ianzeng123
جائزہ
بلیک اسکورز کی متحرک شرح تعدیل متحرک توڑنے کی حکمت عملی ایک مقداری تجارت کا طریقہ ہے جو اعدادوشمار اور اختیارات کی قیمتوں کی نظریہ پر مبنی ہے۔ اس حکمت عملی نے بلیک اسکورز ماڈل کے خیالات کو مارکیٹ کی قیمتوں کے توڑنے کے تجزیے میں چالاکی سے لاگو کیا ، تاریخی اتار چڑھاؤ کا حساب کتاب کرکے اور متحرک طور پر متوقع قیمت کے وقفے کو ایڈجسٹ کرکے ، توڑنے والے سگنلوں کی ذہین گرفت حاصل کرنے کے لئے۔ اس حکمت عملی کا مرکز مارکیٹ میں اتار چڑھاؤ کا اندازہ لگانے کے لئے جوڑی کی شرح سود کے معیاری فرق کا استعمال کرنا ہے ، اور اس کو ہر تجارتی سائیکل میں متوقع قیمت میں تبدیلی کی شدت میں تبدیل کرنا ہے ، اس طرح متحرک قیمتوں میں اضافے اور کمی کو قائم کرنا ہے ، اور جب قیمتیں ان چوٹیوں کو توڑتی ہیں تو اس کے مطابق خرید و فروخت کا اشارہ ہوتا ہے۔
حکمت عملی کا اصول
یہ حکمت عملی مندرجہ ذیل مراحل پر مبنی ہے:
اتار چڑھاؤ کی شرح کا حساب لگانا: سب سے پہلے ، تاریخی منافع کی عددی منافع کی شرح کا حساب لگانا ((logReturn = math.log))[1]) ، پھر مقررہ واپسی کا دورانیہ ((ڈیفالٹ 20 سائیکل) کا استعمال کرتے ہوئے ان پیرامیٹرز کی واپسی کی شرح کے معیاری فرق کا حساب لگائیں ، اور اس کی سالگرہ ((مضرب تجارت کے دورانیے کی مربع جڑ ، ہر سال 252 تجارتی دن ، ہر دن 390 منٹ پر غور کریں)) ۔
متوقع نقل و حرکت کا حساب کتاب: بلیک - اسکورز سے متاثرہ طریقہ استعمال کرکے ہر تجارتی دور کے لئے متوقع قیمت میں تبدیلی کا حساب لگائیں[1] * volatility * math.sqrt ((1 / periodsPerYear)) ◄ یہ دراصل سالانہ اتار چڑھاؤ کی شرح کو ایک واحد دورانیے میں متوقع تبدیلی کی شدت میں تبدیل کرتی ہے۔
متحرک حد مقرر کریں: پچھلے اختتامی قیمت اور حساب سے متوقع نقل و حرکت کی مقدار کے مطابق ، مندرجہ ذیل دو حدیں ترتیب دیں[1] + expectedMove اور lowerThreshold = close[1] - expectedMove）。
ٹریڈنگ سگنل جنریشن: جب موجودہ بندش کی قیمت اوپر کی حد کو توڑتی ہے تو ، ایک سے زیادہ سگنل کو متحرک کرتی ہے۔ جب نیچے کی حد کو توڑتی ہے تو ، ایک کم سگنل کو متحرک کرتی ہے۔
رسک مینجمنٹ: حکمت عملی تجارت میں داخل ہونے کے بعد خود بخود فیصد پر مبنی اسٹاپ (ڈیفالٹ 1٪) اور اسٹاپ (ڈیفالٹ 2٪) پر مبنی ہے۔ کثیر سرخی کی پوزیشنوں کے لئے ، اسٹاپ نقصان داخلہ قیمت کے نیچے مخصوص فیصد پر مقرر کیا گیا ہے ، اور اسٹاپ اوپر مخصوص فیصد پر مقرر کیا گیا ہے۔ خالی سرخی کے لئے اس کے برعکس۔
طاقت کا تجزیہ
متحرک موافقت: یہ حکمت عملی مارکیٹ کے مختلف حالات اور اتار چڑھاؤ کے ماحول کے مطابق متحرک طور پر توڑنے کی حد کو ایڈجسٹ کرتی ہے ، اس کے مقابلے میں روایتی توڑنے کی حکمت عملی جس میں مقررہ قیمت یا فیصد استعمال ہوتا ہے۔
اعداد و شمار کی بنیاد: حکمت عملی پر مبنی معیاری اعداد و شمار کے اصولوں اور اختیارات کی قیمتوں کا تعین کرنے کی تھیوری پر مبنی ہے ، جس میں ہم آہنگی کی شرح منافع اور معیاری فرق کے حساب کتاب کا استعمال کیا جاتا ہے ، جس کی تھیوری کی بنیاد مضبوط ہے۔
