ChaoZhang
جائزہ
یہ تجارتی حکمت عملی ایک معیاری فرق توڑنے پر مبنی نظام ہے ، جس میں قیمتوں اور چلتی اوسط کے مابین تعلقات اور معیاری فرق کا استعمال کیا جاتا ہے تاکہ خریدنے کے ممکنہ مواقع کی نشاندہی کی جاسکے۔ یہ حکمت عملی بنیادی طور پر خریدنے کے سگنل پر توجہ دیتی ہے جب قیمتیں ٹریک سے ٹکرا جاتی ہیں ، اور اسٹاپ اور اسٹاپ نقصان کی ترتیب کے ذریعہ خطرے کا انتظام کرتی ہیں۔ حکمت عملی کا بنیادی خیال یہ ہے کہ قیمتوں میں غیر معمولی اتار چڑھاؤ کی صورت میں تجارت کی جائے ، جبکہ ممکنہ جعلی سگنل کو منتقل کرنے والی اوسط اور معیاری فرق کے ذریعے فلٹر کیا جائے۔
حکمت عملی کا اصول
اوسطاً چلتی اوسط کا حساب لگائیں: اوسطاً چلتی اوسط کا حساب لگانے کے لئے سادہ اوسط کا استعمال کریں۔
معیاری فرق: ایک ہی دورانیے کی بنیاد پر قیمتوں کا حساب لگانے کا معیاری فرق
اوپر اور نیچے کے راستے کی تعمیر:
- اپ ریل = MA + (معیاری فرق * ضرب)
- نچلے ریل = MA - (معیاری فرق * ضرب)
خریدنے کا سگنل بنانا: جب قیمت نیچے سے نیچے کی طرف سے گزرتی ہے تو خریدنے کا سگنل ٹرگر کرتی ہے۔
رسک مینجمنٹ:
- سٹاپ قیمت مقرر کریں: لاگ ان قیمت * (1 + سٹاپ فی صد)
- سٹاپ نقصان کی قیمت مقرر کریں: لاگ ان قیمت * (1 - سٹاپ نقصان فی صد)
واپسی کا وقت کی حد: حکمت عملی صارف کو مخصوص واپسی شروع ہونے اور ختم ہونے کا وقت مقرر کرنے کی اجازت دیتی ہے ، صرف مخصوص وقت کی حد کے اندر ہی تجارت کی جاتی ہے۔
اسٹریٹجک فوائد
خود کو اپنانے کی صلاحیت: معیاری فرق کا استعمال کرتے ہوئے ، حکمت عملی مارکیٹ میں اتار چڑھاؤ کے مطابق خود کار طریقے سے تجارتی حدود کو ایڈجسٹ کرنے کے قابل ہے ، جو مختلف مارکیٹ کے حالات کے مطابق ہے۔
بہتر خطرے کا کنٹرول: اسٹاپ اور اسٹاپ نقصان کے نظام کو مربوط کرکے ، ہر تجارت کے خطرے کو مؤثر طریقے سے کنٹرول کریں۔
اعلی لچکدار: صارفین کو متعدد پیرامیٹرز جیسے معیاری انحراف کی مدت ، ضرب ، اسٹاپ نقصان کا تناسب وغیرہ کو اپنی مرضی کے مطابق کرنے کی اجازت دیتا ہے ، جو مختلف مارکیٹوں اور ذاتی خطرے کی ترجیحات کے مطابق ایڈجسٹ کیا جاسکتا ہے۔
بصری اثرات: حکمت عملی نے چارٹ پر چلتی اوسط ، اوپر اور نیچے کی سمت اور خرید سگنل کو آسانی سے سمجھنے اور تجزیہ کرنے کے لئے تیار کیا ہے۔
طاقتور ریٹرننگ: صارفین کو مخصوص مارکیٹ کے حالات میں حکمت عملی کی کارکردگی کا اندازہ کرنے کے لئے ریٹرننگ وقت کی حد مقرر کرنے کی اجازت دیتا ہے۔
اسٹریٹجک رسک
جعلی توڑنے کا خطرہ: کراس ڈسک یا کم اتار چڑھاؤ والے بازاروں میں ، اکثر جعلی توڑ پڑسکتی ہے ، جس کی وجہ سے بہت زیادہ تجارت اور غیر ضروری فیسوں کا نقصان ہوتا ہے۔
رجحانات کی پیروی میں تاخیر: مضبوط رجحانات والے بازاروں میں داخلے کے کچھ ابتدائی مواقع ضائع ہوسکتے ہیں کیونکہ حکمت عملی چلتی اوسط اور معیاری خرابی پر مبنی ہے۔
پیرامیٹر حساسیت: حکمت عملی کی کارکردگی پیرامیٹرز کی ترتیب پر بہت زیادہ انحصار کرتی ہے ، مختلف پیرامیٹرز کے مجموعے سے بہت مختلف نتائج برآمد ہوسکتے ہیں ، جس میں بہت زیادہ جانچ پڑتال اور اصلاح کی ضرورت ہوتی ہے۔
ایک طرفہ تجارت کی حد: حکمت عملی فی الحال صرف کثیر منطق پر عمل پیرا ہے ، اور گرتی ہوئی مارکیٹ میں مواقع سے محروم ہوسکتی ہے یا اس سے زیادہ نقصان اٹھانا پڑتا ہے۔
مارکیٹ کے ماحول پر انحصار: حکمت عملی زیادہ اتار چڑھاؤ اور کم حجم والے کریپٹو مارکیٹ میں بہتر کارکردگی کا مظاہرہ کرسکتی ہے ، لیکن دوسرے مارکیٹ کے ماحول میں اس کی تاثیر مختلف ہوسکتی ہے۔
حکمت عملی کی اصلاح کی سمت
ایک ڈیکوریشن میکانزم متعارف کروانا: جب قیمت ٹریک سے ٹکرا جاتی ہے تو ڈیکوریشن کی منطق کو شامل کرنا ، حکمت عملی کو دو طرفہ مارکیٹ میں منافع بخش بنانے کے قابل بناتا ہے۔
