ChaoZhang
جائزہ
یہ حکمت عملی ایک اعلی درجے کی تجارتی حکمت عملی ہے جو ایک کثیر جہتی ریاضیاتی ماڈل پر مبنی ہے جس میں تجارتی سگنل پیدا کرنے کے لئے متعدد ریاضیاتی افعال اور تکنیکی اشارے استعمال کیے جاتے ہیں۔ حکمت عملی میں متحرک ، رجحان اور اتار چڑھاؤ کا تجزیہ شامل کیا گیا ہے تاکہ کثیر جہتی مارکیٹ کی معلومات کو مربوط کرکے زیادہ جامع تجارتی فیصلے کیے جاسکیں۔
حکمت عملی کا اصول
اس حکمت عملی کا بنیادی اصول مارکیٹ کے مختلف پہلوؤں کو متعدد ریاضیاتی ماڈلز اور تکنیکی اشارے کے ذریعہ تجزیہ کرنا ہے:
- قیمتوں کی رفتار اور سمت کا حساب لگانے کے لئے تبدیلی کی شرح (ROC) اشارے کا استعمال کریں۔
- مختصر مدت کی قیمتوں کے رجحانات کی شناخت کے لئے لکیری رجعت کا استعمال کریں۔
- طویل مدتی رجحانات کو پکڑنے کے لئے ایک کم فلٹر کے طور پر ایک اشاریہ منتقل اوسط (ای ایم اے) کا استعمال کریں.
- قیمت میں تبدیلی کی اتار چڑھاؤ کو ایڈجسٹ کرنے کے لئے سگمائڈ فنکشن کا استعمال کریں۔
حکمت عملی ان عوامل کو جامع طور پر مدنظر رکھتی ہے ، اور خریدنے کا اشارہ اس وقت جاری کرتی ہے جب حرکیات مثبت ہوتی ہیں ، قلیل مدتی رجحان بڑھتا ہے ، طویل مدتی رجحان کی تصدیق ہوتی ہے ، اور اتار چڑھاؤ درمیانے درجے پر ہوتا ہے۔ حالات کا مخالف مجموعہ فروخت کے اشارے کو متحرک کرتا ہے۔
اسٹریٹجک فوائد
- کثیر جہتی تجزیہ: متعدد ریاضیاتی ماڈلز اور اشارے کے ساتھ مل کر ، حکمت عملی مارکیٹ کو مختلف زاویوں سے تجزیہ کرنے کے قابل بناتی ہے ، جس سے فیصلوں کی جامعیت اور درستگی میں اضافہ ہوتا ہے۔
- موافقت پذیری: سگمائڈ فنکشن کا استعمال کرتے ہوئے اتار چڑھاؤ کو ایڈجسٹ کریں تاکہ حکمت عملی مختلف مارکیٹ کے حالات کے مطابق ہو۔
- رجحانات کی تصدیق: مختصر اور طویل مدتی رجحانات کے تجزیہ کے ساتھ مل کر ، جعلی بریک کے خطرات کو کم کرنے میں مدد ملتی ہے۔
- بصری: حکمت عملی چارٹ پر لکیری واپسی کی لائن اور کم بہاؤ کی لکیروں کو ڈرائنگ کرتی ہے ، جس سے تاجروں کو مارکیٹ میں ہونے والی پیشرفت کو بصری طور پر سمجھنے میں مدد ملتی ہے۔
اسٹریٹجک رسک
- زیادہ فٹ ہونا: متعدد اشارے استعمال کرنے سے حکمت عملی تاریخی اعداد و شمار پر اچھی کارکردگی کا مظاہرہ کرسکتی ہے ، لیکن حقیقی تجارت میں اس کی کارکردگی خراب ہے۔
- تاخیر: کچھ اشارے جیسے ای ایم اے میں تاخیر ہوسکتی ہے ، جس کی وجہ سے داخلے یا باہر نکلنے کا وقت کافی وقت پر نہیں ہوتا ہے۔
- مارکیٹ کی شرائط حساس: حکمت عملی بہت زیادہ اتار چڑھاؤ یا رجحان کی تبدیلی کے ساتھ مارکیٹ میں خراب کارکردگی کا مظاہرہ کر سکتی ہے۔
- پیرامیٹرز کی حساسیت: متعدد اشارے کے پیرامیٹرز کی ترتیب سے حکمت عملی کی کارکردگی پر اہم اثر پڑ سکتا ہے اور اسے احتیاط سے بہتر بنانے کی ضرورت ہے۔
حکمت عملی کی اصلاح کی سمت
- متحرک پیرامیٹرز کو ایڈجسٹ کریں: مختلف مارکیٹ کے حالات کو ایڈجسٹ کرنے کے لئے مارکیٹ میں اتار چڑھاؤ کے متحرک پیرامیٹرز کو ایڈجسٹ کرنے پر غور کیا جاسکتا ہے۔
- فلٹر شامل کریں: جعلی سگنل کو کم کرنے کے لئے اضافی فلٹرنگ شرائط جیسے حجم تجزیہ یا مارکیٹ کی چوڑائی کے اشارے متعارف کروائیں۔
- آپٹمائزڈ ایگزٹ حکمت عملی: موجودہ حکمت عملی بنیادی طور پر انٹری پوائنٹس پر مرکوز ہے ، مجموعی کارکردگی کو بہتر بنانے کے لئے زیادہ پیچیدہ ایگزٹ میکانزم تیار کیے جاسکتے ہیں۔