خود کار طریقے سے خطرے کے انتظام: بلٹ میں روکنے اور روکنے کا طریقہ کار اس بات کو یقینی بناتا ہے کہ ہر تجارت میں خطرہ کے کنٹرول کے اقدامات پہلے سے طے شدہ ہوں ، جس سے جذباتی عوامل کی وجہ سے ضرورت سے زیادہ ہولڈنگ یا نقصانات میں اضافے سے بچا جاسکے۔
پیرامیٹرز کی لچک: صارف مختلف مارکیٹ اور ذاتی خطرے کی ترجیحات کے مطابق اتار چڑھاؤ کی واپسی کی مدت ، اسٹاپ نقصان اور اسٹاپ اسٹاپ فی صد کو ایڈجسٹ کرسکتا ہے ، تاکہ حکمت عملی میں زیادہ موافقت ہو۔
حساب کتاب کی کارکردگی: حکمت عملی کا حساب کتاب نسبتا simple آسان اور براہ راست ہے ، جس میں پیچیدہ اشارے کے جوڑے کی ضرورت نہیں ہے ، جس سے زیادہ فٹ ہونے کا خطرہ کم ہوجاتا ہے ، اور عملدرآمد کی کارکردگی میں اضافہ ہوتا ہے۔
خطرے کا تجزیہ
جھوٹے توڑنے کا خطرہ: مارکیٹوں میں مختصر عرصے کے بعد تیزی سے پیچھے ہٹ جانے کا خطرہ ہوسکتا ہے ، جس سے غلط سگنل اور غیر ضروری تجارتی اخراجات پیدا ہوتے ہیں۔ اس خطرے کو کم کرنے کے لئے تصدیق کے طریقہ کار کو شامل کیا جاسکتا ہے (جیسے توڑنے کے لئے کچھ عرصے تک جاری رہنے کی ضرورت ہے یا تجارت کی تصدیق کے ساتھ مل کر) ۔
اتار چڑھاؤ کی شرح کا اندازہ لگانے کی غلطی: تاریخی اتار چڑھاؤ کی شرح مستقبل کے اتار چڑھاؤ کی درست پیش گوئی نہیں کرسکتی ہے ، خاص طور پر جب مارکیٹ کے حالات میں تیزی سے تبدیلی آتی ہے۔ اس کی پیش گوئی کی درستگی کو بہتر بنانے کے لئے ، مبینہ اتار چڑھاؤ کی شرح یا اس سے زیادہ پیچیدہ اتار چڑھاؤ کے ماڈل جیسے گارچ کا استعمال کرنے پر غور کیا جاسکتا ہے۔
پیرامیٹر حساسیت: حکمت عملی کی کارکردگی اتار چڑھاؤ کی واپسی کی مدت ، نقصان اور اسٹاپ کی ترتیبات سے زیادہ حساس ہوسکتی ہے۔ کسی خاص مارکیٹ کے لئے بہترین پیرامیٹرز کا مجموعہ تلاش کرنے کے لئے وسیع پیمانے پر بیک اپ اور پیرامیٹرز کی اصلاح کی سفارش کی جاتی ہے۔
رجحان مارکیٹ کی کارکردگی: مضبوط رجحان مارکیٹ میں ، قیمتیں طویل عرصے تک ایک ہی سمت میں چل سکتی ہیں ، متوقع اتار چڑھاؤ کی حد سے باہر ، جس سے اہم رجحانات کو یاد کیا جاسکتا ہے۔ رجحان کے اشارے کے ساتھ مل کر حکمت عملی کو مکمل کرنے پر غور کیا جاسکتا ہے۔
ٹرانزیکشن لاگت کا اثر: بار بار توڑنے والے سگنل زیادہ تجارت کا سبب بن سکتے ہیں ، کمیشن اور سلائڈ پوائنٹ لاگت میں اضافہ کرسکتے ہیں۔ آپ تجارت کے وقفے یا سگنل فلٹرز کو ترتیب دے کر تجارت کی تعدد کو کم کرسکتے ہیں۔
اصلاح کی سمت
- اتار چڑھاؤ کی شرح کے حساب میں بہتری: انڈیکس وزن والے منتقل اوسط ((EWMA) یا GARCH ماڈل کا استعمال کرتے ہوئے اتار چڑھاؤ کی شرح کے حساب میں بہتری کی جا سکتی ہے ، یہ طریقوں سے اتار چڑھاؤ کی شرح کے اجتماع کے اثرات اور وقت کی تبدیلی کی خصوصیات کو بہتر طور پر پکڑ لیا جاسکتا ہے۔ بہتری کوڈ مندرجہ ذیل ہوسکتا ہے:
// EWMA波动率计算
alpha = 0.94 // 衰减因子
ewmaVar = 0.0
ewmaVar := alpha * ewmaVar[1] + (1 - alpha) * logReturn * logReturn
ewmaVol = math.sqrt(ewmaVar) * math.sqrt(periodsPerYear)
- سگنل کی توثیق کا طریقہ کار: ٹرانزیکشن کی تصدیق یا قیمت کی نقل و حرکت کی تصدیق کو شامل کریں ، تاکہ جھوٹے توڑنے کا خطرہ کم کیا جاسکے:
volumeConfirmation = volume > ta.sma(volume, 20) * 1.5
momentumConfirmation = ta.rsi(close, 14) > 50 for longCondition or < 50 for shortCondition
longCondition := longCondition and volumeConfirmation and momentumConfirmation
- ایڈجسٹمنٹ اسٹاپ میکانیزم: مارکیٹ میں اتار چڑھاو کی صورتحال کو بہتر طور پر ایڈجسٹ کرنے کے لئے اے ٹی آر (حقیقی اتار چڑھاؤ کی حد) پر مبنی متحرک اسٹاپ سیٹ کریں:
atrPeriod = 14
atrMultiplier = 2
atrValue = ta.atr(atrPeriod)
dynamicStopLoss = atrMultiplier * atrValue
- ٹائم فلٹر: غیر معمولی مارکیٹ کے افتتاحی اور اختتامی اوقات سے بچنے کے لئے ٹائم فلٹر شامل کریں:
timeFilter = (hour >= 10 and hour < 15) or (hour == 15 and minute < 30)
longCondition := longCondition and timeFilter
- کثیر دورانیہ کی تصدیق: اہم رجحانات کے خلاف سگنل کو فلٹر کرنے کے لئے اعلی وقت کی مدت کی سمت کی جانچ پڑتال کریں:
higherTimeframeClose = request.security(syminfo.tickerid, "60", close)
higherTimeframeTrend = ta.ema(higherTimeframeClose, 20) > ta.ema(higherTimeframeClose, 50)
longCondition := longCondition and higherTimeframeTrend
shortCondition := shortCondition and not higherTimeframeTrend
خلاصہ کریں۔
بلیک سکورز کی متحرک بریک آؤٹ حکمت عملی ایک جدید مقداری حکمت عملی ہے جو اختیارات کی قیمتوں کا تعین کرنے کی نظریہ کو روایتی بریک آؤٹ ٹریڈنگ کے طریقوں کے ساتھ جوڑتی ہے۔ یہ مارکیٹ میں اتار چڑھاؤ کا حساب کتاب کرکے اور متوقع قیمتوں میں تبدیلی کی حد میں تبدیل کرکے متحرک تجارت کی حد قائم کرتی ہے ، جو مارکیٹ کے مختلف حالات میں اتار چڑھاؤ کی خصوصیات کو مؤثر طریقے سے اپناتی ہے۔ حکمت عملی کے بنیادی فوائد اس کی شماریاتی بنیاد ، متحرک موافقت اور بلٹ ان رسک مینجمنٹ میکانزم میں ہیں ، جس سے اسے متغیر مارکیٹ کے ماحول میں ممکنہ فائدہ ہوتا ہے۔
تاہم ، اس حکمت عملی کو بھی چیلنجوں کا سامنا کرنا پڑتا ہے ، جیسے جعلی توڑ ، اتار چڑھاؤ کے تخمینے میں غلطی اور پیرامیٹرز کی حساسیت۔ اصلاحاتی اقدامات جیسے اتار چڑھاؤ کی شرح کے حساب کتاب میں بہتری ، سگنل کی تصدیق کے میکانزم ، متحرک رسک مینجمنٹ اور کثیر دورانیہ تجزیہ متعارف کرانے سے حکمت عملی کی استحکام اور وشوسنییتا میں نمایاں اضافہ کیا جاسکتا ہے۔ خاص طور پر اعلی اتار چڑھاؤ یا تیزی سے بدلتے ہوئے مارکیٹ کے ماحول میں ، یہ اصلاحات حکمت عملی کو موثر سگنل کی بہتر شناخت اور خطرے پر قابو پانے میں مدد فراہم کریں گی۔