متحرک پیرامیٹرز ایڈجسٹمنٹ: مارکیٹ کی صورتحال کے مطابق معیاری فاصلے کے ضرب ، اسٹاپ اسٹاپ نقصان تناسب اور دیگر پیرامیٹرز کو خود بخود ایڈجسٹ کرنے کی صلاحیت ، حکمت عملی کی موافقت کو بہتر بنانا۔
ملٹی ٹائم فریم تجزیہ: طویل اور مختصر وقت کے دورانیے کے اعداد و شمار کے ساتھ مل کر ، سگنل کی وشوسنییتا اور انٹری ٹائمنگ کی درستگی کو بہتر بنانا۔
ٹرانزیکشن حجم فلٹر شامل کریں: ٹرانزیکشن حجم کے اشارے متعارف کروائیں ، کم ٹرانزیکشن حجم پر جھوٹے بریک سگنل کو فلٹر کریں ، اور تجارت کے معیار کو بہتر بنائیں۔
اسٹاپ اسٹاپ نقصان کے طریقہ کار کو بہتر بنائیں: متحرک اسٹاپ اسٹاپ نقصان کو لاگو کریں ، جیسے ٹریکنگ اسٹاپ یا اے ٹی آر پر مبنی اسٹاپ نقصان کی ترتیبات متعارف کروائیں ، تاکہ مارکیٹ میں اتار چڑھاؤ کو بہتر طور پر ڈھال سکیں۔
فلٹرنگ کی شرائط میں اضافہ: دیگر تکنیکی اشارے یا بنیادی اعداد و شمار کے ساتھ مل کر ، جعلی سگنل کو کم کرنے کے لئے اضافی تجارتی شرائط مرتب کریں۔
فنڈ مینجمنٹ کو لاگو کریں: پوزیشن مینجمنٹ منطق میں شامل ہوں ، اکاؤنٹ کے سائز اور مارکیٹ میں اتار چڑھاؤ کی متحرک تبدیلیوں کے مطابق ہر تجارت میں فنڈز کا تناسب ایڈجسٹ کریں۔
خلاصہ کریں۔
خود کو اپنانے والی معیاری خرابی کی تجارت کی حکمت عملی ایک شماریاتی اصولوں پر مبنی ایک مقداری تجارتی نظام ہے جس میں مارکیٹ میں غیر معمولی اتار چڑھاؤ سے پیدا ہونے والے تجارتی مواقع کو متحرک طور پر ایڈجسٹ کردہ قیمت کے راستے کے ذریعے پکڑ لیا جاتا ہے۔ اس حکمت عملی کا بنیادی فائدہ اس کی موافقت اور خطرے کے انتظام کی صلاحیت میں ہے ، جو مختلف مارکیٹ کے ماحول میں نسبتا stable مستحکم کارکردگی کا مظاہرہ کرنے کی صلاحیت رکھتی ہے۔ تاہم ، حکمت عملی کو بھی چیلنجوں کا سامنا کرنا پڑتا ہے ، جیسے جعلی توڑ اور پیرامیٹرز کی حساسیت ، جس کو تاجروں کو احتیاط سے استعمال کرنے اور مستقل طور پر بہتر بنانے کی ضرورت ہے۔
اس حکمت عملی میں مزید استحکام اور منافع بخش صلاحیتوں کو فروغ دینے کی امید ہے ، جس میں کم کرنے کے طریقہ کار ، متحرک پیرامیٹرز کی ایڈجسٹمنٹ ، اور کثیر وقتی فریم تجزیہ شامل ہیں۔ تجربہ کار کوانٹی ٹریڈر کے لئے ، یہ حکمت عملی ایک عمدہ بنیادی فریم ورک فراہم کرتی ہے ، جس کی بنیاد پر مختلف تجارتی طرزوں اور مارکیٹ کے حالات کے مطابق ڈھالنے کے لئے گہری شخصی کاری اور اصلاح کی جاسکتی ہے۔
مجموعی طور پر ، اس خود کو ایڈجسٹ کرنے والی معیاری خرابی کو توڑنے والی تجارتی حکمت عملی نے ریاضی کے ماڈل اور اعدادوشمار کے طریقوں کے ذریعہ مارکیٹ کے مواقع کو پکڑنے کے لئے ، اور خطرے کو سختی سے کنٹرول کرنے کے لئے مقدار کی تجارت کا جوہر دکھایا ہے۔ یہ نہ صرف اعلی اتار چڑھاؤ والی کریپٹوکرنسی مارکیٹ میں لاگو ہوتا ہے ، بلکہ مناسب ایڈجسٹمنٹ کے ساتھ دیگر مالیاتی منڈیوں میں بھی لاگو کیا جاسکتا ہے ، جس سے تاجروں کو ایک مضبوط اور لچکدار تجارتی آلہ فراہم ہوتا ہے۔
/*backtest
start: 2024-06-01 00:00:00
end: 2024-06-30 23:59:59
period: 1h
basePeriod: 15m
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/
//@version=5
strategy("MikEy Scali 3 STD Dev Buy Strategy with TP and SL", overlay=true)
// Input parameters for the strategy
length = input.int(20, title="Standard Deviation Length", minval=1)
src = input(close, title="Source")
mult = input.float(3.0, title="Standard Deviation Multiplier", step=0.1)
// Input for the take profit and stop loss percentages
takeProfitPerc = input.float(1.0, title="Take Profit Percentage", step=0.1) / 100
