1. مربع
  2. ملٹی سائیکل ایڈجسٹ ٹرینڈ کی پیشن گوئی کی حکمت عملی

ملٹی سائیکل ایڈجسٹ ٹرینڈ کی پیشن گوئی کی حکمت عملی

مصنف:چاؤ ژانگ، تاریخ: 2024-02-01 14:34:38
ٹیگز:

img

جائزہ

یہ حکمت عملی رجحانات اور آؤٹ پٹ ٹریڈنگ سگنلز کی پیش گوئی کے لئے مارکیٹ آپریشن میں مرحلہ وار پوائنٹس کے ساتھ مل کر ملٹی سائیکل موافقت پذیر چلتی اوسط اور زگ زگ رسک تشخیص اشارے کا استعمال کرتی ہے۔ حکمت عملی کا نام Multi-Cycle Adaptive Trend Forecast Strategy ہے۔

حکمت عملی کا اصول

حکمت عملی کی بنیادی منطق کو دو اہم لائنوں میں تقسیم کیا گیا ہے۔ پہلی اہم لائن ایک کثیر سائیکل فلٹرنگ فیصلے کے نظام کی تعمیر کے لئے مختلف پیرامیٹرز کے ساتھ انکولی چلتی اوسط nAMA کا استعمال کرتی ہے۔ دوسری اہم لائن کثیر سائیکل رسک تشخیص کے نظام کی تعمیر کے لئے مختلف پیرامیٹرز کے ساتھ زگ زگ رسک تشخیص کے نظام کا استعمال کرتی ہے۔ آخر میں ، دونوں اہم لائنوں کو جوڑ دیا جاتا ہے۔ جب مختصر سائیکل لائن طویل سائیکل لائن سے تجاوز کرتی ہے تو ، خرید سگنل تیار ہوتا ہے۔ جب مختصر سائیکل لائن طویل سائیکل لائن سے نیچے ہوتی ہے تو ، فروخت سگنل تیار ہوتا ہے۔

خاص طور پر ، پہلی مین لائن بالترتیب 10 سائیکل اور 4، 24 پیرامیٹرز کی موافقت پذیر چلتی اوسط طے کرتی ہے۔ دوسری مین لائن بالترتیب 7 سائیکل اور 4، 300 پیرامیٹرز کی زیگ زگ رسک تشخیص لائنیں طے کرتی ہے۔ آخر میں ، پہلی مین لائن میں 10 سائیکل لائن کا موازنہ دوسری مین لائن میں 31 سائیکل لائن سے کیا جاتا ہے تاکہ تجارتی سگنل تشکیل دیا جاسکے۔ جب 10 سائیکل لائن 31 سائیکل لائن سے اوپر بڑھتی ہے تو ، خرید کا سگنل پیدا ہوتا ہے۔ جب 10 سائیکل لائن 31 سائیکل لائن سے نیچے آجاتی ہے تو ، فروخت کا سگنل پیدا ہوتا ہے۔

اس کے علاوہ ، حکمت عملی میں حجم قیمت کی توثیق کا ماڈیول بھی طے ہوتا ہے۔ تجارتی سگنل صرف اس وقت درست ہوتے ہیں جب تجارتی حجم 6 سائیکل اوسط تجارتی حجم سے زیادہ ہو۔ اس سے کسی حد تک غلط سگنل فلٹر ہوسکتے ہیں۔ آخر میں ، حکمت عملی حوالہ سگنل کے طور پر مختلف سائیکل کی سطح کے مرحلہ وار نکات کھینچتی ہے۔

حکمت عملی کے فوائد کا تجزیہ

اس حکمت عملی کا سب سے بڑا فائدہ ملٹی سائیکل انکولی ڈھانچے کا اطلاق ہے ، جو مارکیٹ کے حالات کے مطابق متحرک طور پر سائیکلوں کو متحرک طور پر ایڈجسٹ کرنے کے لئے سائیکلوں کو انکولی طور پر ایڈجسٹ کرسکتے ہیں۔ چاہے رجحان کے حصوں میں ہو یا جھٹکے والے علاقوں میں ، حکمت عملی کی رجحان کی پیروی کرنے کی صلاحیت کو بہتر بنانے کے لئے مناسب سائیکل پیرامیٹر مجموعے تلاش کیے جاسکتے ہیں۔

اس کے علاوہ ، حکمت عملی میں تجارتی خطرات پر موثر انداز میں قابو پانے اور اعلی خطرہ والے مراحل کے دوران پوزیشنوں کے قیام سے بچنے کے لئے زیگ زگ رسک تشخیص کے نظاموں کی ایک ملٹی سائیکل مشترکہ فلٹرنگ کا استعمال کیا گیا ہے۔ اسی وقت ، حکمت عملی میں حجم سے متعلق قیمتوں کی فلٹرنگ کے حالات بھی طے کیے گئے ہیں تاکہ جب حجم کے اہل ہونے پر غلط سگنل پیدا ہونے سے بچنے کے ل.

