Chiến lược giao dịch định lượng dựa trên đường trung bình động hàm mũ thích ứng


Ngày tạo: 2023-12-18 10:34:55 sửa đổi lần cuối: 2023-12-18 10:34:55
sao chép: 0 Số nhấp chuột: 713
1
tập trung vào
1621
Người theo dõi

Chiến lược giao dịch định lượng dựa trên đường trung bình động hàm mũ thích ứng

Tổng quan

Bài viết này sẽ phân tích sâu một chiến lược giao dịch định lượng dựa trên chỉ số chuyển động trung bình thích ứng (Adaptive Exponential Moving Average, AEMA). Chiến lược này sử dụng hình thức dao động vô tận của chỉ số chuyển động ngẫu nhiên (Stochastic Momentum Index, SMI), kết hợp với tín hiệu trung bình chuyển động của chỉ số làm đường dẫn, thiết lập ngưỡng mua bán vượt mức tùy chỉnh để tăng khả năng thực hiện giao dịch.

Nguyên tắc chiến lược

Chiến lược này sử dụng hai chiều dài khác nhau của SMI, một chiều dài ngắn và một chiều dài dài, sự khác biệt giữa hai chiều dài tạo ra tín hiệu giao dịch. Ngoài ra, chiến lược cũng sử dụng một đường trung bình di chuyển chỉ số làm đường tín hiệu.

Lợi thế chiến lược

Lợi thế lớn nhất của chiến lược này là khả năng thích ứng của nó. Chiến lược sử dụng các tiêu chuẩn mua bán vượt mức mua bán để điều chỉnh động để thực hiện nhiều giao dịch. Cơ chế này cho phép các tham số của chiến lược có thể được điều chỉnh và tối ưu hóa theo các môi trường thị trường khác nhau, để phù hợp với các loại tình huống thị trường rộng hơn. Ngoài ra, hình thức biến động vô tận của SMI cũng tăng cường độ nhạy cảm và kịp thời của chiến lược.

Rủi ro chiến lược

Rủi ro lớn nhất của chiến lược này là sự phụ thuộc vào cài đặt tham số của nó. Nếu thiết lập tham số không đúng, sẽ dễ dàng tạo ra một lượng lớn tín hiệu giao dịch không hiệu quả. Ngoài ra, SMI là một chỉ số xung, không hoạt động tốt đối với thị trường bất thường.

Hướng tối ưu hóa chiến lược

Chiến lược này vẫn có một số hướng có thể được tối ưu hóa: Thứ nhất, có thể thử nghiệm các kết hợp khác nhau của chiều dài SMA để tìm cặp tham số tốt nhất; Thứ hai, có thể xem xét thiết lập dừng lỗ gần điểm vào để kiểm soát tổn thất đơn lẻ; Thứ ba, có thể kết hợp với các chỉ số khác như RSI, Bollinger Bands và các chỉ số khác để thiết lập đường bán tháo động;

Tóm tắt

Bài viết này phân tích sâu về các nguyên tắc, lợi thế, rủi ro và hướng tối ưu hóa của chiến lược giao dịch vô hạn SMI thích ứng. Chiến lược này sử dụng các ngưỡng thích ứng và chỉ số di chuyển trung bình để lọc tín hiệu, có thể nắm bắt hiệu quả các cơ hội ngắn hạn của thị trường. Mặc dù có một số phụ thuộc tham số, nhưng thông qua kiểm soát rủi ro nghiêm ngặt và tối ưu hóa đa phương, chiến lược này vẫn có giá trị thực tế đáng kể.

Mã nguồn chiến lược
/*backtest
start: 2023-12-10 00:00:00
end: 2023-12-17 00:00:00
period: 3m
basePeriod: 1m
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/

// © DraftVenture

//@version=5
strategy(title="Adaptive SMI Ergodic Strategy", shorttitle="Adaptive SMI Strategy", overlay = false)
longlen = input.int(12, minval=1, title="Long Length")
shortlen = input.int(5, minval=1, title="Short Length")
siglen = input.int(5, minval=1, title="Signal Line Length")
overS = input.float(-0.4, title = "Oversold", step = 0.01)
overB = input.float(0.4, title = "Overbought", step = 0.01)
erg = ta.tsi(close, shortlen, longlen)
sig = ta.ema(erg, siglen)
plot(erg, color = color.yellow, title = "SMI")
plot(sig, color = color.purple, title="Signal")
hline(0, title = "Zero", color = color.gray, linestyle = hline.style_dotted)
h0 = hline(overB, color = color.gray, title = "Overbought Threshold")
h1 = hline(overS, color = color.gray, title = "Oversold Threshold")
fill(h0, h1, color=color.rgb(25, 117, 192, 90), title = "Background")

longEntry = ta.crossover(erg, sig) and erg > overS and sig < overS
shortEntry = ta.crossunder(erg, sig) and erg < overB and sig > overB

if longEntry
    strategy.entry("Long", strategy.long)

if shortEntry
    strategy.entry("Short", strategy.short)

// ______ _________ 
// ___  //_/__  __ \
// __  ,<  __  /_/ /
// _  /| | _  ____/ 
// /_/ |_| /_/