ملٹی انڈیکیٹر فیصلہ سازی کی حکمت عملی: IMACD، EMA اور Ichimoku Kinko Hyo


تخلیق کی تاریخ: 2024-01-22 11:25:56 آخر میں ترمیم کریں: 2024-01-22 11:25:56
کاپی: 0 کلکس کی تعداد: 664
1
پر توجہ دیں
1617
پیروکار

ملٹی انڈیکیٹر فیصلہ سازی کی حکمت عملی: IMACD، EMA اور Ichimoku Kinko Hyo

جائزہ

اس حکمت عملی میں آئی ایم اے سی ڈی ، ای ایم اے اور ایک نظر میں توازن کی میز جیسے متعدد تکنیکی اشارے کا استعمال کیا گیا ہے تاکہ خرید و فروخت کے سگنل دینے کے لئے ایک جامع فیصلہ درخت ماڈل بنایا جاسکے۔

حکمت عملی کا اصول

  1. آئی ایم اے سی ڈی: ایمپلس ایم اے سی ڈی اور ایمپلس ہسٹو کے ذریعہ مارکیٹ کے رجحانات کو بہتر طور پر پکڑنے کے لئے ایمپلس ایم اے سی ڈی
  2. پہلی نظر توازن ٹیبل: تبادلہ لائن ، بیس لائن ، لیڈ لائن A ، لیڈ لائن B وغیرہ کا نقشہ ، حمایت اور مزاحمت کی پوزیشنوں کا پتہ لگانا
  3. EMA 40: رجحان کی سمت کا تعین کرنے میں معاون
  4. آئی ایم اے سی ڈی ، کلاؤڈ گراف اجزاء اور ای ایم اے 40 کے مخصوص تعلقات کے مطابق ، زیادہ اور کم کرنے کے اشارے

ایک سے زیادہ سگنل بنائیں: جب IMACD مخصوص حالات کا رنگ ہو اور ای ایم اے 40 بادل کے نقشے سے زیادہ ہو تو زیادہ کریں

خالی کرنے کا اشارہ: جب آئی ایم اے سی ڈی سرخ ہو اور ای ایم اے 40 بادلوں کے چارٹ سے نیچے ہو تو خالی کریں

طاقت کا تجزیہ

  1. مارکیٹ کے رجحانات کا جامع اندازہ لگانے اور فیصلہ سازی کی درستگی کو بہتر بنانے کے لئے کثیر اشارے کا مجموعہ
  2. فیصلے کے درخت کے ماڈل کی واضح درجہ بندی اور ٹریڈنگ سگنل کی واضح پیداوار
  3. ای ایم اے کی لمبائی ایڈجسٹ کی جاسکتی ہے ، معاون فیصلے میں زیادہ لچک
  4. سپورٹ اور مزاحمت کو بہتر طور پر شناخت کرنے کے لئے کلاؤڈ چارٹ اور رجحان اشارے کے ساتھ مل کر

خطرے کا تجزیہ

  1. ایک سے زیادہ اشارے کا مجموعہ ، زیادہ پیچیدہ پیرامیٹرز کی ترتیب
  2. غلط EMA لمبائی کی ترتیب ، غلط ٹریڈنگ سگنل کا سبب بن سکتی ہے
  3. ایک ہی وقت میں متعدد اشارے پر توجہ دینے کی ضرورت ہے ، کام کرنا مشکل ہے

خطرہ حل: پیرامیٹرز کی ترتیب کو بہتر بنائیں ، ای ایم اے کی لمبائی کو ایڈجسٹ کریں ، آپریشن کے عمل کو آسان بنائیں۔

اصلاح کی سمت

  1. پیرامیٹرز کی ترتیبات کو بہتر بنائیں اور حکمت عملی کی استحکام کو بہتر بنائیں
  2. نقصانات کو روکنے کے لئے حکمت عملی میں اضافہ
  3. بڑے پیمانے پر اعداد و شمار کی بنیاد پر پیمائش ، سگنل کے معیار کو بہتر بنانا
  4. مشین لرننگ الگورتھم کے ساتھ ایک انکولی فیصلہ سازی کا درخت

