شیر کی شگاف توازن کی حکمت عملی

مصنف:چاؤ ژانگ، تاریخ: 2023-11-02 16:55:00
ٹیگز:

img

جائزہ

شیر کی شگاف توازن کی حکمت عملی ایک سادہ قلیل مدتی تجارتی حکمت عملی ہے جو حرکت پذیر اوسط کراس اوورز پر مبنی ہے۔ یہ بنیادی طور پر دو حرکت پذیر اوسط استعمال کرتا ہے - جب تیز رفتار ایم اے نیچے سے سست ایم اے کے اوپر سے گزرتا ہے تو ، طویل ہوجاتا ہے۔ جب تیز رفتار ایم اے اوپر سے سست ایم اے سے نیچے سے گزرتا ہے تو ، پوزیشن بند ہوجاتی ہے۔ حکمت عملی کا نام مقبول تجارتی اصطلاح شیر کی شگاف سے آتا ہے ، جس کا مطلب ہے معمولی قیمت کی کارروائیوں کو پکڑنا اور ایم اے کے مابین تنگ فرق سے فائدہ اٹھانا۔

حکمت عملی منطق

اس حکمت عملی میں دو حرکت پذیر اوسط استعمال ہوتے ہیں: ایک تیز ایم اے (چھوٹا ایم اے پیریڈ) اور ایک سست ایم اے (بگ ایم اے پیریڈ) ۔ دونوں ایم اے قیمت چینل بناتے ہیں ، جس میں تیز ایم اے چینل کی بنیاد اور سست ایم اے چینل کی چھت کے طور پر ہوتا ہے۔ جب قیمت چینل کی بنیاد سے اوپر ٹوٹ جاتی ہے تو ، طویل ہوجائیں۔ جب قیمت چینل کی چھت کو نیچے کی طرف توڑتی ہے تو ، پوزیشن بند ہوجاتی ہے۔

خاص طور پر ، حکمت عملی پہلے تیز ایم اے (چھوٹا ایم اے) اور سست ایم اے (بگ ایم اے) کا حساب لگاتی ہے۔ اس کے بعد یہ خرید لائن (بائی ایم اے) کا حساب لگاتی ہے ، جو سست ایم اے کا (100 - فیصد بیلو ٹو بک) فیصد ہے۔ جب تیز ایم اے خرید لائن سے اوپر سے اوپر جاتا ہے تو ، طویل ہوجاتا ہے۔ جب 1٪ منافع حاصل ہوتا ہے یا بغیر منافع کے 7 بار رکھتا ہے تو ، بند پوزیشن۔

خلاصہ یہ کہ اسٹریٹیجی کا مقصد مختصر مدت کے منافع کے لئے ایم اے کے درمیان شیر کی شگاف کو پکڑنا ہے۔ اس میں تجارتی خطرہ کے مطابق کنٹرول کرنے کے لئے منافع لینے اور نقصان کو روکنے کی شرائط بھی مقرر کی گئیں۔

فوائد کا تجزیہ

اس حکمت عملی کے مندرجہ ذیل فوائد ہیں:

  1. سادہ تصور سمجھنے اور لاگو کرنے میں آسان ہے۔ ڈبل ایم اے کراس اوورز تکنیکی اشارے کی بنیادی حکمت عملی ہیں۔

  2. آسان بیک ٹیسٹنگ۔ حکمت عملی براہ راست ٹریڈنگ ویو بلٹ ان بیک ٹیسٹر کو بغیر کسی اضافی نفاذ کے استعمال کرتی ہے۔

  3. طاقتور نقطہ نظر۔ ٹریڈنگ ویو براہ راست چارٹ پر تجارتی سگنل اور شماریاتی اعداد و شمار دکھا سکتا ہے۔

  4. قابو پانے والا خطرہ۔ حکمت عملی منافع لینے اور نقصان کو روکنے کے حالات کو تجارت کے نقصان پر مؤثر طریقے سے کنٹرول کرنے کے لئے مقرر کرتی ہے۔

  5. لچکدار تخصیص۔ صارفین مختلف مصنوعات اور تجارتی طرز کے مطابق ایم اے پیرامیٹرز اور دیگر اشارے کو ایڈجسٹ کرسکتے ہیں۔

خطرے کا تجزیہ

اس حکمت عملی میں مندرجہ ذیل خطرات بھی ہیں:

  1. ممکنہ طور پر زیادہ سگنل۔ ڈبل ایم اے حکمت عملیوں میں استحکام کے دوران غلط سگنل پیدا ہوتے ہیں۔

