1. مربع
  2. بیزیئن حالت آر ایس آئی ٹریڈنگ حکمت عملی

بیزیئن حالت آر ایس آئی ٹریڈنگ حکمت عملی

مصنف:چاؤ ژانگ، تاریخ: 2023-12-18 17:09:00
ٹیگز:

img

جائزہ

اس مضمون میں بنیادی طور پر ایک مقداری تجارتی حکمت عملی کا تجزیہ کیا گیا ہے جسے بائیسیئن کنڈیشن آر ایس آئی ٹریڈنگ حکمت عملی کہا جاتا ہے۔ یہ حکمت عملی آر ایس آئی اشارے کی امکانات کی تقسیم کا حساب لگاتی ہے اور مستقبل کی قیمت کے رجحانات کا فیصلہ کرنے اور منافع کمانے کے لئے آر ایس آئی اشارے کے بڑھنے یا گرنے کے امکان کا نتیجہ اخذ کرنے کے لئے بییسین اصول کا اطلاق کرتی ہے۔

حکمت عملی کا اصول

اس حکمت عملی کا بنیادی منطق یہ ہے:

  1. ایک مخصوص سائیکل کے اندر بندش کی قیمت میں اضافہ ہوا ہے یا نہیں کا امکان تقسیم A کا حساب لگائیں
  2. امکان تقسیم B کا حساب لگائیں کہ آیا آر ایس آئی اشارے کے مطابق سائیکل کے اندر اضافہ جاری ہے
  3. بیک وقت ہونے والے A اور B کے امکان کا حساب لگانے کے لئے بایسن اصول کا اطلاق کریں
  4. جب یہ امکان حد سے زیادہ ہے، فیصلہ ہے کہ رجحان جاری رہے گا اور ٹریڈنگ سگنل لے

خاص طور پر ، حکمت عملی پہلے پیرامیٹر پی کو آر ایس آئی اشارے کے حساب کے لئے سائیکل پیرامیٹر کے طور پر اور آر کو مستقبل کی قیمت کی تبدیلیوں کی پیش گوئی کے لئے وقت کی حد کے طور پر بیان کرتی ہے۔ پھر پی سائیکل کے اندر ، احتمال تقسیم اے کا حساب لگانے کے لئے اختتامی قیمت میں کتنے بار اضافہ ہوتا ہے اس کی گنتی کریں۔ اسی وقت ، پی سائیکل کے اندر ، اس سائیکل کے اختتام کے بعد آر ایس آئی آر سائیکل کے اندر کتنی بار بڑھتا رہتا ہے اس کی گنتی کریں ، اور امکان تقسیم بی کا حساب لگائیں۔

اس کے بعد ، بائیسن فارمولے کا اطلاق کریں تاکہ اس امکان کا حساب لگایا جاسکے کہ ختم قیمت میں اضافے اور آر ایس آئی میں اضافے کو جاری رکھیں کی دونوں شرائط ایک ہی وقت میں پوری ہوجائیں ، جیسا کہ حتمی امکان کی تشخیص کا اشارے ہے۔ جب یہ امکان کسی مقررہ حد سے زیادہ ہے تو ، فیصلہ کریں کہ عروج کا رجحان جاری رہے گا اور لمبی پوزیشنیں لیں گے۔ جب امکان حد سے کم ہے تو ، فیصلہ کریں کہ رجحان الٹ گیا ہے اور پوزیشنیں بند کردیں۔

اس طرح ، حکمت عملی میں قیمت کی معلومات اور تکنیکی اشارے پر جامع طور پر غور کیا جاتا ہے ، مستقبل کے رجحانات کا فیصلہ کرنے اور تجارتی سگنل پیدا کرنے کے لئے احتمالاتی اعدادوشمار اور بیسن کے اصولوں کا اطلاق ہوتا ہے۔

حکمت عملی کے فوائد

اس حکمت عملی کے اہم فوائد یہ ہیں:

  1. متعدد معلومات کا امتزاج: حکمت عملی میں نہ صرف قیمت کی معلومات پر غور کیا جاتا ہے بلکہ مستقبل کے رجحانات کا جامع اندازہ لگانے اور فیصلے کی درستگی کو بہتر بنانے کے لئے تکنیکی اشارے کی معلومات جیسے آر ایس آئی بھی شامل ہیں۔

  2. امکان کی پیش گوئی: سادہ عددی موازنہ کے بجائے، اعداد و شمار کے امکانات کی تقسیم کے ذریعے قیمت اور آر ایس آئی کی تبدیلیوں کی سمت پر امکانات کی پیشن گوئی کریں، فیصلے کو زیادہ سائنسی بنائیں.

