسیع کے ساتھ مل کر ، جیسے مشین لرننگ ، اس حکمت عملی کی تلاش کے قابل ہے۔
/*backtest
start: 2023-09-18 00:00:00
end: 2023-09-19 00:00:00
period: 5m
basePeriod: 1m
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/
//@version=4
////////////////////////////////////////////////////////////
// Copyright by HPotter v1.0 25/01/2021
// This is combo strategies for get a cumulative signal.
//
// First strategy
// This System was created from the Book "How I Tripled My Money In The
// Futures Market" by Ulf Jensen, Page 183. This is reverse type of strategies.
// The strategy buys at market, if close price is higher than the previous close
// during 2 days and the meaning of 9-days Stochastic Slow Oscillator is lower than 50.
// The strategy sells at market, if close price is lower than the previous close price
// during 2 days and the meaning of 9-days Stochastic Fast Oscillator is higher than 50.
//
// Second strategy
// Linear Regression Intercept is one of the indicators calculated by using the
// Linear Regression technique. Linear regression indicates the value of the Y
// (generally the price) when the value of X (the time series) is 0. Linear
// Regression Intercept is used along with the Linear Regression Slope to create
// the Linear Regression Line. The Linear Regression Intercept along with the Slope
// creates the Regression line.
//
// WARNING:
// - For purpose educate only
// - This script to change bars colors.
////////////////////////////////////////////////////////////
Reversal123(Length, KSmoothing, DLength, Level) =>
vFast = sma(stoch(close, high, low, Length), KSmoothing)
vSlow = sma(vFast, DLength)
pos = 0.0
pos := iff(close[2] < close[1] and close > close[1] and vFast < vSlow and vFast > Level, 1,
iff(close[2] > close[1] and close < close[1] and vFast > vSlow and vFast < Level, -1, nz(pos[1], 0)))
pos
LRI(Length,xSeria) =>
pos = 0.0
xX = Length * (Length - 1) * 0.5
xDivisor = xX * xX - Length * Length * (Length - 1) * (2 * Length - 1) / 6
xXY = 0.0
for i = 0 to Length-1
xXY := xXY + (i * xSeria[i])
xSlope = (Length * xXY - xX * sum(xSeria, Length)) / xDivisor
xLRI = (sum(xSeria, Length) - xSlope * xX) / Length
pos:= iff(close > xLRI, 1,
iff(close < xLRI, -1, nz(pos[1], 0)))
pos
strategy(title="Combo Backtest 123 Reversal & Line Regression Intercept", shorttitle="Combo", overlay = true)
line1 = input(true, "---- 123 Reversal ----")
Length = input(14, minval=1)
KSmoothing = input(1, minval=1)
DLength = input(3, minval=1)
Level = input(50, minval=1)
//-------------------------
line2 = input(true, "---- Line Regression Intercept ----")
LengthLRI = input(14, minval=1)
xSeria = input(title="Source", type=input.source, defval=close)
reverse = input(false, title="Trade reverse")
posReversal123 = Reversal123(Length, KSmoothing, DLength, Level)
posLRI = LRI(LengthLRI,xSeria)
pos = iff(posReversal123 == 1 and posLRI == 1 , 1,
iff(posReversal123 == -1 and posLRI == -1, -1, 0))
possig = iff(reverse and pos == 1, -1,
iff(reverse and pos == -1 , 1, pos))
if (possig == 1)
strategy.entry("Long", strategy.long)
if (possig == -1)
strategy.entry("Short", strategy.short)
if (possig == 0)
strategy.close_all()
barcolor(possig == -1 ? #b50404: possig == 1 ? #079605 : #0536b3 )