1. مربع
  2. مزید اندراجات اور اے آئی کے ساتھ KRK ADA 1H اسٹوکاسٹک سست حکمت عملی

مزید اندراجات اور اے آئی کے ساتھ KRK ADA 1H اسٹوکاسٹک سست حکمت عملی

مصنف:چاؤ ژانگ، تاریخ: 2024-04-12 16:26:06
ٹیگز:ای ایم اےآر ایس آئیٹی پیSLاے ایلآر این این

img

جائزہ

یہ حکمت عملی اسٹوکاسٹک سست آسکیلیٹر پر مبنی ایک تجارتی حکمت عملی ہے ، جو چلتی اوسط ، رشتہ دار طاقت انڈیکس (آر ایس آئی) ، اور مصنوعی ذہانت (اے آئی) کی تکنیکوں کے ساتھ مل کر ہے۔ یہ حکمت عملی اسٹوکاسٹک سست آسکیلیٹر کے کراس اوور سگنلز کا تجزیہ کرکے خرید و فروخت کے سگنلز کا تعین کرتی ہے ، 200 دن کی چلتی اوسط کے مقابلہ میں قیمت کی پوزیشن پر غور کرتی ہے ، اور اے آئی ماڈل کے ذریعہ تیار کردہ سگنلز کو شامل کرتی ہے۔ حکمت عملی خطرے کو سنبھالنے کے لئے منافع اور اسٹاپ نقصان کی سطح بھی طے کرتی ہے۔

حکمت عملی کے اصول

  1. اسٹوکاسٹک سست آسکیلیٹر کا حساب لگائیں جس کا دورانیہ 30 ہے، جہاں K قدر کے لئے ہموار دورانیہ 18 ہے اور D قدر کے لئے ہموار دورانیہ 7 ہے۔
  2. حد سے زیادہ خریدنے اور حد سے زیادہ فروخت کی حد کو 40 اور 19 کے طور پر مقرر کریں اور کم سے کم K قدر کو 12 کے طور پر مقرر کریں.
  3. 200 دن کی سادہ چلتی اوسط کا حساب رجحان فلٹر کے طور پر لگائیں۔
  4. خریدنے اور فروخت سگنل پیدا کرنے کے لئے ایک بار بار اعصابی نیٹ ورک (آر این این) ماڈل کا استعمال کریں.
  5. لانگ انٹری کی شرط: قیمت 200 دن کی چلتی اوسط سے اوپر کی حد کو عبور کرتی ہے، K ویلیو oversold threshold سے نیچے اور کم سے کم K ویلیو سے اوپر ہے اور AI سگنل 1 ہے۔
  6. مختصر اندراج کی شرط: قیمت 200 دن کے چلتے ہوئے اوسط سے نیچے گزرتی ہے، K کی قیمت زیادہ خریدنے کی حد سے اوپر اور کم سے کم K کی قیمت سے اوپر ہے اور AI سگنل -1 ہے۔
  7. خرید و فروخت کے سگنل بھی اس وقت پیدا ہوتے ہیں جب اسٹوکاسٹک آسکیلیٹر کراس اوور دکھاتا ہے اور زیادہ خرید یا فروخت کی شرائط کو پورا کرتا ہے۔
  8. منافع لینے کی سطح موجودہ قیمت سے 500 پوائنٹس اوپر یا نیچے اور سٹاپ نقصان کی سطح موجودہ قیمت سے 200 پوائنٹس اوپر یا نیچے مقرر کریں۔

حکمت عملی کے فوائد

  1. متعدد تکنیکی اشارے اور اے آئی تکنیک کو یکجا کرتا ہے، حکمت عملی کی مضبوطی اور موافقت کو بہتر بناتا ہے۔
  2. اسٹوکاسٹک سست آسکیلیٹر کو بنیادی خرید اور فروخت سگنل کے طور پر استعمال کرتا ہے، مؤثر طریقے سے زیادہ خریدنے اور زیادہ فروخت مارکیٹ کے حالات کو پکڑتا ہے.
  3. رجحان کے خلاف تجارت سے بچنے کے لئے رجحان فلٹر کے طور پر 200 دن کی چلتی اوسط متعارف کرایا.
  4. خرید و فروخت کے سگنل پیدا کرنے کے لئے اے آئی ماڈل استعمال کرتا ہے، حکمت عملی کی انٹیلی جنس کو بہتر بناتا ہے.
  5. مؤثر طریقے سے خطرے کو منظم کرنے کے لئے واضح منافع اور سٹاپ نقصان کی سطح مقرر کرتا ہے.

