ChaoZhang
جائزہ
اس حکمت عملی میں ایک مخلوط مقداری تجزیہ کا طریقہ استعمال کیا گیا ہے ، جس میں مارکیٹ کی مختلف حالتوں کی نشاندہی کرنے کے لئے ڈسٹری بیوشن ماڈل اور رجعت تجزیہ کا استعمال کیا گیا ہے۔ حکمت عملی نے پہلے سادہ منتقل اوسط ((SMA) اور برلن بینڈ ((BB) اشارے کا حساب لگایا ، اور پھر اس کی اوسط اور معیاری فرق کی بنیاد پر Z اسکور کا حساب لگایا۔ حکمت عملی زیادہ پوزیشن کھولتی ہے جب Z اسکور نیچے کی قیمت سے کم ہوتا ہے اور قیمت نیچے کی قیمت سے کم ہوتی ہے۔ جب Z اسکور اوپر کی قیمت سے زیادہ ہوتا ہے اور قیمت اوپر کی سطح سے زیادہ ہوتی ہے تو حکمت عملی کو فلیٹ کردیا جاتا ہے۔
حکمت عملی کا اصول
اس حکمت عملی کا بنیادی اصول یہ ہے کہ Z اسکور کا استعمال موجودہ واپسی کو تاریخی واپسی کی تقسیم کے مقابلے میں مقام کی پیمائش کرنے کے لئے کیا جائے۔ Z اسکور کا حساب کتاب فارمولا ہے: ((موجودہ واپسی - تاریخی واپسی کا اوسط) / تاریخی واپسی کا معیاری فرق۔ Z اسکور جتنا زیادہ ہے ، اس کا مطلب یہ ہے کہ موجودہ واپسی انتہائی حد سے تجاوز کر گئی ہے ، اس سے زیادہ خریدنے کا امکان ہے۔ Z اسکور جتنا کم ہے ، اس کا مطلب یہ ہے کہ موجودہ واپسی انتہائی حد سے تجاوز کر گئی ہے ، اس سے زیادہ فروخت کا امکان ہے۔
اسٹریٹجک فوائد
- مقداری تجزیہ: یہ حکمت عملی مکمل طور پر مقداری اشارے پر مبنی ہے ، اس کے قواعد واضح ہیں ، اس پر عمل درآمد اور پیمائش کرنا آسان ہے۔
- دوہری تصدیق: حکمت عملی نے Z اسکور اور برن بینڈ کے دو اشارے ایک ساتھ استعمال کیے ، جس سے دوہری فلٹرنگ کا طریقہ کار تشکیل دیا گیا ، جس سے سگنل کی درستگی میں اضافہ ہوا۔
- اعداد و شمار کی بنیاد: زیڈ اسکور اعداد و شمار میں نارمل ڈسٹری بیوشن تھیوری سے ماخوذ ہے ، جس کی ٹھوس نظریاتی بنیاد ہے ، جو موجودہ منافع کی انتہائی حد تک معروضی طور پر پیمائش کرسکتی ہے۔
- پیرامیٹرز میں لچک: صارف کو ایس ایم اے کی مدت ، بلین بینڈ ضرب ، زیڈ اسکور کی کم سے کم قیمت وغیرہ جیسے پیرامیٹرز کو اپنی ضرورت کے مطابق ایڈجسٹ کرنے کی اجازت دیتا ہے۔
اسٹریٹجک رسک
- پیرامیٹر حساس: مختلف پیرامیٹرز کی ترتیبات حکمت عملی کی کارکردگی میں بڑے پیمانے پر اختلافات کا سبب بن سکتی ہیں ، جس میں کافی پیرامیٹرز کی اصلاح اور استحکام کی جانچ کی ضرورت ہوتی ہے۔
- رجحان کا خطرہ: جب مارکیٹ میں ایک مضبوط رجحان ہوتا ہے تو ، زیڈ اسکور طویل عرصے تک انتہائی خطے میں رہ سکتا ہے ، جس کے نتیجے میں حکمت عملی کے اشارے کم یا مکمل طور پر غائب ہوجاتے ہیں۔
- اوور فٹ ہونے کا خطرہ: اگر پالیسی پیرامیٹرز کو زیادہ سے زیادہ بہتر بنایا جائے تو ، اس سے زیادہ فٹ ہونے کا سبب بن سکتا ہے ، جو نمونے کے باہر خراب کارکردگی کا مظاہرہ کرے گا۔
- بلیک سلنڈر کا خطرہ: انتہائی صورت حال میں ، تاریخی اعدادوشمار کے قواعد ناکام ہوسکتے ہیں ، اور حکمت عملی کو پیچھے ہٹنے کا زیادہ خطرہ ہوتا ہے۔
حکمت عملی کی اصلاح کی سمت
- متحرک پیرامیٹرز: مارکیٹ میں اتار چڑھاؤ کی شرح ، رجحان کی طاقت اور دیگر اشارے پر غور کریں ، متحرک طور پر زیڈ اسکور کی کمی اور برن بینڈ ضرب کو ایڈجسٹ کریں ، تاکہ موافقت کو بہتر بنایا جاسکے۔