خلاصہ کریں۔

اس حکمت عملی میں متعدد اشارے کی شناخت کے رجحانات کا جامع استعمال کیا گیا ہے ، اور فیصلہ سازی کے درخت کے ماڈل کی تعمیر کے لئے تجارتی سگنل پیدا کیے گئے ہیں۔ سگنل کی اعلی معیار ، اعلی درستگی ، اور آہستہ آہستہ اصلاح کے لئے موزوں ہے۔ تجارتی خطرے کو کنٹرول کرنے کے لئے پیرامیٹرز کی اصلاح اور روک تھام کی حکمت عملی پر توجہ دینے کی ضرورت ہے ، تاکہ طویل مدتی مستحکم منافع حاصل کیا جاسکے۔

حکمت عملی کا ماخذ کوڈ
/*backtest
start: 2024-01-14 00:00:00
end: 2024-01-21 00:00:00
period: 30m
basePeriod: 15m
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/

//@version=5
strategy("Decision Tree Strategy: IMACD, EMA and Ichimoku [cryptoonchain]", overlay=true)

lengthMA = input(34, title="Length MA")
lengthSignal = input(9, title="Length Signal")
conversionPeriods = input.int(9, minval=1, title="Conversion Line Length")
basePeriods = input.int(26, minval=1, title="Base Line Length")
laggingSpan2Periods = input.int(52, minval=1, title="Leading Span B Length")
displacement = input.int(26, minval=1, title="Lagging Span")
emaLength = input(40, title="EMA Length")  // Added user-configurable EMA length

calc_smma(src, len) =>
    smma = float(na)
    smma := na(smma[1]) ? ta.sma(src, len) : (smma[1] * (len - 1) + src) / len
    smma

calc_zlema(src, length) =>
    ema1 = ta.ema(src, length)
    ema2 = ta.ema(ema1, length)
    d = ema1 - ema2
    ema1 + d

src = ohlc4
hi = calc_smma(high, lengthMA)
lo = calc_smma(low, lengthMA)
mi = calc_zlema(src, lengthMA)

md = (mi > hi) ? (mi - hi) : (mi < lo) ? (mi - lo) : 0
sb = ta.sma(md, lengthSignal)
sh = md - sb
mdc = src > mi ? (src > hi ? color.rgb(128, 255, 0, 26) : color.green) : (src < lo ? color.red : color.orange)

colorCondition = color.rgb(128, 255, 0, 26)

conversionLine = math.avg(ta.lowest(conversionPeriods), ta.highest(conversionPeriods))
baseLine = math.avg(ta.lowest(basePeriods), ta.highest(basePeriods))
leadLine1 = math.avg(conversionLine, baseLine)
leadLine2 = math.avg(ta.lowest(laggingSpan2Periods), ta.highest(laggingSpan2Periods))

// Use user-configurable length for EMA
ema40 = ta.ema(close, emaLength)

ebc = input(false, title="Enable bar colors")
barcolor(ebc ? mdc : na)

conversionLinePlot = plot(conversionLine, color=#2962FF, title="Conversion Line", display=display.none)
baseLinePlot = plot(baseLine, color=#B71C1C, title="Base Line", display=display.none)
laggingSpanPlot = plot(close, offset=-displacement + 1, color=#43A047, title="Lagging Span", display=display.none)
leadLine1Plot = plot(leadLine1, offset=displacement - 1, color=#A5D6A7, title="Leading Span A", display=display.none)
leadLine2Plot = plot(leadLine2, offset=displacement - 1, color=#EF9A9A, title="Leading Span B", display=display.none)
kumoCloudUpperLinePlot = plot(leadLine1 > leadLine2 ? leadLine1 : leadLine2, offset=displacement - 1, title="Kumo Cloud Upper Line", display=display.none)
kumoCloudLowerLinePlot = plot(leadLine1 < leadLine2 ? leadLine1 : leadLine2, offset=displacement - 1, title="Kumo Cloud Lower Line", display=display.none)
fill(kumoCloudUpperLinePlot, kumoCloudLowerLinePlot, color=leadLine1 > leadLine2 ? color.green : color.red)

a = (leadLine1 > leadLine2 ? leadLine1 : leadLine2) 
b = (leadLine1 < leadLine2 ? leadLine1 : leadLine2)  

if mdc == colorCondition and ema40 > a[displacement - 1]
    strategy.entry("Long", strategy.long)

if mdc == color.red and ema40 < b[displacement - 1]
    strategy.entry("Short", strategy.short)