1. مربع
  2. Kalman فلٹر اور اوسط ریورس پر مبنی ٹرانسیٹیو تناسب ٹریڈنگ کی حکمت عملی

Kalman فلٹر اور اوسط ریورس پر مبنی ٹرانسیٹیو تناسب ٹریڈنگ کی حکمت عملی

مصنف:چاؤ ژانگ، تاریخ: 2023-12-29 17:23:14
ٹیگز:

img

جائزہ

اس حکمت عملی میں اسٹاک کی قیمتوں میں غیر معمولی قلیل مدتی اتار چڑھاؤ کو پکڑنے اور اسٹاک کی سمت کی تجارت کو نافذ کرنے کے لئے کالمین فلٹر اور اوسط ریورس کے تصورات کا استعمال کیا جاتا ہے۔ حکمت عملی پہلے اسٹاک اور مارکیٹ انڈیکس کے مابین قیمت تناسب ماڈل قائم کرتی ہے ، اور پھر تناسب کی پیش گوئی اور فلٹر کرنے کے لئے کالمین فلٹر تکنیک کا استعمال کرتی ہے۔ جب تناسب معمول کی سطح سے انحراف کرتا ہے تو تجارتی سگنل پیدا ہوتے ہیں۔ اس کے علاوہ ، حکمت عملی میں غلط تجارت سے بچنے کے لئے حجم فلٹرنگ بھی شامل ہے۔

حکمت عملی کا اصول

اس حکمت عملی کا بنیادی خیال اسٹاک کی قیمت اور مارکیٹ انڈیکس کی قیمت کے مابین قیمت تناسب ماڈل قائم کرنا ہے۔ یہ تناسب مجموعی مارکیٹ کے مقابلے میں انفرادی اسٹاک کی قیمت کی سطح کی عکاسی کرتا ہے۔ جب تناسب زیادہ ہوتا ہے تو ، یہ سمجھا جاتا ہے کہ انفرادی اسٹاک کی قیمت زیادہ ہے اور فروخت کا اشارہ پیدا ہوتا ہے۔ جب تناسب کم ہوتا ہے تو ، یہ سمجھا جاتا ہے کہ انفرادی اسٹاک کی قیمت کم ہے اور خریدنے کا اشارہ پیدا ہوتا ہے۔

تناسب سگنل کو ہموار طریقے سے فلٹر کرنے کے ل the ، حکمت عملی نے کیلمین فلٹر الگورتھم کو اپنایا ہے۔ کیلمین فلٹر تناسب کی اصل مشاہدہ شدہ قیمت کو پیش گوئی کی قیمت کے ساتھ وزن کرتا ہے اور ریئل ٹائم میں تناسب کی پیش گوئی کو اپ ڈیٹ کرتا ہے۔ اور ہموار کیلمین فلٹر ویلیو کا حساب لگاتا ہے۔ تجارتی سگنل اس وقت پیدا ہوتے ہیں جب فلٹر شدہ قیمت عام سطح سے اوپر یا نیچے 2 معیاری انحراف سے تجاوز کرتی ہے۔

اس کے علاوہ ، حکمت عملی میں تجارتی حجم کے عوامل پر بھی غور کیا جاتا ہے۔ حقیقی تجارتی سگنل صرف اس وقت پیدا ہوتے ہیں جب تجارتی حجم بڑا ہوتا ہے۔ اس سے کچھ غلط تجارتوں سے بچتا ہے۔

فوائد کا تجزیہ

اس حکمت عملی کا سب سے بڑا فائدہ کیل مین فلٹر الگورتھم کا استعمال کرتے ہوئے قیمت کے تناسب کی موثر ہموار اور پیش گوئی ہے۔ سادہ اوسط ریورس ماڈلز کے مقابلے میں ، کیل مین فلٹر قیمتوں میں متحرک تبدیلیوں کو بہتر طور پر ظاہر کرسکتا ہے ، خاص طور پر جب قیمتیں تیزی سے اتار چڑھاؤ کرتی ہیں۔ اس سے حکمت عملی کو بروقت انداز میں قیمت کی خرابیوں کا پتہ لگانے اور درست تجارتی سگنل پیدا کرنے کی اجازت ملتی ہے۔

دوسرا ، تجارتی حجم کا امتزاج حکمت عملی کے عملی اطلاق کو بھی بڑھا دیتا ہے۔ تجارتی حجم کی معقول فلٹرنگ سے کچھ غلط اشاروں سے بچنے میں مدد ملتی ہے اور غیر ضروری تجارتی اخراجات کو کم کیا جاتا ہے۔

مجموعی طور پر، حکمت عملی ایک مضبوط مقداری تجارتی حکمت عملی بنانے کے لئے کامیابی سے Kalman فلٹرنگ، اوسط واپسی، ٹریڈنگ حجم تجزیہ اور دیگر تکنیک کو یکجا کرتی ہے.