حکمت عملی کے خطرات

  1. اسٹوکاسٹک اوسیلیٹر کچھ مارکیٹ کے حالات میں غلط سگنل پیدا کرسکتا ہے۔
  2. اے آئی ماڈل کی افادیت تربیت کے اعداد و شمار اور ماڈل ڈیزائن کے معیار پر منحصر ہے ، جس سے غیر یقینی صورتحال پیدا ہوتی ہے۔
  3. منافع لینے اور سٹاپ نقصان کی مقررہ سطحیں مارکیٹ کی مختلف اتار چڑھاؤ کے حالات میں اچھی طرح سے اپنانے کے قابل نہیں ہوسکتی ہیں۔
  4. حکمت عملی میں اچانک مارکیٹ کے واقعات اور غیر معمولی اتار چڑھاؤ کا جواب دینے کا کوئی طریقہ کار نہیں ہے۔

حکمت عملی کی اصلاح کی ہدایات

  1. اشارے کی افادیت کو بہتر بنانے کے لئے اسٹوکاسٹک آسکیلیٹر کے پیرامیٹرز کو بہتر بنائیں ، جیسے K اور D اقدار کے لئے ہموار کرنے کے ادوار کو ایڈجسٹ کرنا۔
  2. اس کی پیش گوئی کی درستگی کو بہتر بنانے کے لئے زیادہ سے زیادہ مارکیٹ کی خصوصیات اور اعداد و شمار کو شامل کرکے اے آئی ماڈل کے ڈیزائن کو بہتر بنائیں۔
  3. ایک متحرک منافع لینے اور سٹاپ نقصان کے طریقہ کار کو نافذ کریں جو مارکیٹ کی اتار چڑھاؤ اور خطرے کی سطح کے مطابق ہو۔
  4. مارکیٹ کے جذبات کا تجزیہ اور واقعات سے چلنے والے عوامل کو متعارف کرانے کے لئے حکمت عملی کی اچانک مارکیٹ کے واقعات پر ردعمل کی صلاحیت کو بڑھانے کے لئے.
  5. حکمت عملی کی سرمایہ کاری کے استعمال کی کارکردگی اور خطرے کے کنٹرول کو بہتر بنانے کے لئے پوزیشن سائزنگ اور منی مینجمنٹ ماڈیولز کو شامل کرنے پر غور کریں۔

خلاصہ

یہ حکمت عملی اسٹوکاسٹک سست آسکیلیٹر ، موونگ اوسط ، رشتہ دار طاقت انڈیکس ، اور اے آئی تکنیکوں کو مل کر ملٹی فیکٹر ٹریڈنگ حکمت عملی کی تعمیر کے لئے جوڑتی ہے۔ یہ حکمت عملی اسٹوکاسٹک آسکیلیٹر کا استعمال ٹرینڈ فلٹر اور ذہین سگنل جنریشن کا استعمال کرتے ہوئے اس کی استحکام اور موافقت کو بہتر بنانے کے لئے زیادہ سے زیادہ خریدنے اور زیادہ فروخت ہونے والے سگنلز کو پکڑنے کے لئے کرتی ہے۔ اگرچہ اس حکمت عملی میں کچھ خطرات ہیں ، جیسے اشارے کی ناکامی اور ماڈل کی غیر یقینی صورتحال ، ان کو اشارے کے پیرامیٹرز کو بہتر بنانے ، اے آئی ماڈل کو بڑھانے ، متحرک رسک کنٹرول اقدامات کو نافذ کرنے ، اور پوزیشن سائزنگ اور منی مینجمنٹ کے لئے اضافی ماڈیول شامل کرنے سے کم کیا جاسکتا ہے۔

/*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")
متعلقہ
مزید

2019 FMZ - تمام حقوق محفوظ ہیں