  3. بیزین اصلاح: متعلقہ امکانات کا حساب لگانے اور فیصلے کو زیادہ درست بنانے کے لئے اصل شماریاتی امکانات کو بہتر بنانے کے لئے بایسن کے قوانین کا استعمال کریں۔

  4. لچکدار پیرامیٹرز: مختلف مارکیٹوں اور اثاثوں کے مطابق ایڈجسٹمنٹ اور اصلاح کے لئے متعدد پیرامیٹرز فراہم کریں اور حکمت عملی کی موافقت کو بہتر بنائیں۔

  5. سادہ اور موثر: حکمت عملی کا خیال واضح ہے اور سادہ شماریاتی اور احتمالاتی آپریشنز تجارتی سگنل فیصلے پیدا کرنے کے لئے استعمال ہوتے ہیں، جو سمجھنے اور بہتر بنانے میں آسان ہے، اور اثر اہم ہے.

اسٹریٹجی کے خطرات

اس حکمت عملی کے اہم خطرات میں یہ بھی شامل ہیں:

  1. پیرامیٹر انحصار: کارکردگی پیرامیٹرز کی ترتیبات پر بہت زیادہ انحصار کرتی ہے۔ مختلف مارکیٹوں کو زیادہ سے زیادہ نتائج حاصل کرنے کے ل many بہت سارے پیرامیٹرز کو ایڈجسٹ کرنے کی ضرورت ہوتی ہے ، جس سے حکمت عملی کے آپریشن کی پیچیدگی میں اضافہ ہوتا ہے۔

  2. احتمال کی غلطی: اعداد و شمار کے محدود وقت اور نمونے کی وجہ سے ، حساب لگایا گیا امکان حقیقی رجحان سے مماثل نہیں ہوسکتا ہے ، جس کی وجہ سے فیصلے میں انحراف ہوتا ہے۔

  3. خصوصی تقریبات: بڑے ہنگامی حالات مارکیٹ کی قیمتوں اور آر ایس آئی اشارے کے مابین تعلق کو متاثر کرسکتے ہیں ، جس سے حکمت عملی میں ناکامی واقع ہوسکتی ہے۔

  4. تکنیکی اشارے کی خرابی: کچھ مارکیٹ کی صورتحال میں، تکنیکی اشارے جیسے آر ایس آئی غلط سگنل پیدا کرسکتے ہیں، جس سے حکمت عملی کے فیصلے میں ناکامی ہوتی ہے۔

حل میں شامل ہیں: پیرامیٹر سیٹنگ کے عمل کو بہتر بنانا ، شماریاتی وقت اور نمونہ کے سائز کو ایڈجسٹ کرنا ، زیادہ معاون معلومات کو جوڑنا ، غیر معمولی حالات میں دستی مداخلت وغیرہ۔

اصلاح کی ہدایات

اس حکمت عملی کی اصلاح کی اہم سمتوں میں شامل ہیں:

  1. متعدد ٹائم فریم: استحکام کو بہتر بنانے کے لئے مربوط فیصلے کے لئے متعدد ٹائم فریم (روزانہ ، ہفتہ وار وغیرہ) پر حکمت عملی چلانا۔

  2. مزید اشارے: فیصلے کی بنیاد کو افزودہ کرنے کے لئے موم بتی کے نمونوں ، چلتی اوسط وغیرہ جیسے مزید تکنیکی اشارے سگنل شامل کرنا۔

  3. ماڈل کی اصلاح: مشین لرننگ وغیرہ کا استعمال کرتے ہوئے زیادہ درست حساب کتاب کے لئے بیزین ماڈل کو بہتر بنانے کے لئے.

