Bayesian مشروط فیصلے کا استعمال کرتے ہوئے RSI تجارتی حکمت عملی
ChaoZhang
جائزہ
اس مضمون میں بنیادی طور پر ایک RSI ٹریڈنگ حکمت عملی کا تجزیہ کیا گیا ہے جس کا نام “بائیسس کی شرائط کا تعین” ہے۔ یہ حکمت عملی RSI اشارے کے امکانات کی تقسیم کا حساب لگانے کے ذریعہ ایک مقداری تجارتی حکمت عملی کا تجزیہ کرتی ہے ، جس میں بیٹس قانون کو RSI اشارے کے بڑھنے یا گرنے کے امکانات کا اندازہ لگایا جاتا ہے تاکہ مستقبل کی قیمتوں کے رجحان کا تعین کیا جاسکے۔
حکمت عملی کا اصول
اس حکمت عملی کی بنیادی منطق یہ ہے:
- ایک مخصوص دورانیے میں اختتامی قیمتوں میں اضافے کا حساب لگانے کے امکانات کی تقسیم A
- اس بات کا امکان ہے کہ RSI اسی مدت کے دوران بڑھتا رہے گا یا نہیں B
- Bayes’ Law کا استعمال کرتے ہوئے A اور B کے ایک ساتھ ہونے کے امکانات کا حساب لگائیں
- جب اس امکان کی قیمت کم ہونے سے زیادہ ہو تو ، اس رجحان کو جاری رکھنے کا فیصلہ کریں اور تجارتی سگنل لگائیں
خاص طور پر ، حکمت عملی پہلے پیرامیٹرز کی وضاحت کرتی ہے p آر ایس آئی اشارے کا حساب لگانے کے لئے دورانیہ پیرامیٹرز کے طور پر ، اور r مستقبل کی قیمتوں میں تبدیلی کی پیش گوئی کے لئے وقت کی حد ہے۔ اس کے بعد ، p دورانیے کے اندر ، اسٹیٹسٹیٹکس اختتامی قیمت میں اضافہ ہوا ہے یا نہیں ، حساب لگانے کے امکانات کی تقسیم A ہے۔ اس کے ساتھ ہی ، p دورانیے کے اندر ، اسٹیٹسٹیٹکس اس دورانیے کے اختتام کے بعد r دورانیے میں ، RSI میں اضافہ جاری ہے یا نہیں ، حساب لگانے کے امکانات کی تقسیم B ہے۔
اس کے بعد ، بیس کے قانون کے فارمولے کو لاگو کریں ، اور دونوں شرائط کو پورا کرنے کے لئے اختتامی اختتامی قیمت میں اضافے اور RSI میں اضافے کے امکانات کو حتمی امکان کے فیصلے کے اشارے کے طور پر استعمال کریں۔ جب یہ امکان کسی دیئے گئے نچلے حصے سے زیادہ ہوتا ہے تو ، یہ فیصلہ کیا جاتا ہے کہ رجحان بڑھتا رہے گا ، اور زیادہ تجارت کی جائے گی۔ جب امکان نچلے حصے سے کم ہوتا ہے تو ، اس رجحان کو تبدیل کرنے کا فیصلہ کیا جاتا ہے ، اور کھلنے کا اختیار لیا جاتا ہے۔
اس طرح ، حکمت عملی کے مجموعی طور پر قیمت کی معلومات اور تکنیکی اشارے کی معلومات ، امکانات کے اعدادوشمار اور بیس کے قوانین کا استعمال کرتے ہوئے ، مستقبل کے رجحانات کے بارے میں فیصلہ کرنے اور تجارتی سگنل کی پیداوار کے ل.
اسٹریٹجک فوائد
اس حکمت عملی کے اہم فوائد یہ ہیں:
مختلف معلومات کا مجموعہیہ حکمت عملی نہ صرف قیمت کی معلومات پر غور کرتی ہے بلکہ آر ایس آئی جیسے تکنیکی اشارے کی معلومات کو بھی شامل کرتی ہے ، جس سے مستقبل کے رجحانات کا مجموعی اندازہ لگایا جاسکتا ہے ، جس سے اس کی درستگی میں اضافہ ہوتا ہے۔
امکانات کی پیش گوئی: اعداد و شمار کے امکانات کی تقسیم کے ذریعہ ، قیمت اور آر ایس آئی کی تبدیلی کی سمت کے امکانات کی پیش گوئی کریں ، نہ کہ سادہ عددی موازنہ ، فیصلہ کو زیادہ سائنسی بنائیں۔
بیزس اصلاح: بیس قانون کا استعمال متعلقہ امکانات کا حساب لگانے کے لئے، بنیادی اعداد و شمار کے امکانات کو بہتر بنانے کے لئے، فیصلے کو زیادہ درست بنانے کے لئے.
لچکدار پیرامیٹرز: مختلف مارکیٹوں اور اثاثوں کے لئے پیرامیٹرز کو ایڈجسٹ کرنے کے لئے متعدد پیرامیٹرز کی فراہمی ، حکمت عملی کی موافقت کو بہتر بنانا۔
سادہ اور موثر: حکمت عملی کی سوچ واضح ہے، سادہ اعداد و شمار اور امکانات کے آپریشن کے ذریعے ٹریڈنگ سگنل فیصلہ کرنے کے لئے، سمجھنے اور بہتر بنانے کے لئے آسان ہے، اور اثر واضح ہے.
