ChaoZhang
جائزہ
یہ حکمت عملی ایک ٹریڈنگ حکمت عملی ہے جو بے ترتیب سست رفتار اشارے پر مبنی ہے ، اور اس میں چلتی اوسط ، نسبتا strong مضبوط اشارے ، اور مصنوعی ذہانت کی تکنیک شامل ہے۔ حکمت عملی بے ترتیب سست رفتار اشارے کے کراس سگنل پر فیصلہ کرتی ہے ، جبکہ 200 دن کی متحرک اوسط کے مقابلے میں قیمت کی پوزیشن اور مصنوعی ذہانت کے ماڈل سے پیدا ہونے والے سگنل کو بھی مدنظر رکھتی ہے ، خرید و فروخت کے سگنل کا تعین کرنے کے لئے۔ حکمت عملی میں خطرے کو کنٹرول کرنے کے لئے اسٹاپ اور اسٹاپ نقصان کی پوزیشن بھی رکھی گئی ہے۔
حکمت عملی کا اصول
- 30 سائیکلوں کے ساتھ ایک بے ترتیب سست رفتار اشارے کا حساب لگائیں ، جس میں K کی قدر کے لئے ہموار دورانیہ 18 ہے ، اور D کی قدر کے لئے ہموار دورانیہ 7 ہے۔
- حد سے زیادہ خریدنے اور زیادہ فروخت کرنے کی حد 40 اور 19 ہے ، اور کم سے کم K قدر 12 ہے۔
- رجحان فلٹر کے طور پر 200 دن کی سادہ منتقل اوسط کا حساب لگائیں۔
- ایک رجعت پذیر نیورل نیٹ ورک ((RNN) ماڈل کا استعمال کرتے ہوئے خرید و فروخت کے سگنل پیدا کریں۔
- کثیر سر داخلہ کی شرائط: قیمت 200 دن کی متحرک اوسط سے تجاوز کر گئی ، K قدر اوور سیلنگ کی حد سے کم اور کم سے کم K قدر سے زیادہ ہے ، اور AI سگنل 1 ہے۔
- خالی سر داخلہ کی شرائط: قیمتیں 200 دن کی متحرک اوسط سے نیچے ہیں ، K قدر زیادہ سے زیادہ خریداری کی حد سے زیادہ ہے اور کم سے کم K قدر سے زیادہ ہے ، AI سگنل -1.
- جب بے ترتیب اشارے کراس ہوتے ہیں اور اوور بیئر اوور سیل کی شرائط کو پورا کرتے ہیں تو ، ایک خرید و فروخت کا اشارہ بھی پیدا ہوتا ہے۔
- موجودہ قیمت سے 500 پوائنٹس اوپر یا نیچے اسٹاپ پوزیشن اور موجودہ قیمت سے 200 پوائنٹس اوپر یا نیچے اسٹاپ نقصان مقرر کریں۔
اسٹریٹجک فوائد
- اس میں متعدد تکنیکی اشارے اور مصنوعی ذہانت کی ٹیکنالوجی کو شامل کیا گیا ہے ، جس سے حکمت عملی کی استحکام اور موافقت میں اضافہ ہوتا ہے۔
- اس کے نتیجے میں ، مارکیٹ میں اوورلوڈ اور اوورلوڈ کو پکڑنے کے لئے ایک اہم خرید و فروخت سگنل کے طور پر بے ترتیب سست رفتار اشارے کا استعمال کیا جاتا ہے۔
- رجحان فلٹر کے طور پر 200 دن کی متحرک اوسط متعارف کرانے کے لئے، رجحان کے خلاف تجارت سے بچنے کے لئے.
- اس حکمت عملی کو بہتر بنانے کے لئے ، خرید و فروخت کے سگنل تیار کرنے کے لئے مصنوعی ذہانت کے ماڈل کا استعمال کیا گیا ہے۔
- واضح اسٹاپ نقصان کی حد مقرر کی گئی ہے تاکہ خطرے کو مؤثر طریقے سے کنٹرول کیا جاسکے۔
اسٹریٹجک رسک
- بے ترتیب اشارے بعض مارکیٹ کے حالات میں زیادہ جھوٹے سگنل پیدا کرسکتے ہیں۔
- مصنوعی ذہانت کے ماڈل کی افادیت تربیت کے اعداد و شمار کے معیار اور ماڈل کے ڈیزائن پر منحصر ہے ، جس میں کچھ غیر یقینی صورتحال موجود ہے۔
- ایک مقررہ سٹاپ نقصان کی حد مختلف مارکیٹ کے اتار چڑھاو کے حالات کے مطابق نہیں ہو سکتی۔
- مارکیٹ میں غیر متوقع واقعات اور غیر معمولی اتار چڑھاؤ کے لئے حکمت عملی کا فقدان۔
حکمت عملی کی اصلاح کی سمت
- بے ترتیب اشارے کے پیرامیٹرز کو بہتر بنائیں ، جیسے اشارے کی افادیت کو بڑھانے کے لئے K اور D اقدار کے ہموار دوروں کو ایڈجسٹ کریں۔
- مصنوعی ذہانت کے ماڈل کے ڈیزائن کو بہتر بنائیں ، مارکیٹ کی خصوصیات اور اعداد و شمار کو مزید متعارف کروائیں ، ماڈل کی پیشن گوئی کی درستگی کو بہتر بنائیں۔
- متحرک سٹاپ اسٹاپ نقصان کا طریقہ کار جو مارکیٹ میں اتار چڑھاؤ اور خطرے کی سطح کے مطابق اسٹاپ اسٹاپ نقصان کی سطح کو ایڈجسٹ کرتا ہے۔
- مارکیٹ کے جذبات کے تجزیہ اور واقعات کے محرکات کو متعارف کرانے کے لئے مارکیٹ کے اچانک واقعات کے لئے حکمت عملی کی صلاحیت کو بڑھانے کے لئے.
