1. مربع
  2. اوسط ریورس ریورس حکمت عملی جو چلتی اوسط پر مبنی ہے

اوسط ریورس ریورس حکمت عملی جو چلتی اوسط پر مبنی ہے

مصنف:چاؤ ژانگ، تاریخ: 2023-12-21 15:45:23
ٹیگز:

img

اس حکمت عملی کا نام Mean Reversion Reverse Strategy Based on Moving Average ہے۔ اس کا بنیادی خیال یہ ہے کہ جب قیمت اہم حرکت پذیر اوسط سے گزرتی ہے تو خریدنا اور پہلے سے طے شدہ اہداف تک پہنچنے پر منافع حاصل کرنا ہے۔

اس حکمت عملی کا بنیادی اصول قلیل مدتی متحرک اوسط کی واپسی کا استعمال کرتے ہوئے رینج سے منسلک مارکیٹوں میں واپسی کے مواقع کو حاصل کرنا ہے۔ خاص طور پر ، جب قیمتیں طویل عرصے سے چلنے والی اوسط (جیسے 20 دن اور 50 دن کے ایم اے) کو توڑ دیتی ہیں اور مضبوط overselling کی علامات ظاہر کرتی ہیں تو ، مارکیٹ میں اتار چڑھاؤ کی اوسط واپسی کی خصوصیت کی وجہ سے قیمتیں کسی حد تک واپس آنے کا رجحان رکھتی ہیں۔ اس وقت ، اگر مختصر دورانیے کے چلنے والے اوسط (جیسے 10 دن کے ایم اے) میں واپسی کا اشارہ ظاہر ہوتا ہے تو ، یہ خریدنے کا ایک اچھا وقت ہوگا۔ اس حکمت عملی میں ، جب قیمت بند ہو جائے تو وہ خریدے گی جب 20 دن کے ایم اے سے نیچے ہے جبکہ 50 دن کے ایم اے سے اوپر ہے ، تاکہ قلیل مدتی ایم اے کی واپسی کے ساتھ اپنی واپسی کو حاصل کیا جاسکے۔

مخصوص انٹری منطق یہ ہے: جب قیمت 20 دن کی ایم اے کو توڑتی ہے تو 1 لاٹ خریدیں ، 50 دن کی ایم اے کو توڑتے وقت 1 لاٹ شامل کریں ، 100 دن کی ایم اے کو توڑتے وقت 1 لاٹ شامل کرتے رہیں ، اور 200 دن کی ایم اے کو توڑتے وقت زیادہ سے زیادہ 4 لاٹس کے لئے 1 لاٹ شامل کریں۔ پہلے سے طے شدہ اہداف تک پہنچنے کے بعد منافع حاصل کریں۔ یہ وقت اور اسٹاپ نقصان کی شرائط بھی طے کرتا ہے۔

فوائد کا تجزیہ

  1. چلتی اوسط کی الٹ کی خصوصیات کا استعمال کرتے ہوئے مؤثر طریقے سے قلیل مدتی واپسی کے مواقع کی نشاندہی کریں
  2. پیرامیڈائزنگ آرڈرز کے ذریعے سنگل پوائنٹ کے خطرات کو کم کریں
  3. منافع حاصل کرنے کے اہداف طے کرکے منافع کو مقفل کریں
  4. کھلی قیمت اور پچھلے کم قیمت فلٹرز کا استعمال کرتے ہوئے جھوٹے بریک آؤٹ سے بچیں

خطرے کا تجزیہ

  1. طویل عرصے تک انعقاد کے خطرات کا سامنا کرنا پڑ سکتا ہے۔ اگر مارکیٹ میں کمی جاری رہی تو نقصانات میں اضافہ ہوگا۔
  2. ایم اے سگنل غلط سگنل دے سکتے ہیں، جس کے نتیجے میں نقصانات ہو سکتے ہیں
  3. اگر منافع کا ہدف حاصل نہیں کیا جاتا ہے تو منافع مکمل طور پر یا جزوی طور پر نہیں لے سکتا

اصلاح کی ہدایات

  1. مختلف پیرامیٹرز کی ترتیبات کے تحت منافع بخش اور استحکام کی جانچ کریں
  2. اندراجات کا فیصلہ کرنے کے لئے MACD، KD جیسے دیگر اشارے کو یکجا کرنے پر غور کریں
  3. مختلف مصنوعات کی خصوصیات کی بنیاد پر موزوں MA ادوار کا انتخاب کریں
  4. پیرامیٹرز کو متحرک طور پر بہتر بنانے کے لئے مشین لرننگ الگورتھم متعارف کروانا