stopLossPerc = input.float(0.5, title="Stop Loss Percentage", step=0.1) / 100
// Input parameters for the backtesting range
testStartYear = input.int(2023, title="Backtest Start Year", minval=2000)
testStartMonth = input.int(1, title="Backtest Start Month", minval=1, maxval=12)
testStartDay = input.int(1, title="Backtest Start Day", minval=1, maxval=31)
testEndYear = input.int(2024, title="Backtest End Year", minval=2000)
testEndMonth = input.int(12, title="Backtest End Month", minval=1, maxval=12)
testEndDay = input.int(31, title="Backtest End Day", minval=1, maxval=31)
// Define the backtesting range
testStartTime = timestamp(testStartYear, testStartMonth, testStartDay, 00, 00)
testEndTime = timestamp(testEndYear, testEndMonth, testEndDay, 23, 59)
// Determine if the current bar is within the backtesting range
inBacktestRange = (time >= testStartTime) and (time <= testEndTime)
// Calculate the moving average and standard deviation
ma = ta.sma(src, length)
std_dev = ta.stdev(src, length)
// Calculate upper and lower bands
upper_band = ma + (std_dev * mult)
lower_band = ma - (std_dev * mult)
// Buy condition within the backtesting range
buyCondition = inBacktestRange and ta.crossover(src, lower_band)
// Plot the buy signal on the chart
plotshape(series=buyCondition, location=location.belowbar, color=color.green, style=shape.labelup, text="BUY")
// Execute buy orders based on the condition within the backtesting range
if (buyCondition)
strategy.entry("Buy", strategy.long)
// Calculate the take profit and stop loss prices when a position is opened
entryPrice = na(strategy.opentrades.entry_price(0)) ? src : strategy.opentrades.entry_price(0)
takeProfitPrice = entryPrice * (1 + takeProfitPerc)
stopLossPrice = entryPrice * (1 - stopLossPerc)
// Take profit condition
takeProfitCondition = strategy.position_size > 0 and close >= takeProfitPrice
// Stop loss condition
stopLossCondition = strategy.position_size > 0 and close <= stopLossPrice
// Execute sell order when take profit condition is met within the backtesting range
if (takeProfitCondition and inBacktestRange)
strategy.close("Buy", "Take Profit")
// Execute sell order when stop loss condition is met within the backtesting range
if (stopLossCondition and inBacktestRange)
strategy.close("Buy", "Stop Loss")
// Plot the moving average and the bands
plot(ma, color=color.blue, title="Moving Average")
plot(upper_band, color=color.red, title="Upper Band (3 STD)")
plot(lower_band, color=color.green, title="Lower Band (3 STD)")
// Optional: Plot the source
plot(src, color=color.gray, title="Source")
// Add labels for clarity
bgcolor(buyCondition ? color.new(color.green, 90) : na, offset=-1, title="Buy Signal Background")
// Optional: Highlight the backtesting range on the chart
bgcolor(inBacktestRange ? color.new(color.blue, 90) : na, title="Backtest Range Background")
// Plot the take profit and stop loss levels if a position is open
plot(strategy.position_size > 0 ? takeProfitPrice : na, color=color.orange, title="Take Profit Level")
plot(strategy.position_size > 0 ? stopLossPrice : na, color=color.red, title="Stop Loss Level")