رفتار اور معیاری انحراف پر مبنی سونے کی تجارت کی حکمت عملی
ChaoZhang
جائزہ
یہ حکمت عملی سونے کی قیمتوں کے 21 ویں اشاریہ کی حرکت پذیری اوسط سے انحراف کی پیمائش کرکے ، معیاری فرق کے ساتھ مل کر ، مارکیٹ میں زیادہ خرید و فروخت کی صورتحال کا اندازہ لگاتی ہے ، جب انحراف کی سطح ایک خاص معیاری فرق تک پہنچ جاتی ہے تو ، رجحان کی پیروی کرنے کی حکمت عملی اپنائی جاتی ہے ، اور اس کے ساتھ ہی خطرے کو کنٹرول کرنے کے لئے اسٹاپ نقصان کا طریقہ کار ترتیب دیا جاتا ہے۔
حکمت عملی کا اصول
- 21 دن کی اشاریہ منتقل اوسط کے حساب کے طور پر مرکزی محور
- سونے کی قیمتوں میں اوسط سے انحراف کا حساب لگانا
- Z-Score میں تبدیل کرنے کے لئے انحراف کو معیاری بنائیں
- جب Z-Score اوپر 0.5 پہنتا ہے تو ، زیادہ کام کریں۔ جب Z-Score نیچے -0.5 پہنتا ہے تو ، خالی کرو
- Z-Score 0.5/-0.5 کی حد تک واپس آ گیا، اور اس کے بعد اس کی قیمت کم ہوگئی.
- Z-Score 3⁄3 سے زیادہ ہے تو، سٹاپ نقصان
طاقت کا تجزیہ
یہ ایک ٹرینڈ ٹریکنگ حکمت عملی ہے جس کی بنیاد پر قیمت کی حرکیات اور معیاری خرابی کی بنیاد پر مارکیٹ میں زیادہ خرید اور زیادہ فروخت کی جاتی ہے ، جس کے درج ذیل فوائد ہیں:
- متحرک اوسط کو متحرک حمایت / مزاحمت کے طور پر استعمال کرنا ، رجحانات کو پکڑنا
- معیاری خرابی اور زیڈ اسکور زیادہ خرید و فروخت کا اندازہ لگانے اور جعلی سگنل کو کم کرنے میں مددگار ثابت ہوتے ہیں۔
- انڈیکس کی حرکت پذیری اوسط کا استعمال کرتے ہوئے ، حالیہ قیمتوں پر زیادہ اثر انداز اور زیادہ حساس
- Z-Score معیاری قیمت کے انحراف کو بہتر بناتا ہے
- خطرے کو روکنے کے لئے روکنے کے طریقہ کار کو ترتیب دیں
خطرے کا تجزیہ
اس حکمت عملی کے کچھ خطرات بھی ہیں:
- قیمتوں میں نمایاں اضافے یا ٹوٹ پھوٹ کی صورت میں ایک غلط سگنل پیدا کرنے کے لئے ایک بیس کی حیثیت سے چلتی اوسط
- معیاری فرق اور زیڈ اسکور کے فیصلے کی حد کو مناسب طریقے سے ترتیب دینے کی ضرورت ہے ، بہت بڑا یا بہت چھوٹا ہونا حکمت عملی کی کارکردگی کو متاثر کرسکتا ہے
- نقصانات کی روک تھام کی غلط ترتیب ، جو غیر ضروری نقصانات کا سبب بن سکتی ہے
- اچانک ہونے والے واقعات کی وجہ سے قیمتوں میں بڑے پیمانے پر اتار چڑھاؤ ہوتا ہے ، جس سے اسٹاپ نقصان ہوتا ہے اور رجحان کا موقع ضائع ہوجاتا ہے۔
حل:
- معقول طور پر منتقل اوسط پیرامیٹرز کو ترتیب دیں ، اہم رجحانات کی شناخت کریں
- معیاری انحراف پیرامیٹرز کو بہتر بنانے کے لئے بہترین نقطہ نظر کو تلاش کریں
- ٹریلنگ اسٹاپ نقصان کی معقولیت کی جانچ پڑتال کی حکمت عملی کو ترتیب دیں
- مارکیٹ کی صورتحال کا بروقت جائزہ لینے اور اس واقعے کے بعد حکمت عملی کے پیرامیٹرز کو ایڈجسٹ کرنے کے لئے
اصلاح کی سمت
اس حکمت عملی کو مندرجہ ذیل پہلوؤں سے بہتر بنایا جاسکتا ہے:
- خطرے کی بھوک کا تعین کرنے کے لئے آسان معیاری خرابی کے بجائے اے ٹی آر جیسے اتار چڑھاؤ کی شرح کے اشارے کا استعمال کریں
- مختلف قسم کے متحرک اوسط کو آزمائیں تاکہ آپ کو زیادہ مناسب وسطی محور مل سکے
- متحرک اوسط پیرامیٹرز کو بہتر بنائیں ، بہترین اوسط دورانیے کی شناخت کریں
- بہترین حکمت عملی کی کارکردگی کے پیرامیٹر پوائنٹس کو تلاش کرنے کے لئے Z-Score thresholds کو بہتر بنائیں