- پوزیشن مینجمنٹ اور فنڈ مینجمنٹ ماڈیولز کو شامل کرنے پر غور کریں ، حکمت عملی کو بہتر بنانے کے لئے فنڈ کے استعمال کی کارکردگی اور خطرے پر قابو پائیں۔
خلاصہ کریں۔
اس حکمت عملی میں رینڈم سست رفتار اشارے ، متحرک اوسط ، نسبتا strong مضبوط اشارے اور مصنوعی ذہانت کی ٹیکنالوجی کا امتزاج کرکے ایک کثیر عنصر کی تجارتی حکمت عملی تشکیل دی گئی ہے۔ حکمت عملی میں رجحان فلٹر اور ذہین سگنل جنریشن کے ساتھ ساتھ بے ترتیب اشارے کا استعمال کرتے ہوئے اوور بیس اور اوور سیل سگنل کو پکڑنے کے لئے حکمت عملی کی استحکام اور موافقت کو بہتر بنایا گیا ہے۔ اگرچہ حکمت عملی میں کچھ خطرات موجود ہیں ، جیسے اشارے کی ناکامی اور ماڈل کی غیر یقینی صورتحال ، لیکن اشارے کے پیرامیٹرز کو بہتر بنانے ، مصنوعی ذہانت کے ماڈل کو بہتر بنانے ، متحرک خطرے سے متعلق اقدامات کے طریقہ کار کو اپنانے وغیرہ کے ذریعہ حکمت عملی کی کارکردگی اور خطرے سے متعلق قابو کو مزید بہتر بنایا جاسکتا ہے۔
حکمت عملی کا ماخذ کوڈ
/*backtest
start: 2024-03-12 00:00:00
end: 2024-04-11 00:00:00
period: 1h
basePeriod: 15m
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/
//@version=5
strategy("Stochastic Slow Strategy with More Entries and AI", overlay=true)
length = input.int(30, minval=1)
OverBought = input(40)
OverSold = input(19)
smoothK = input.int(18, minval=1)
smoothD = input.int(7, minval=1)
minKValue = input(12, title="Minimum K Value")
// Stochastic calculations
k = ta.sma(ta.stoch(close, high, low, length), smoothK)
d = ta.sma(k, smoothD)
co = ta.crossover(k, d)
cu = ta.crossunder(k, d)
// Trend filter (200-period simple moving average)
ema200 = ta.sma(close, 200)
// Define la función para calcular la señal de la red neuronal recurrente
rnn_signal(price_series) =>
// Aquí implementa tu modelo de red neuronal recurrente para generar la señal
// Puedes usar bibliotecas externas o implementar tu propio modelo aquí
// Ejemplo de señal aleatoria
signal = ta.rsi(price_series, 14) > 50 ? 1 : -1
// Devuelve la señal generada por la red neuronal recurrente
signal
// Calcula la señal utilizando la función definida anteriormente
ai_signal = rnn_signal(close)
// Entry conditions
longCondition = ta.crossover(close, ema200) and k < OverSold and k > minKValue and ai_signal == 1
shortCondition = ta.crossunder(close, ema200) and k > OverBought and k > minKValue and ai_signal == -1
if (not na(k) and not na(d))
if (co and k < OverSold and k > minKValue)
strategy.entry("LONG", strategy.long, comment="LONG")
strategy.exit("ExitLong", "LONG", profit = close * 500, loss = close * 200)
if (cu and k > OverBought and k > minKValue)
strategy.entry("SHORT", strategy.short, comment="SHORT")
strategy.exit("ExitShort", "SHORT", profit = close * 500, loss = close * 200)
if (longCondition)
strategy.entry("LongEntry", strategy.long, comment="LongEntry")
strategy.exit("ExitLongEntry", "LongEntry", profit = close * 500, loss = close * 200)
if (shortCondition)
strategy.entry("ShortEntry", strategy.short, comment="ShortEntry")
strategy.exit("ExitShortEntry", "ShortEntry", profit = close * 500, loss = close * 200)
// Plotting
plot(ema200, color=color.blue, title="200 SMA")