  4. متحرک پیرامیٹرز: مارکیٹ کی تبدیلیوں کے ساتھ ریئل ٹائم میں ایڈجسٹ کرنے کے لئے پیرامیٹرز کے لئے متحرک اصلاح کے ماڈیول شامل کرنا۔

  5. خطرے کے کنٹرول کا طریقہ کار: انتہائی مارکیٹوں میں بڑے نقصانات سے بچنے کے لئے زیادہ سے زیادہ ڈراؤونگ اور تجارتی تعدد جیسے رسک میٹرکس کا تعین کرنا۔

  6. مجموعی بہتری: ووٹنگ کے طریقہ کار کو تشکیل دینے اور استحکام کو بہتر بنانے کے لئے دیگر حکمت عملی کی اقسام یا ماڈلز کے ساتھ مل کر۔

نتیجہ

یہ حکمت عملی پہلے اعداد و شمار کے مطابق قیمت اور آر ایس آئی کی احتمال کی تقسیم کا حساب لگاتی ہے ، پھر بائیسن کے قواعد کا استعمال مشترکہ امکانات کا حساب لگانے کے لئے کرتی ہے ، جب امکانات مقررہ حد سے تجاوز کرتے ہیں تو تجارتی سگنل تیار کرتی ہے ، اس طرح منافع حاصل کرتی ہے۔ یہ حکمت عملی کثیر ماخذ کی معلومات کو جوڑتی ہے ، امکانات کی پیش گوئی اور بائیسن کی اصلاح کو مناسب فیصلے کی کارکردگی کے ل lever استعمال کرتی ہے۔ اصلاح کی اہم سمتوں میں ٹائم فریم کی توسیع ، مزید اشارے ، متحرک پیرامیٹرز وغیرہ شامل ہیں۔ آخر میں ، اس حکمت عملی کا ایک انوکھا خیال اور قابل ذکر اثر ہے جس کی تلاش اور اطلاق کے قابل ہے۔

/*backtest
start: 2022-12-11 00:00:00
end: 2023-03-15 00:00:00
period: 1d
basePeriod: 1h
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/

//@version=2
// Stealthy7 trading scripts are radikal. You have entered the mystical realm of demonic profit.
// If you like this script, check out my bots at cryptotrader.org/?r=51
// Let me know if you find any improvements to this script. It is beta. 
// Please subscribe.
strategy("Stealthy7 Bayes Conditional RSI Trader Strategy", overlay=true)
p = input(title="Period",  defval=30, minval=5, maxval=500)
t = input(title="Movement Thresh", type=float, defval=1.003, minval=1.001, maxval=1.5, step=0.001)
r = input(title="Look Range",  defval=7, minval=1,maxval=500, step=1)
RSIT = input(title="Jump",  defval=8, minval=1,maxval=99, step=1)
BAYEST = input(title="SM",  defval=3, minval=1,maxval=99, step=1)
RSIP = input(title="RSIP",  defval=14, minval=2,maxval=100, step=1)
countup = 1
countdn = 1
countupS = 1
countdnS = 1
for i = p to 1
    if close[i]/close[i + r] > t
        countup := countup + 1
    else
        countdn := countdn + 1
    if close[i]/close[i + r] < 2 - t
        countupS := countupS + 1
    else
        countdnS := countdnS + 1

rsi = rsi(open,RSIP)

countup2 = 1
countup3 = 1
countup2S = 1
countup3S = 1
for i = p to 1
    if close[i]/close[i + r] > t and rsi[i + r + 1] > rsi[i + r + 2] + RSIT
        countup2 := countup2 + 1
    else
        countup3 := countup3 + 1
    if close[i]/close[i + r] < 2 - t and rsi[i + r + 1] < rsi[i + r + 2] - RSIT
        countup2S := countup2S + 1
    else
        countup3S := countup3S + 1

countup2b = countup2 / p
countup3b = countup3 / p
countupb = countup / p
countdnb = countdn / p

countup2bS = countup2S / p
countup3bS = countup3S / p
countupbS = countupS / p
countdnbS = countdnS / p
bayes = 0
bayes := ((countupb * countup2b) / ((countupb * countup2b) + (countdnb * countup3b))) * 100
bayesS = 0
bayesS := ((countupbS * countup2bS) / ((countupbS * countup2bS) + (countdnbS * countup3bS))) * 100
SN1 = sma(bayes,BAYEST)
SN2 = sma(bayesS,BAYEST)
shortCondition = crossunder(bayesS, SN2) //and rsi < 49
longCondition = crossover(bayes, SN1) //and rsi > 59
if (longCondition)
    strategy.entry("Long", strategy.long)
if (shortCondition)
    strategy.entry("Short", strategy.short)
مزید

2019 FMZ - تمام حقوق محفوظ ہیں