خلاصہ

عام طور پر ، یہ ایک کلاسیکی اور آفاقی ایم اے ٹریڈنگ حکمت عملی ہے۔ یہ مختصر مدت کے خریداری کے مواقع کی نشاندہی کرنے کے لئے ایم اے کی ہموار خصوصیت کا صحیح طریقے سے استعمال کرتا ہے ، جس میں متعدد ایم اے کے ساتھ مل کر مل کر ملتا ہے۔ یہ پیرامیڈائزڈ آرڈرز اور بروقت منافع حاصل کرکے خطرات کو کنٹرول کرتا ہے۔ لیکن مارکیٹ کے واقعات جیسے اہم پالیسی کی خبروں کا اس کا ردعمل زیادہ غیر فعال ہوسکتا ہے۔ یہ ایسی چیز ہے جسے مزید بہتر بنایا جاسکتا ہے۔ مجموعی طور پر ، پیرامیٹر کی اصلاح اور رسک کنٹرول میں مناسب بہتری کے ساتھ ، یہ حکمت عملی مستحکم اضافی منافع حاصل کرسکتی ہے۔

/*backtest
start: 2023-12-13 00:00:00
end: 2023-12-20 00:00:00
period: 1m
basePeriod: 1m
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/

//@version=5
strategy("EMA_zorba1", shorttitle="zorba_ema", overlay=true)

// Input parameters
qt1 = input.int(5, title="Quantity 1", minval=1)
qt2 = input.int(10, title="Quantity 2", minval=1)
qt3 = input.int(15, title="Quantity 3", minval=1)
qt4 = input.int(20, title="Quantity 4", minval=1)
ema10 = ta.ema(close, 10)
ema20 = ta.ema(close, 20)
ema50 = ta.ema(close, 50)
ema100 = ta.ema(close, 100)
ema200 = ta.ema(close, 200)

// Date range filter
start_date = timestamp(year=2021, month=1, day=1)
end_date = timestamp(year=2024, month=10, day=27)
in_date_range = true

// Profit condition
profit_percentage = input(1, title="Profit Percentage")  // Adjust this value as needed

// Pyramiding setting
pyramiding = input.int(2, title="Pyramiding", minval=1, maxval=10)

// Buy conditions
buy_condition_1 = in_date_range and close < ema20 and close > ema50 and close < open and close < low[1]
buy_condition_2 = in_date_range and close < ema50 and close > ema100 and close < open and close < low[1]
buy_condition_3 = in_date_range and close < ema100 and close > ema200 and close < open and close < low[1]
buy_condition_4 = in_date_range and close < ema200 and close < open and close < low[1]

// Exit conditions
profit_condition = strategy.position_avg_price * (1 + profit_percentage / 100) <= close
exit_condition_1 = in_date_range and (close > ema10 and ema10 > ema20 and ema10 > ema50 and ema10 > ema100 and ema10 > ema200 and close < open) and profit_condition and close < low[1] and close < low[2]
exit_condition_2 = in_date_range and (close < ema10 and close[1] > ema10 and close < close[1] and ema10 > ema20 and ema10 > ema50 and ema10 > ema100 and ema10 > ema200 and close < open) and profit_condition and close < low[1] and close < low[2]

// Exit condition for when today's close is less than the previous day's low
//exit_condition_3 = close < low[1]

// Strategy logic
strategy.entry("Buy1", strategy.long, qty=qt1 * pyramiding, when=buy_condition_1)
strategy.entry("Buy2", strategy.long, qty=qt2 * pyramiding, when=buy_condition_2)
strategy.entry("Buy3", strategy.long, qty=qt3 * pyramiding, when=buy_condition_3)
strategy.entry("Buy4", strategy.long, qty=qt4 * pyramiding, when=buy_condition_4)

strategy.close("Buy1", when=exit_condition_1 or exit_condition_2)
strategy.close("Buy2", when=exit_condition_1 or exit_condition_2)
strategy.close("Buy3", when=exit_condition_1 or exit_condition_2)
strategy.close("Buy4", when=exit_condition_1 or exit_condition_2)
مزید

2019 FMZ - تمام حقوق محفوظ ہیں