لندن SMA کراس اوور پر مبنی ETH الٹ تجارتی حکمت عملی
ChaoZhang
جائزہ
اس حکمت عملی کا نام لندن ٹائم فریم ایس ایم اے کراس ای ٹی ایچ ریورس ٹریڈنگ حکمت عملی ہے۔ اس حکمت عملی کا بنیادی خیال لندن ٹریڈنگ کے اوقات میں اعلی لیکویڈیٹی کا استعمال کرنا ہے ، جس میں ایس ایم اے مساوی لائن کے سنہری فورک ڈیڈ فورک سگنل کے ساتھ مل کر ETH / USDT کے مرکزی دھارے میں شامل ڈیجیٹل کرنسیوں کے جوڑے کو ریورس ٹریڈ کرنا ہے۔
حکمت عملی کا اصول
اس حکمت عملی کا بنیادی منطق یہ ہے کہ پہلے لندن ٹائم سیکشن میں ٹریڈنگ کا وقت طے کیا جائے ، پھر ایک خاص دورانیے کے لئے ایس ایم اے میڈین لائن کا حساب لگایا جائے ، اور پھر لندن ٹائم سیکشن میں فیصلہ کیا جائے کہ آیا قیمت ایس ایم اے کے ساتھ گولڈ فورک یا ڈیڈ فورک ہوئی ہے۔ خاص طور پر ، اس حکمت عملی نے پہلے لندن ٹائم سیکشن کے آغاز اور اختتام کے اوقات کی وضاحت کی ، اور پھر ایس ایم اے میڈین لائن کی لمبائی کے پیرامیٹرز کو 50 دورانیے پر ترتیب دیا گیا۔ اس کی بنیاد پر ، حکمت عملی نے ٹی ایس ایم اے میڈین لائن کا حساب لگانے کے لئے ٹی ایس ایم اے () فنکشن کا استعمال کیا ہے۔ اس کے بعد ، حکمت عملی یہ فیصلہ کرتی ہے کہ آیا موجودہ قیمت لندن ٹائم سیکشن میں ہے یا نہیں ، اور آیا اس کی واپسی کے وقت کی حد کو پورا کیا گیا ہے۔ ان دونوں صورتوں میں ، ٹی ایس ایم اے میڈین لائن کے ساتھ گولڈ فورک اور ڈیڈ فورک ہوا ہے۔
اس حکمت عملی کا ایک اہم فائدہ یہ ہے کہ لندن ٹائم سیکشن میں اعلی لیکویڈیٹی کا استعمال کرتے ہوئے تجارت کی جاتی ہے ، جس سے داخلے کے بہتر مواقع حاصل کیے جاسکتے ہیں۔ اس کے علاوہ ، SMA کی اوسط لائن پر گولڈ فورک ڈیڈ فورک سگنل ایک کلاسک اور موثر تکنیکی اشارے کا اشارہ ہے۔ لہذا ، اس مجموعہ سے جعلی سگنلوں کو کچھ حد تک فلٹر کیا جاسکتا ہے ، حکمت عملی کی استحکام اور منافع میں اضافہ ہوتا ہے۔
اسٹریٹجک فوائد
- لندن ٹائم سیشن میں اعلی نقل و حرکت کا فائدہ اٹھاتے ہوئے بہتر داخلے کے اوقات حاصل کریں
- ایس ایم اے اوسط لکیری فورک ڈیڈ فورک ایک کلاسک اور موثر تکنیکی اشارے کا اشارہ ہے
- مجموعہ کا استعمال سگنل کے معیار کو بہتر بنانے، جعلی سگنل کو فلٹر کرنے کے لئے
- ریورس ٹریڈنگ کا استعمال، مختصر لائن ٹریڈنگ کے لئے موزوں
- اعلی سرمایہ کاری کی شرح ، فائدہ اٹھانے کے ذریعہ منافع کو بڑھانا
اسٹریٹجک خطرات اور حل
اس حکمت عملی کے ساتھ کچھ خطرات بھی ہیں، جن میں شامل ہیں:
- ٹرینڈ مارکیٹ میں سونے کی ہڈیوں کے سگنل کو اکثر مارا جا سکتا ہے
- ایس ایم اے سائیکل کی غلط ترتیب ، بہت زیادہ غلط سگنل پیدا کرسکتا ہے
- ریٹرو ٹریڈنگ میں تیزی سے اضافہ
ان خطرات پر قابو پانے اور ان سے نمٹنے کے لیے درج ذیل اقدامات کیے جا سکتے ہیں۔
- رجحان کے اشارے کے ساتھ مل کر ، رجحان کے جھٹکے کے دوران استعمال سے گریز کریں
- SMA پیرامیٹرز کو بہتر بنائیں اور بہترین تجارتی دورانیہ تلاش کریں
- اسٹاپ نقصان کی حد مقرر کریں اور ایک نقصان کو کنٹرول کریں
حکمت عملی کی اصلاح کی سمت
اس حکمت عملی میں مندرجہ ذیل اصلاحات بھی ہیں:
- دیگر اشارے کو متعارف کرانے کے لئے مجموعہ، جیسے RSI، KD، وغیرہ، ایک کثیر اشارے فلٹرنگ قاعدہ بنانے کے لئے، سگنل کے معیار کو بہتر بنانے کے لئے
- ایس ایم اے میڈین لائن کو بہتر بنانے کے لئے سائیکل پیرامیٹرز ، بہترین تجارتی دورانیہ تلاش کریں
- SMA اوسط پر مبنی ، اور پھر طویل مدتی اوسط متعارف کرایا جاسکتا ہے ، جس میں کثیر اوسط کراس لائن کا مجموعہ ہوتا ہے
- ٹریڈنگ کے اوقات کو بہتر بنانے کے لئے ، اور یہ جانچنے کے لئے کہ کون سے اوقات بہترین کام کرتے ہیں
- مشین لرننگ الگورتھم کو متعارف کرایا جاسکتا ہے تاکہ سگنل کو تربیت اور فلٹر کیا جاسکے
خلاصہ کریں۔
مجموعی طور پر ، اس حکمت عملی میں اعلی لیکویڈیٹی ٹائم ٹریڈنگ اور یکساں کراسنگ کے کلاسیکی تکنیکی اشارے کا مجموعہ ہے ، جس سے ایک آسان اور عملی شارٹ لائن ریورس ٹریڈنگ حکمت عملی کا حصول ہوتا ہے۔ اس حکمت عملی میں فنڈز کے اعلی استعمال ، تکنیکی اشارے آسان اور آسانی سے لاگو کرنے کے فوائد ہیں۔ تاہم ، اس میں کچھ خطرات بھی ہیں ، جس میں بہتر استحکام کے لئے پیرامیٹرز ، اسٹاپ نقصان اور ٹریڈنگ ٹائم وغیرہ کی جانچ اور اصلاح کی ضرورت ہے۔
/*backtest
start: 2023-01-11 00:00:00
end: 2024-01-17 00:00:00
period: 1d
basePeriod: 1h
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/
//@version=5
strategy("London SMA Strategy ", overlay=true)
// Define London session times
london_session_start_hour = 6
london_session_start_minute = 59
london_session_end_hour = 15
london_session_end_minute = 59
// Define SMA input parameters
sma_length = input.int(50, title="SMA Length")
sma_source = input.source(close, title="SMA Source")
// Calculate SMA
sma = ta.sma(sma_source, sma_length)
// Convert input values to timestamps
london_session_start_timestamp = timestamp(year, month, dayofmonth, london_session_start_hour, london_session_start_minute)
london_session_end_timestamp = timestamp(year, month, dayofmonth, london_session_end_hour, london_session_end_minute)
// Define backtesting time range
start_date = timestamp(2021, 1, 1, 0, 0)
end_date = timenow
// Filter for London session and backtesting time range
in_london_session = time >= london_session_start_timestamp and time <= london_session_end_timestamp
in_backtesting_range = time >= start_date and time <= end_date
// Long condition: Close price crosses above SMA during London session
long_condition = ta.crossover(close, sma)
// Short condition: Close price crosses below SMA during London session
short_condition = ta.crossunder(close, sma)
// Plot SMA for reference
plot(sma, title="SMA", color=color.blue)
// Strategy entries and exits
if (long_condition)
strategy.entry("Long", strategy.long)
if (short_condition)
strategy.entry("Short", strategy.short)