حکمت عملی کے خطرات کا تجزیہ

اس حکمت عملی کا سب سے بڑا خطرہ یہ ہے کہ اس میں متعدد سائیکل لائنوں کے ایک ہی سمت کے فیصلے کی ضرورت ہوتی ہے ، لہذا قلیل مدتی الٹ جانے والی منڈیوں کو پکڑنے کی صلاحیت کمزور ہے۔ جب مختصر سائیکل لائنیں اور طویل سائیکل لائنیں ایک ہی وقت میں بدلتی ہیں تو ، غیر واضح سگنل آسانی سے پیدا ہوسکتے ہیں۔ پیرامیٹر سائیکل کو اصلاح کے لئے مختصر کیا جاسکتا ہے۔

اس کے علاوہ ، موافقت پذیر چلتی اوسط اور زگ زگ رسک تشخیص کے نظام کا مرکزی سائیکل مرحلہ وسیع تر مارکیٹ کے مقابلے میں نسبتا short مختصر ہے ، اور طویل سطحوں کی وجہ سے کچھ تاخیر ہے۔ تاخیر کو کم کرنے کے لئے مرکزی سائیکل مرحلے کو مناسب طریقے سے بڑھا جاسکتا ہے۔

حکمت عملی کی اصلاح کی ہدایات

  1. انکولی چلتی اوسط اور زگ زگ خطے کی تشخیص کے اہم سائیکل پیرامیٹرز کو 5 سائیکل اور 20 سائیکل تک کم کرنا تاکہ قلیل مدتی مارکیٹ کے الٹ کو زیادہ سے زیادہ پکڑ سکے۔

  2. اہم سائیکل پیرامیٹرز کو 20 سائیکل اور 50 سائیکلوں تک بڑھانا تاکہ طویل عرصے تک سطح کی مارکیٹ ڈرائیوروں کے تحت تاخیر کو کم کیا جاسکے۔

  3. شور کی تجارت کے امکان کو کم کرنے کے لئے ٹریڈنگ چینل کے پیرامیٹرز کو 0.5 گنا اے ٹی آر چینل میں بہتر بنائیں۔

  4. سگنل کی وشوسنییتا کو بہتر بنانے کے لئے MACD جیسے نتائج کی توثیق کرنے والے اشارے شامل کریں۔

خلاصہ

یہ حکمت عملی جامع طور پر متعدد تکنیکی اشارے جیسے انکولی چلتی اوسط ، زگ زگ رسک تشخیص ، اور حجم قیمت تجزیہ کا استعمال کرتی ہے تاکہ ایک کثیر سائیکل انکولی تجارتی فیصلے کا نظام تشکیل دیا جاسکے۔ پیرامیٹرز کی اصلاح اور ایڈجسٹمنٹ کے ذریعے ، اسے مختلف قسم کے بازاروں پر لاگو کیا جاسکتا ہے ، رجحانات اور حدود کی خودکار طور پر نشاندہی کی جاسکتی ہے۔ حکمت عملی کا منطق واضح اور قیمتی ہے ، جو ایک تجویز کردہ مقدار کا طریقہ ہے۔

/*backtest
start: 2023-01-25 00:00:00
end: 2024-01-31 00:00:00
period: 1d
basePeriod: 1h
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/

//@version=2
strategy("Best Rabbit Strategy", shorttitle="Rabbit God",overlay=true)
Length = input(10, minval=1)
xPrice = close
xvnoise = abs(xPrice - xPrice[1])
Fastend = input(2)
Slowend = input(30)
nfastend = 2/(Fastend + 1)
nslowend = 2/(Slowend + 1)
nsignal = abs(xPrice - xPrice[Length])
nnoise = sum(xvnoise, Length)
nefratio = iff(nnoise != 0, nsignal / nnoise, 0)
nsmooth = pow(nefratio * (nfastend - nslowend) + nslowend, 2) 
nAMA = nz(nAMA[1]) + nsmooth * (xPrice - nz(nAMA[1]))