  2. واحد اشارے پر انحصار۔ صرف ایم اے کراس کا استعمال کرتے ہوئے دوسرے عوامل کو نظرانداز کیا جاتا ہے ، جس کے نتیجے میں سگنل کا معیار خراب ہوسکتا ہے۔

  3. پیچیدہ پیرامیٹر کی اصلاح۔ بہترین ایم اے مجموعہ تلاش کرنے کے لئے وسیع پیمانے پر حساب کتاب کی ضرورت ہے۔

  4. بیک ٹسٹ تعصب۔ بیک ٹسٹ میں سادہ ڈبل ایم اے حکمت عملی اکثر براہ راست تجارت سے بہتر کارکردگی کا مظاہرہ کرتی ہے۔

  5. مشکل سٹاپ نقصان۔ فکسڈ سٹاپ نقصان کی سطح تبدیل مارکیٹ کے حالات کے مطابق کرنے میں ناکام ہو سکتا ہے.

اصلاح کی ہدایات

اسٹریٹیجی کو مندرجہ ذیل پہلوؤں سے بہتر بنایا جاسکتا ہے:

  1. جمع کرنے کے دوران غیر موثر سگنل سے بچنے کے لئے حجم اور اتار چڑھاؤ جیسے دوسرے فلٹر شامل کریں.

  2. مخالف رجحان کی تجارت سے بچنے کے لئے رجحان کی تعصب کو شامل کریں۔ رجحان کی سمت کا تعین کرنے کے لئے طویل مدت کے ایم اے شامل کیے جاسکتے ہیں۔

  3. بہترین پیرامیٹرز تلاش کرنے کے لیے مشین لرننگ کا استعمال کریں، جیسے ترتیب وار پیرامیٹرز کی اصلاح یا جینیاتی الگورتھم۔

  4. سٹاپ نقصان کی حکمت عملیوں کو بہتر بنائیں، جیسے بہتر لچک کے لئے ٹریلنگ سٹاپ نقصان اور انکولی سٹاپ نقصان.

  5. اعلی امکان کے اندراج کے مقامات کی نشاندہی کرنے کے لئے دوسرے اشارے کا استعمال کرتے ہوئے اندراج کے وقت کو بہتر بنائیں۔

  6. مطلوبہ پیرامیٹر سیٹوں کے استحکام کو بہتر بنانے کے لئے مقداری تحقیق اور بیک ٹسٹنگ کا انعقاد کریں۔

  7. پیرامیٹرز کے مجموعوں کو منظم طریقے سے بہتر بنانے اور ان کا جائزہ لینے کے لیے خودکار تجارتی نظام تیار کریں۔

نتیجہ

شیر شگاف توازن کی حکمت عملی سیکھنے کے لئے ایک عمدہ اسٹارٹر حکمت عملی ہے۔ یہ سادہ ڈبل ایم اے کراس اوور منطق کا اطلاق کرتی ہے اور قلیل مدتی قیمتوں میں اتار چڑھاؤ کو پکڑنے کے لئے منافع لینے اور نقصان کو روکنے کے قواعد طے کرتی ہے۔ حکمت عملی کو سمجھنا اور لاگو کرنا آسان ہے ، اور اس میں بیک ٹسٹ کے اچھے نتائج دکھائے جاتے ہیں۔ تاہم ، اس میں اصلاح کی دشواری اور قابل اعتراض براہ راست کارکردگی ہے۔ ہم دوسرے اشارے کو شامل کرکے ، پیرامیٹرز کو بہتر بنانے اور خودکار تجارتی نظام تیار کرکے حکمت عملی کو بہتر بنا سکتے ہیں۔ مجموعی طور پر ، شیر شگاف توازن کی حکمت عملی مقداری تجارت کے ابتدائی افراد کے لئے سیکھنے کا ایک بہترین پلیٹ فارم فراہم کرتی ہے۔


/*backtest
start: 2023-10-02 00:00:00
end: 2023-11-01 00:00:00
period: 1h
basePeriod: 15m
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/
// © TraderHalai
// This script was born out of my quest to be able to display strategy back test statistics on charts to allow for easier backtesting on devices that do not natively support backtest engine (such as mobile phones, when I am backtesting from away from my computer). There are already a few good ones on TradingView, but most / many are too complicated for my needs.
//
//Found an excellent display backtest engine by 'The Art of Trading'. This script is a snippet of his hard work, with some very minor tweaks and changes. Much respect to the original author.
//
//Full credit to the original author of this script. It can be found here: https://www.tradingview.com/script/t776tkZv-Hammers-Stars-Strategy/?offer_id=10&aff_id=15271
//
// This script can be copied and airlifted onto existing strategy scripts of your own, and integrates out of the box without implementation of additional functions. I've also added Max Runup, Average Win and Average Loss per trade to the orignal script.
//
//Will look to add in more performance metrics in future, as I further develop this script.
//
//Feel free to use this display panel in your scripts and strategies.