- رجحان فلٹر شامل کریں: موجودہ میکانیزم پر رجحان کا فیصلہ کرنے والے اشارے ، جیسے ایم اے کراس ، ڈی ایم آئی ، وغیرہ کو شامل کریں تاکہ مضبوط رجحانات کے دوران بہت زیادہ غیر موثر سگنل سے بچ سکے۔
- مجموعہ کی اصلاح: اس حکمت عملی کو دیگر مقداری حکمت عملیوں (جیسے حرکیات ، اوسطا واپسی وغیرہ) کے ساتھ جوڑ کر ان کے فوائد کو استعمال کریں اور استحکام کو بہتر بنائیں۔
- نقصان کی روک تھام: مناسب نقصان کی روک تھام کا طریقہ کار متعارف کرایا ، ایک ہی تجارت کے خطرے کے دروازے پر قابو پالیا ، اور خطرے سے متعلق منافع میں اضافہ کیا۔
خلاصہ کریں۔
ہائبرڈ بائنومیٹک زیڈ اسکورنگ کوانٹمائزیشن حکمت عملی ایک شماریاتی اصولوں پر مبنی کوانٹمائزیشن ٹریڈنگ حکمت عملی ہے ، جو موجودہ واپسی اور تاریخی واپسی کی تقسیم کا موازنہ کرکے ممکنہ اوور بائی اوور سیل مواقع کی نشاندہی کرتی ہے۔ اس کے ساتھ ہی ، حکمت عملی میں برلن بینڈ اشارے کی دوہری تصدیق کی جاتی ہے ، جس سے سگنل کی وشوسنییتا میں اضافہ ہوتا ہے۔ حکمت عملی کے قواعد واضح ہیں ، ان پر عمل درآمد اور اصلاح کرنا آسان ہے ، لیکن اس کے ساتھ ہی پیرامیٹر حساس ، رجحان کا خطرہ ، اوور فٹ ہونے کا خطرہ اور دیگر چیلنجوں کا بھی سامنا کرنا پڑتا ہے۔
/*backtest
start: 2023-05-22 00:00:00
end: 2024-05-27 00:00:00
period: 1d
basePeriod: 1h
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/
//@version=5
strategy("Estratégia Híbrida Quantitativa", overlay=true)
// Definição de parâmetros
sma_length = input.int(20, title="Período da SMA")
threshold_high = input.float(1.5, title="Threshold Alto")
threshold_low = input.float(-1.5, title="Threshold Baixo")
lookback_period = input.int(252, title="Período de Retorno Histórico (dias)")
// Funções auxiliares
f_sma(source, length) =>
ta.sma(source, length)
f_bollinger_band(source, length, mult) =>
basis = ta.sma(source, length)
dev = mult * ta.stdev(source, length)
[basis + dev, basis - dev]
// Cálculo dos indicadores
sma = f_sma(close, sma_length)
[upper_band, lower_band] = f_bollinger_band(close, sma_length, 2)
// Regime de Mercado: Binomial
retornos = ta.change(close, 1)
media_retornos = ta.sma(retornos, lookback_period)
desvio_padrao_retornos = ta.stdev(retornos, lookback_period)
// Indicador de Regime: Z-Score
z_score = (retornos - media_retornos) / desvio_padrao_retornos
// Sinal de Compra e Venda
sinal_compra = z_score < threshold_low and close < lower_band
sinal_venda = z_score > threshold_high and close > upper_band
// Execução de Ordem
if (sinal_compra)
strategy.entry("Long", strategy.long)
if (sinal_venda)
strategy.close("Long")
// Plotagem dos Indicadores
plot(sma, title="SMA", color=color.blue)
plot(upper_band, title="Upper Bollinger Band", color=color.red)
plot(lower_band, title="Lower Bollinger Band", color=color.green)
hline(threshold_high, "Threshold Alto", color=color.red, linestyle=hline.style_dashed)
hline(threshold_low, "Threshold Baixo", color=color.green, linestyle=hline.style_dashed)
plot(z_score, title="Z-Score", color=color.purple)