1. مربع
  2. گاس کی لہر کی پیشن گوئی کی حکمت عملی

گاس کی لہر کی پیشن گوئی کی حکمت عملی

مصنف:چاؤ ژانگ، تاریخ: 2024-01-22 12:37:07
ٹیگز:

img

جائزہ

گاسس ویو پیشن گوئی کی حکمت عملی گاسس فلٹرنگ پر مبنی ایک مقداری تجارتی حکمت عملی ہے۔ اس میں گاسس فلٹرز کی ہموار کرنے والی خصوصیت کا استعمال قیمت کی سیریز کو متعدد بار فلٹر کرنے اور متعدد ہموار قیمت کی سیریز تیار کرنے کے لئے کیا جاتا ہے۔ پھر ان قیمتوں کی سیریز کے کثیر الثانی فٹنگ کے ساتھ مل کر ، اس سے مستقبل کی قیمتوں کی پیش گوئی کا احساس ہوتا ہے۔ پیش گوئی کے نتائج کے مطابق ، یہ لمبی یا مختصر پوزیشنوں پر تجاویز دیتا ہے۔

حکمت عملی کا اصول

اس حکمت عملی کا مرکز گوسین فلٹر الگورتھم ہے۔ گوسین فلٹر ایک لکیری ہموار فلٹر ہے جو گوسین فنکشن کو وزن کے طور پر استعمال کرتا ہے۔ حکمت عملی میں پیرامیٹر پی کو فلٹرنگ ونڈو کے سائز کے طور پر مقرر کیا گیا ہے۔ پھر فلٹرنگ گتانک الفا کا حساب مثلثی افعال کے ذریعے کیا جاتا ہے۔ ہر قیمت سیریز ret\[i\] اصل قیمت سیریز کے i-th گوسین فلٹرنگ کے بعد نتیجہ کی نمائندگی کرتی ہے۔

اس حکمت عملی میں تکرار کا خیال استعمال کیا جاتا ہے۔ سب سے پہلے ، الفا اور اصل قیمت سیریز کی قیمت کے ساتھ ، پہلے فلٹرنگ ریٹ کا حساب لگایا جاتا ہے۔ پھر ریٹ کی بنیاد پر ، دوسرا فلٹرنگ ریٹ 2 حاصل کرنے کے لئے کیا جاتا ہے۔ اس کو متعدد بار دہرائیں۔ آخر میں ، متعدد قیمت سیریز کو جوڑ کر ، مستقبل کی قیمتوں کی پیش گوئی کرنے کے لئے ایک منحنی خطوط فٹ ہوجاتا ہے۔ اگر پیش گوئی کی قیمت موجودہ اصل قیمت سے زیادہ ہے تو ، لمبا سفر کریں۔ اگر موجودہ قیمت سے کم ہے تو ، مختصر سفر کریں۔

متعدد بار فلٹرنگ کرکے ، یہ ہموار اور رجحان کو بہتر طور پر فٹ کرسکتا ہے۔ اسی وقت ، کثیر الثانی فٹنگ کے ساتھ مل کر ، یہ قلیل مدتی میں قیمت کے رجحانات کی پیش گوئی کا احساس کرتا ہے۔

فوائد کا تجزیہ

اس حکمت عملی کے مندرجہ ذیل فوائد ہیں:

  1. قیمتوں کو ہموار کرنے کے لئے گوسین فلٹر کا استعمال کریں۔ یہ مؤثر طریقے سے ہائی فریکوئنسی شور کو فلٹر کرسکتا ہے اور حکمت عملی کو زیادہ مستحکم بنا سکتا ہے۔

  2. بار بار ملٹی فلٹرنگ۔ یہ قیمت کے رجحان کو بہتر طور پر فٹ کر سکتا ہے اور پیش گوئی کے اثر کو بہتر بنا سکتا ہے۔

  3. کثیرالاضلاع فٹنگ پر مبنی قیمت کی پیش گوئی۔ یہ قلیل مدتی قیمت کے رجحانات کا ماڈل بنا سکتا ہے اور اس طرح تجارتی سگنل تیار کرسکتا ہے۔

  4. موجودہ قیمت بمقابلہ پیش گوئی کی قیمت پر مبنی فیصلہ کریں۔ تجارتی سگنل براہ راست رجحان کی پیش گوئی کے ساتھ مل کر تجارت کے مواقع سے بچنے کے لئے مل جاتے ہیں۔

  5. لاگو کرنے میں آسان ، سمجھنے اور بہتر بنانے میں آسان ہے۔ یہ دیگر تجزیاتی اشارے کو بڑھانے کے لئے اعلی تعدد کی حکمت عملیوں کے لئے ایک بنیادی ماڈیول کے طور پر کام کرسکتا ہے۔

خطرے کا تجزیہ

اس حکمت عملی میں مندرجہ ذیل خطرات بھی ہیں:

  1. قیمتوں میں اچانک تبدیلیوں پر گوسین فلٹر کا ہموار اثر قلیل مدتی تجارتی مواقع سے محروم ہوسکتا ہے۔

  2. کثیرالاضلاع فٹنگ میں اوور فٹنگ کا خطرہ ہے۔ اگر قیمت کی تبدیلی کا ماڈل اچانک تبدیل ہوجاتا ہے تو ، پیش گوئی کا اثر کم ہوجائے گا۔