خطرے کا تجزیہ

اگرچہ یہ حکمت عملی نظریاتی اور تکنیکی طور پر درست ہے، لیکن اصل استعمال میں ابھی بھی کچھ ممکنہ خطرات موجود ہیں جن پر توجہ دینے کی ضرورت ہے۔

پہلا ماڈل کا خطرہ ہے۔ کالمین فلٹر ماڈل میں کچھ کلیدی پیرامیٹرز ، جیسے عمل شور تغیر ، مشاہدہ شور تغیر وغیرہ ، کو تاریخی اعداد و شمار کی بنیاد پر اندازہ لگانے کی ضرورت ہے۔ اگر تخمینہ غلط ہے یا مارکیٹ کے حالات میں بڑی تبدیلی آتی ہے تو ، اس سے ماڈل کی پیش گوئی میں انحراف ہوگا۔

دوسرا سلائپ لاگت کا خطرہ ہے۔ کثرت سے تجارت میں سلائپ لاگت زیادہ ہوگی ، جس سے حکمت عملی کی واپسی میں کمی واقع ہوگی۔ پیرامیٹر کی اصلاح اور ٹرانزیکشن حجم فلٹرنگ غیر ضروری لین دین کو کسی حد تک کم کرسکتی ہے۔

آخر میں ، مارکیٹ انڈیکس کو بطور بینچ مارک استعمال کرنے میں کچھ نظاماتی مارکیٹ کا خطرہ ہے۔ جب پوری مارکیٹ میں تیزی سے اتار چڑھاؤ ہوتا ہے تو ، انفرادی اسٹاک اور مارکیٹ کے مابین قیمت کا تناسب بھی غیر معمولی ہوگا۔ اس وقت حکمت عملی غلط سگنل پیدا کرے گی۔ ہم بینچ مارک کے طور پر زیادہ مستحکم انڈیکس کا انتخاب کرنے پر غور کرسکتے ہیں۔

اصلاح کی ہدایات

حکمت عملی کو مزید بہتر بنانے کی گنجائش ہے:

  1. قیمت کے تناسب کو فٹ کرنے اور پیش گوئی کرنے کے لئے زیادہ پیچیدہ گہری سیکھنے کے ماڈل استعمال کریں۔ اس سے ماڈل کی درستگی اور استحکام میں اضافہ ہوسکتا ہے۔

  2. زیادہ متحرک اور ذہین حد کی ترتیبات حاصل کرنے کے لئے تجارتی حجم فلٹرنگ کے قواعد کو بہتر بنائیں۔ اس سے غلط تجارت کا امکان کم ہوتا ہے۔

  3. مختلف مارکیٹ انڈیکس کو حکمت عملی کے معیار کے طور پر آزمائیں اور انڈیکس کا انتخاب کریں جن میں چھوٹے اور زیادہ مستحکم اتار چڑھاؤ ہوں۔ اس سے مارکیٹ کے نظاماتی خطرے کا اثر کم ہوتا ہے۔

  4. اسٹاک کے بنیادی تجزیہ کو شامل کریں تاکہ کچھ اسٹاک کی تجارت سے بچنے کے لئے جس میں بنیادی طور پر بگڑ گیا ہے۔ اس سے اعلی معیار کے تجارتی اہداف کی جانچ پڑتال ہوتی ہے۔

  5. حکمت عملی بیک ٹیسٹنگ اور اصلاح کے لئے اعلی تعدد انٹرا ڈے ڈیٹا کا استعمال کریں۔ اس سے حکمت عملی کی حقیقی تجارتی کارکردگی میں بہتری آتی ہے۔

نتیجہ

یہ حکمت عملی کامیابی کے ساتھ کالمین فلٹر ماڈل کا استعمال کرتے ہوئے اسٹاک میں غیر معمولی قلیل مدتی قیمتوں میں اتار چڑھاؤ کو پکڑتی ہے۔ دریں اثنا ، حجم سگنل کے تعارف سے حکمت عملی کی عملیت میں بھی اضافہ ہوتا ہے۔ اگرچہ ابھی بھی کچھ ماڈل کے خطرات اور مارکیٹ کے خطرات موجود ہیں ، لیکن یہ ایک بہت ہی وعدہ کرنے والی مقداری تجارتی حکمت عملی ہے۔ مستقبل کے ماڈل اور سگنل کی اصلاح میں بہتری اور درخواست کی صلاحیت کی بہت گنجائش ہے۔

/*backtest
start: 2023-12-21 00:00:00
end: 2023-12-28 00:00:00
period: 1m
basePeriod: 1m
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/
// © xXM3GAXx

//@version=5
strategy("My strategy", overlay=true)

//SPY or QQQ
context = request.security("BTC_USDT:swap", timeframe.period, input(close))
//our stock
particular = input(close)

//ratio
src = ta.roc(particular, 1) / math.abs(ta.roc(context, 1))

//kalman calculation
Sharpness = input.float(1.0)
K = input.float(1.0)


greencolor =  color.lime
redcolor =  color.red

velocity = 0.0
kfilt = 0.0

Distance = src - nz(kfilt[1], src)
Error = nz(kfilt[1], src) + Distance * math.sqrt(Sharpness*K/ 100)
velocity := nz(velocity[1], 0) + Distance*K / 100
kfilt := Error + velocity

//2 std devs up and down
upper = kfilt[1] + 2 * ta.stdev(kfilt, input(20))
lower = kfilt[1] - 2 * ta.stdev(kfilt, input(20))

//plotting for visuals
plot(kfilt, color=velocity > 0 ? greencolor : redcolor, linewidth = 2)
plot(upper)
plot(lower)
//plot(ta.ema(ta.roc(particular, 1)/ta.roc(context, 1), 5), color = #00ffff, linewidth=2)

//volume data
vol = volume
volema = ta.ema(volume, 10)

//buy when ratio too low
longCondition = kfilt<=lower and vol>=volema
if (longCondition)
    strategy.entry("My Long Entry Id", strategy.long)

//sell when ratio too high
shortCondition = kfilt>=upper and vol>=volema
if (shortCondition)
    strategy.entry("My Short Entry Id", strategy.short)
مزید

2019 FMZ - تمام حقوق محفوظ ہیں