مجموعی طور پر ، بلیک اسکورز کی متحرک توڑنے والی حکمت عملی نے روایتی تکنیکی تجزیہ کو جدید مالیاتی نظریہ کے ساتھ جوڑنے کی ایک مؤثر کوشش کی نمائندگی کی ، جس سے ایک ٹھوس نظریاتی بنیاد ، لچکدار اور آسانی سے نافذ کرنے والا ایک تجارتی فریم ورک کوانٹمی ٹریڈر کو فراہم کیا گیا۔ اس حکمت عملی کو مستقل طور پر بہتر بنانے اور مناسب ایڈجسٹمنٹ کے ذریعہ ، مارکیٹ کے مختلف حالات میں مستحکم کارکردگی کا مظاہرہ کرنے کی امید ہے۔
/*backtest
start: 2025-01-01 00:00:00
end: 2025-03-25 00:00:00
period: 1d
basePeriod: 1d
exchanges: [{"eid":"Futures_Binance","currency":"ETH_USDT"}]
*/
//@version=5
strategy("black-scholes expected breakoout", overlay=true, initial_capital=100000, currency=currency.USD, calc_on_order_fills=true, calc_on_every_tick=true)
// User Inputs
chartRes = input.int(title="Chart Timeframe in Minutes", defval=1, minval=1)
volLookback = input.int(title="Volatility Lookback (bars)", defval=20, minval=1)
stopLossPerc = input.float(title="Stop Loss (%)", defval=1.0, minval=0.1, step=0.1)
takeProfitPerc = input.float(title="Take Profit (%)", defval=2.0, minval=0.1, step=0.1)
// Calculate periods per year based on chart timeframe (252 trading days * 390 minutes per day)
periodsPerYear = (252 * 390) / chartRes
// Calculate annualized volatility from log returns
logReturn = math.log(close / close[1])
volatility = ta.stdev(logReturn, volLookback) * math.sqrt(periodsPerYear)
// Expected move for one bar: S * σ * √(1/periodsPerYear)
expectedMove = close[1] * volatility * math.sqrt(1 / periodsPerYear)
// Define dynamic thresholds around the previous close
upperThreshold = close[1] + expectedMove
lowerThreshold = close[1] - expectedMove
// Plot thresholds for visual reference
plot(upperThreshold, color=color.green, title="Upper Threshold")
plot(lowerThreshold, color=color.red, title="Lower Threshold")
// Trading Signals: breakout of thresholds
longCondition = close > upperThreshold
shortCondition = close < lowerThreshold
if (longCondition)
strategy.entry("Long", strategy.long)
if (shortCondition)
strategy.entry("Short", strategy.short)
// Fixed Risk Management Exit Orders
if (strategy.position_size > 0)
strategy.exit("Exit Long", from_entry="Long",
stop=close * (1 - stopLossPerc / 100),
limit=close * (1 + takeProfitPerc / 100))
if (strategy.position_size < 0)
strategy.exit("Exit Short", from_entry="Short",
stop=close * (1 + stopLossPerc / 100),
limit=close * (1 - takeProfitPerc / 100))