Length2 = input(10, minval=1)
xPrice2 = close
xvnoise2 = abs(xPrice2 - xPrice2[1])
Fastend2 = input(4)
Slowend2 = input(24)
nfastend2 = 2/(Fastend2 + 1)
nslowend2 = 2/(Slowend2 + 1)
nsignal2 = abs(xPrice2 - xPrice2[Length2])
nnoise2 = sum(xvnoise, Length2)
nefratio2 = iff(nnoise2 != 0, nsignal2 / nnoise2, 0)
nsmooth2 = pow(nefratio2 * (nfastend2 - nslowend2) + nslowend2, 2) 
nAMA2 = nz(nAMA2[1]) + nsmooth2 * (xPrice2 - nz(nAMA2[1]))

price = input(hl2)
len = input(defval=7,minval=1)
FC = input(defval=4,minval=1)
SC = input(defval=300,minval=1)
len1 = len/2
w = log(2/(SC+1))
H1 = highest(high,len1)
L1 = lowest(low,len1)
N1 = (H1-L1)/len1
H2 = highest(high,len)[len1]
L2 = lowest(low,len)[len1]
N2 = (H2-L2)/len1
H3 = highest(high,len)
L3 = lowest(low,len)
N3 = (H3-L3)/len
dimen1 = (log(N1+N2)-log(N3))/log(2)
dimen = iff(N1>0 and N2>0 and N3>0,dimen1,nz(dimen1[1]))
alpha1 = exp(w*(dimen-1))
oldalpha = alpha1>1?1:(alpha1<0.01?0.01:alpha1)
oldN = (2-oldalpha)/oldalpha
N = (((SC-FC)*(oldN-1))/(SC-1))+FC
alpha_ = 2/(N+1)
alpha = alpha_<2/(SC+1)?2/(SC+1):(alpha_>1?1:alpha_)
out = (1-alpha)*nz(out[1]) + alpha*price

price2 = input(hl2)
len2 = input(defval=31,minval=1)
FC2 = input(defval=40,minval=1)
SC2 = input(defval=300,minval=1)
len12 = len2/2
w2 = log(2/(SC2+1))
H12 = highest(high,len12)
L12 = lowest(low,len12)
N12 = (H1-L1)/len12
H22 = highest(high,len2)[len12]
L22 = lowest(low,len2)[len12]
N22 = (H22-L22)/len12
H32 = highest(high,len2)
L32 = lowest(low,len2)
N32 = (H32-L32)/len2
dimen12 = (log(N12+N22)-log(N32))/log(2)
dimen2 = iff(N12>0 and N22>0 and N32>0,dimen12,nz(dimen12[1]))
alpha12 = exp(w*(dimen2-1))
oldalpha2 = alpha12>1?1:(alpha12<0.01?0.01:alpha12)
oldN2 = (2-oldalpha2)/oldalpha2
N4 = (((SC2-FC2)*(oldN2-1))/(SC2-1))+FC2
alpha_2 = 2/(N4+1)
alpha2 = alpha_2<2/(SC2+1)?2/(SC2+1):(alpha_2>1?1:alpha_2)
out2 = (1-alpha2)*nz(out2[1]) + alpha2*price2

tf = input(title="Resolution",  defval = "current")
vamp = input(title="VolumeMA",  defval=6)
vam = sma(volume, vamp)

up = high[3]>high[4] and high[4]>high[5] and high[2]<high[3] and high[1]<high[2] and volume[3]>vam[3]
down = low[3]<low[4] and low[4]<low[5] and low[2]>low[3] and low[1]>low[2] and volume[3]>vam[3]
fractalup =  up ? high[3] : fractalup[1] 
fractaldown = down ? low[3] : fractaldown[1]

fuptf = request.security(syminfo.tickerid,tf == "current" ? timeframe.period : tf, fractalup)
fdowntf = request.security(syminfo.tickerid,tf == "current" ? timeframe.period : tf, fractaldown)

plot(fuptf, "FractalUp", color=lime, linewidth=1, style=cross, transp=0, offset =-3, join=false)
plot(fdowntf, "FractalDown", color=red, linewidth=1, style=cross, transp=0, offset=-3, join=false)

buyEntry= nAMA[0]>nAMA2[0] and out[0]>out2[0]
sellEntry= nAMA[0]<nAMA2[0] and out[0]<out2[0]

if (buyEntry)
    strategy.entry("Buy", strategy.long, comment="Long Position Entry")


if (sellEntry)
    strategy.entry("Sell", strategy.short, comment="Short Position Entry")
مزید

2019 FMZ - تمام حقوق محفوظ ہیں