اسٹریٹجک رسک
اس حکمت عملی کے ساتھ مندرجہ ذیل اہم خطرات بھی ہیں:
پیرامیٹر انحصار: حکمت عملی کا اثر پیرامیٹرز کی ترتیب پر منحصر ہے ، مختلف مارکیٹوں میں زیادہ سے زیادہ اثر حاصل کرنے کے لئے بہت سارے پیرامیٹرز کو ایڈجسٹ کرنے کی ضرورت ہوتی ہے ، جس سے حکمت عملی کو چلانے میں دشواری ہوتی ہے۔
غلطی کا امکان: اعداد و شمار کے وقت اور نمونہ محدود ہونے کی وجہ سے ، حساب کتاب کے امکانات حقیقی رجحانات سے متصادم ہوسکتے ہیں ، جس سے فیصلے میں انحراف پیدا ہوتا ہے۔
خصوصی تقریباتاہم غیر متوقع واقعات مارکیٹ کی قیمتوں اور RSI اشارے کی وابستگی کو متاثر کرسکتے ہیں اور حکمت عملی کو غیر فعال کرسکتے ہیں۔
تکنیکی اشارے کا خاتمہ: کچھ مارکیٹ کے حالات میں ، آر ایس آئی جیسے تکنیکی اشارے ممکنہ طور پر ناکامی کے اشارے پیدا کرسکتے ہیں ، جس کی وجہ سے حکمت عملی کا فیصلہ ناکام ہوجاتا ہے۔
خطرے سے نمٹنے کے حل میں شامل ہیں: پیرامیٹرز کی ترتیب کے عمل کو بہتر بنانا ، اعدادوشمار کے وقت اور نمونہ کی مقدار کو ایڈجسٹ کرنا ، مزید معاون معلومات ، انسانی مداخلت کی غیر معمولی صورتحال وغیرہ کو شامل کرنا۔
حکمت عملی کی اصلاح
اس حکمت عملی کے اہم اصلاحات میں شامل ہیں:
ملٹی ٹائم فریم: حکمت عملی ، جامع فیصلے ، اور استحکام کو بڑھانے کے لئے متعدد ٹائم پیکیجوں پر چلایا جاسکتا ہے (دنیا کی لکیر ، گھڑی ، وغیرہ)
مزید اشارے: مزید تکنیکی اشارے کے اشارے شامل کریں ، جیسے K لائن کی شکل ، متحرک اوسط ، وغیرہ ، فیصلہ کرنے کے لئے کافی ہے۔
ماڈل کی اصلاح: مشین لرننگ جیسے طریقوں کا استعمال کرتے ہوئے بییسس ماڈل کو بہتر بنانے اور حساب کتاب کو زیادہ درست بنانے کے لئے۔
متحرک پیرامیٹر: پیرامیٹرز کے ساتھ متحرک اصلاح ماڈیول شامل کریں ، تاکہ پیرامیٹرز کو ریئل ٹائم مارکیٹ میں تبدیلیوں کے مطابق ایڈجسٹ کیا جاسکے۔
ونڈ کنٹرول کے نظام: زیادہ سے زیادہ واپسی کا تعین کریں ، ونڈ کنٹرول اشارے جیسے ایک بار بار کریں ، انتہائی مارکیٹوں میں بڑے نقصانات سے بچیں۔
انٹیگریٹڈ بہتریاس کے علاوہ ، یہ بھی کہا گیا ہے کہ اس طرح کی حکمت عملیوں یا ماڈلز کے ساتھ انضمام ، ووٹنگ کے طریقہ کار کی تشکیل ، اور فیصلے کی استحکام کو بہتر بناتا ہے۔
خلاصہ کریں۔
اس حکمت عملی میں سب سے پہلے اعدادوشمار کی قیمت اور آر ایس آئی اشارے کے امکانات کی تقسیم کی جاتی ہے ، پھر بیسس کے قواعد کا استعمال کرتے ہوئے کمپاؤنڈ امکانات کا حساب لگایا جاتا ہے ، جب امکانات کسی دیئے گئے حد سے زیادہ ہوتے ہیں تو تجارتی سگنل پیدا کرتے ہیں ، منافع بخش ہوتے ہیں۔ یہ حکمت عملی کثیر ماخذ کی معلومات ، ایپلی کیشنز کے امکانات کی پیش گوئی اور بیسس کی اصلاح کو مربوط کرتی ہے ، اور اس سے بہتر اندازہ ہوتا ہے۔ اہم اصلاح کی سمت میں وقت کے فریم کی توسیع ، اشارے میں اضافہ ، پیرامیٹرز کی حرکیات وغیرہ شامل ہیں۔ مجموعی طور پر ، اس حکمت عملی کا نظریہ منفرد ہے ، اس کا اثر نمایاں ہے ، اور یہ دریافت 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)