- مشین لرننگ متعارف کروانا: اشارے کے وزن کو بہتر بنانے یا بہترین تجارتی مواقع کی نشاندہی کرنے کے لئے مشین لرننگ الگورتھم استعمال کرنے پر غور کریں۔
خلاصہ کریں۔
کثیر جہتی ریاضی ماڈل ٹریڈنگ حکمت عملی ایک جامع ، مضبوط نظریاتی بنیاد پر ٹریڈنگ کا طریقہ ہے۔ متعدد ریاضیاتی ماڈل اور تکنیکی اشارے کے امتزاج کے ذریعہ ، یہ حکمت عملی مارکیٹ کو متعدد زاویوں سے تجزیہ کرنے اور تجارتی فیصلوں کی درستگی کو بڑھانے کے قابل ہے۔ تاہم ، حکمت عملی کی پیچیدگی بھی زیادہ فٹنس اور پیرامیٹر حساسیت جیسے خطرات کا باعث بنتی ہے۔ مستقبل کی اصلاح کی سمت میں حکمت عملی کی خودکشی اور لچک کو بڑھانے پر توجہ دینی چاہئے تاکہ مختلف مارکیٹ کے ماحول میں مستحکم کارکردگی کو برقرار رکھا جاسکے۔ مجموعی طور پر ، یہ ایک ایسا حکمت عملی کا فریم ورک ہے جس میں مستقل اصلاح اور جانچ کے ساتھ ، ایک قابل اعتماد تجارتی آلہ بننے کا امکان ہے۔
/*backtest
start: 2019-12-23 08:00:00
end: 2024-09-24 08:00:00
period: 1d
basePeriod: 1d
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/
//@version=5
strategy("Advanced Math Strategy", overlay=true)
// =======================
// ฟังก์ชันที่ใช้คำนวณเบื้องหลัง
// =======================
// ฟังก์ชันซิกมอยด์
sigmoid(x) =>
1 / (1 + math.exp(-x))
// ฟังก์ชันหาอัตราการเปลี่ยนแปลง (Derivative)
roc = ta.roc(close, 1)
// ฟังก์ชันการถดถอยเชิงเส้น (Linear Regression)
linReg = ta.linreg(close, 14, 0)
// ฟังก์ชันตัวกรองความถี่ต่ำ (Low-pass filter)
lowPass = ta.ema(close, 50)
// =======================
// การคำนวณสัญญาณ Buy/Sell
// =======================
// การคำนวณอนุพันธ์สำหรับทิศทางการเคลื่อนที่ของราคา
derivativeSignal = roc > 0 ? 1 : -1
// ใช้ Linear Regression และ Low-pass Filter เพื่อช่วยในการหาจุดกลับตัว
trendSignal = linReg > lowPass ? 1 : -1
// ใช้ฟังก์ชันซิกมอยด์เพื่อปรับความผันผวนของราคา
priceChange = close - close[1]
volatilityAdjustment = sigmoid(priceChange)
// สร้างสัญญาณ Buy/Sell โดยผสมผลจากการคำนวณเบื้องหลังทั้งหมด
buySignal = derivativeSignal == 1 and trendSignal == 1 and volatilityAdjustment > 0.5
sellSignal = derivativeSignal == -1 and trendSignal == -1 and volatilityAdjustment < 0.5
// =======================
// การสั่ง Buy/Sell บนกราฟ
// =======================
// ถ้าเกิดสัญญาณ Buy
if (buySignal)
strategy.entry("Buy", strategy.long)
// ถ้าเกิดสัญญาณ Sell
if (sellSignal)
strategy.close("Buy")
// =======================
// การแสดงผลบนกราฟ
// =======================
// วาดเส้นถดถอยเชิงเส้นบนกราฟ
plot(linReg, color=color.green, linewidth=2, title="Linear Regression")
// วาดตัวกรองความถี่ต่ำ (Low-pass filter)
plot(lowPass, color=color.purple, linewidth=2, title="Low-Pass Filter")
// วาดจุด Buy/Sell บนกราฟ
plotshape(series=buySignal, title="Buy Signal", location=location.belowbar, color=color.green, style=shape.labelup, text="BUY")
plotshape(series=sellSignal, title="Sell Signal", location=location.abovebar, color=color.red, style=shape.labeldown, text="SELL")