  3. فلٹر ونڈو کا سائز اور فٹ ہونے والے کثیرالاضلاع کی ترتیب کو درست طریقے سے ترتیب دینے کی ضرورت ہے۔ ورنہ یہ ناکام ہوسکتا ہے۔

  4. یہ صرف ٹریڈنگ سگنلز کے لئے افتتاحی قیمت پر انحصار کرتا ہے اور دن کے اندر تجارت نہیں کرسکتا ہے۔

اصلاح کی ہدایات

حکمت عملی کو مندرجہ ذیل پہلوؤں میں بہتر بنایا جاسکتا ہے:

  1. ماڈل ٹریننگ اور سلائیڈنگ ونڈو ری ٹریننگ میکانزم شامل کریں تاکہ پیرامیٹرز کی متحرک ایڈجسٹمنٹ سے زیادہ فٹنگ کے خطرات کو کم کیا جاسکے۔

  2. ان پٹ کو افزودہ کرنے اور پیشن گوئیوں کو زیادہ مستحکم بنانے کے لئے مزید قیمت کے اشارے اور خصوصیات شامل کریں۔

  3. سٹاپ نقصان کے طریقہ کار کو شامل کریں، انتہائی مارکیٹ کے حالات میں بڑے نقصانات سے بچنے کے لئے زیادہ سے زیادہ نقصان کی شرح مقرر کریں.

  4. پوزیشن مینجمنٹ کو بہتر بنائیں، پیش گوئی کی درستگی اور اتار چڑھاؤ کی بنیاد پر پوزیشنوں کو متحرک طور پر ایڈجسٹ کریں۔

  5. مشین لرننگ ماڈلز جیسے LSTM پر مبنی پیشن گوئی کی کوشش کریں اور پیشن گوئی کی صلاحیت کو مزید بہتر بنائیں۔

نتیجہ

خلاصہ میں ، یہ ایک اعلی تعدد کی مقداری حکمت عملی ہے جو گوسین فلٹر اور کثیر الثانی فٹنگ کا استعمال کرتے ہوئے قیمت کی پیش گوئی کرتی ہے۔ اس کے کچھ فوائد ہیں لیکن اس میں بہتری کی گنجائش بھی ہے۔ مزید خصوصیات کو شامل کرکے ، متحرک پیرامیٹر ٹیوننگ ، اسٹاپ نقصان کے طریقہ کار وغیرہ متعارف کرانے سے ، حکمت عملی کا اثر بہت بہتر ہوسکتا ہے۔ یہ حکمت عملی اعلی تعدد کی حکمت عملیوں کی مزید تحقیق اور اصلاح کے لئے ایک بنیادی ماڈیول کی حیثیت سے بنیاد رکھتی ہے۔

/*backtest
start: 2023-01-15 00:00:00
end: 2024-01-21 00:00:00
period: 1d
basePeriod: 1h
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/

//@version=2
strategy("Gaussbot v1.0", overlay=true)

p = input(20, minval=1, title="Length")
price = input(open, title="Source")

pi=3.1415926535


w=2*pi/p
beta = (1 - cos(w))/(pow(1.414,2.0/3) - 1)
alfa = -beta + sqrt(beta*beta + 2*beta)
ret=  pow(alfa,4)*price+4*(1-alfa)*nz(ret[1])-6*pow(1-alfa,2)*nz(ret[2])+4*pow(1-alfa,3)*nz(ret[3])-pow(1-alfa,4)*nz(ret[4])
ret2 = pow(alfa,4)*ret+4*(1-alfa)*nz(ret2[1])-6*pow(1-alfa,2)*nz(ret2[2])+4*pow(1-alfa,3)*nz(ret2[3])-pow(1-alfa,4)*nz(ret2[4])
ret3 = pow(alfa,4)*ret2+4*(1-alfa)*nz(ret3[1])-6*pow(1-alfa,2)*nz(ret3[2])+4*pow(1-alfa,3)*nz(ret3[3])-pow(1-alfa,4)*nz(ret3[4])
ret4 = 3*ret-3*ret2+ret3


diff2 = nz(ret[1]) - nz(ret[2]) - (nz(ret[2]) - nz(ret[3]) )  
diff22 = nz(ret2[1]) - nz(ret2[2]) - (nz(ret2[2]) - nz(ret2[3]) ) 
diff23 = nz(ret3[1]) - nz(ret3[2]) - (nz(ret3[2]) - nz(ret3[3]) )  
diff24 = nz(ret4[1]) - nz(ret4[2]) - (nz(ret4[2]) - nz(ret4[3]) )  


longCondition =    price[0] - ret4[1]  > 0
shortCondition =  price[0] - ret4[1] < 0

if(longCondition and shortCondition)
    longCondition = longCondition[1]
    shortCondition = shortCondition[1]
if(longCondition==false and shortCondition==false)
    longCondition = longCondition[1]
    shortCondition = shortCondition[1]



if (longCondition==true and shortCondition == false) 
    strategy.entry("Gaussbot Long", strategy.long )
if (longCondition==false and shortCondition == true)
    strategy.entry("Gaussbot Short", strategy.short)
مزید

2019 FMZ - تمام حقوق محفوظ ہیں