- اس کے علاوہ ، اس میں ایک متغیر کی بنیاد پر اسٹاپ کا اضافہ کیا گیا ہے ، جس سے اسٹاپ کو زیادہ ذہین اور معقول بنایا گیا ہے۔
خلاصہ کریں۔
یہ حکمت عملی مجموعی طور پر ایک بنیادی معقول رجحان کی پیروی کرنے والی حکمت عملی ہے۔ یہ حرکت پذیری اوسط کا استعمال کرتے ہوئے اہم رجحان کی سمت کا تعین کرتی ہے ، جبکہ قیمت کے انحراف کے معیاری علاج کے ذریعہ ، مارکیٹ میں زیادہ خرید اور زیادہ فروخت کی صورتحال کا واضح طور پر تعین کیا جاسکتا ہے ، جس سے تجارتی سگنل پیدا ہوتا ہے۔ معقول اسٹاپ نقصان کا طریقہ ترتیب دینے سے حکمت عملی کو منافع بخش ہونے کی ضمانت کے ساتھ ساتھ خطرے پر قابو پانے میں بھی مدد ملتی ہے۔ پیرامیٹرز کو مزید بہتر بنانے اور مزید شرائط و ضوابط کو شامل کرکے ، حکمت عملی کو زیادہ مستحکم اور قابل اعتماد بنایا جاسکتا ہے ، جس میں بہت زیادہ قابل اطلاق قیمت ہے۔
/*backtest
start: 2024-01-20 00:00:00
end: 2024-02-19 00:00:00
period: 4h
basePeriod: 15m
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/
//@version=5
strategy("GC Momentum Strategy with Stoploss and Limits", overlay=true)
// Input for the length of the EMA
ema_length = input.int(21, title="EMA Length", minval=1)
// Exponential function parameters
steepness = 2
// Calculate the EMA
ema = ta.ema(close, ema_length)
// Calculate the deviation of the close price from the EMA
deviation = close - ema
// Calculate the standard deviation of the deviation
std_dev = ta.stdev(deviation, ema_length)
// Calculate the Z-score
z_score = deviation / std_dev
// Long entry condition if Z-score crosses +0.5 and is below 3 standard deviations
long_condition = ta.crossover(z_score, 0.5)
// Short entry condition if Z-score crosses -0.5 and is above -3 standard deviations
short_condition = ta.crossunder(z_score, -0.5)
// Exit long position if Z-score converges below 0.5 from top
exit_long_condition = ta.crossunder(z_score, 0.5)
// Exit short position if Z-score converges above -0.5 from below
exit_short_condition = ta.crossover(z_score, -0.5)
// Stop loss condition if Z-score crosses above 3 or below -3
stop_loss_long = ta.crossover(z_score, 3)
stop_loss_short = ta.crossunder(z_score, -3)
// Enter and exit positions based on conditions
if (long_condition)
strategy.entry("Long", strategy.long)
if (short_condition)
strategy.entry("Short", strategy.short)
if (exit_long_condition)
strategy.close("Long")
if (exit_short_condition)
strategy.close("Short")
if (stop_loss_long)
strategy.close("Long")
if (stop_loss_short)
strategy.close("Short")
// Plot the Z-score on the chart
plot(z_score, title="Z-score", color=color.blue, linewidth=2)
// Optional: Plot zero lines for reference
hline(0.5, "Upper Threshold", color=color.red)
hline(-0.5, "Lower Threshold", color=color.green)