//Thanks and enjoy! :)
//@version=5
// strategy("Strategy BackTest Display Statistics - TraderHalai", overlay=true, default_qty_value= 5, default_qty_type = strategy.percent_of_equity, initial_capital=10000,  commission_type=strategy.commission.percent, commission_value=0.1)

//DEMO basic strategy - Use your own strategy here -  Jaws Mean Reversion from my profile used here
source = input(title = "Source", defval = close)
smallMAPeriod = input(title = "Small Moving Average", defval = 2)
bigMAPeriod = input(title = "Big Moving Average", defval = 8)
percentBelowToBuy = input(title = "Percent below to buy %", defval = 1)

smallMA = ta.sma(source, smallMAPeriod)
bigMA =  ta.sma(source, bigMAPeriod) 
buyMA = ((100 - percentBelowToBuy) / 100) * ta.sma(source, bigMAPeriod)[0]

buy = ta.crossunder(smallMA, buyMA)
if(buy)
    strategy.entry("BUY", strategy.long)

if(strategy.openprofit >= strategy.position_avg_price * 0.01) // 1% profit target
    strategy.close("BUY")

if(ta.barssince(buy) >= 7) //Timed Exit, if you fail to make 1 percent in 7 candles.
    strategy.close("BUY")
    
///////////////////////////// --- BEGIN TESTER CODE --- ////////////////////////
// COPY below into your strategy to enable display
////////////////////////////////////////////////////////////////////////////////

// strategy.initial_capital = 50000
// // Declare performance tracking variables
// drawTester = input.bool(true, "Draw Tester")
// var balance = strategy.initial_capital
// var drawdown = 0.0
// var maxDrawdown = 0.0
// var maxBalance = 0.0
// var totalWins = 0
// var totalLoss = 0

// // Prepare stats table
// var table testTable = table.new(position.top_right, 5, 2, border_width=1)
// f_fillCell(_table, _column, _row, _title, _value, _bgcolor, _txtcolor) =>
//     _cellText = _title + "\n" + _value
//     table.cell(_table, _column, _row, _cellText, bgcolor=_bgcolor, text_color=_txtcolor)
    
// // Custom function to truncate (cut) excess decimal places
// truncate(_number, _decimalPlaces) =>
//     _factor = math.pow(10, _decimalPlaces)
//     int(_number * _factor) / _factor
    
// // Draw stats table
// var bgcolor = color.new(color.black,0)
// if drawTester
//     if barstate.islastconfirmedhistory
//         // Update table
//         dollarReturn = strategy.netprofit
//         f_fillCell(testTable, 0, 0, "Total Trades:", str.tostring(strategy.closedtrades), bgcolor, color.white)
//         f_fillCell(testTable, 0, 1, "Win Rate:", str.tostring(truncate((strategy.wintrades/strategy.closedtrades)*100,2)) + "%", bgcolor, color.white)
//         f_fillCell(testTable, 1, 0, "Starting:", "$" + str.tostring(strategy.initial_capital), bgcolor, color.white)
//         f_fillCell(testTable, 1, 1, "Ending:", "$" + str.tostring(truncate(strategy.initial_capital + strategy.netprofit,2)), bgcolor, color.white)
//         f_fillCell(testTable, 2, 0, "Avg Win:", "$"+ str.tostring(truncate(strategy.grossprofit / strategy.wintrades, 2)), bgcolor, color.white)
//         f_fillCell(testTable, 2, 1, "Avg Loss:", "$"+ str.tostring(truncate(strategy.grossloss / strategy.losstrades, 2)), bgcolor, color.white)
//         f_fillCell(testTable, 3, 0, "Profit Factor:", str.tostring(truncate(strategy.grossprofit / strategy.grossloss,2)), strategy.grossprofit > strategy.grossloss ? color.green : color.red, color.white)
//         f_fillCell(testTable, 3, 1, "Max Runup:",  str.tostring(truncate(strategy.max_runup, 2 )), bgcolor, color.white)
//         f_fillCell(testTable, 4, 0, "Return:", (dollarReturn > 0 ? "+" : "") + str.tostring(truncate((dollarReturn / strategy.initial_capital)*100,2)) + "%", dollarReturn > 0 ? color.green : color.red, color.white)
//         f_fillCell(testTable, 4, 1, "Max DD:", str.tostring(truncate((strategy.max_drawdown / strategy.equity) * 100 ,2)) + "%", color.red, color.white)
// // --- END TESTER CODE --- ///////////////

مزید