Chiến lược dự đoán giá dựa trên logarit


Ngày tạo: 2023-12-20 14:40:23 sửa đổi lần cuối: 2023-12-20 14:40:23
sao chép: 0 Số nhấp chuột: 660
1
tập trung vào
1621
Người theo dõi

Chiến lược dự đoán giá dựa trên logarit

Tổng quan

Chiến lược này sử dụng hàm đối số để mô phỏng biến đổi giá, tính toán z theo chênh lệch tiêu chuẩn và giá trị trung bình của khối lượng giao dịch, làm hàm đối số nhập tham số, dự đoán giá trong tương lai.

Nguyên tắc chiến lược

  1. Tính ROC của giá đóng cửa, tích cực tích lũy đến volume_pos, âm tính tích lũy đến volume_neg
  2. Tính phân biệt volume_pos và volume_neg là net_volume
  3. Tính toán chênh lệch chuẩn net_volume net_std và trung bình net_sma
  4. Tính net_sma chia cho net_std để có giá trị z
  5. Sử dụng giá đóng cửa, chênh lệch tiêu chuẩn 20 ngày của giá đóng cửa và giá z làm tham số, nhập hàm logistic đối số để dự đoán giá chu kỳ tiếp theo
  6. Đặt giá cao hơn 1,005 lần so với giá thực hiện hiện tại, và đặt giá thấp hơn 0,995 lần

Phân tích lợi thế

Chiến lược này kết hợp thông tin thống kê về khối lượng giao dịch và dự đoán giá của hàm đối số.

Những ưu điểm:

  1. Dữ liệu này được sử dụng để đánh giá tâm trạng thị trường.
  2. Chức năng đối số phù hợp với đường cong thay đổi giá, dự đoán hiệu quả hơn
  3. Chiến lược đơn giản, dễ thực hiện

Phân tích rủi ro

Chiến lược này cũng có một số rủi ro:

  1. Chỉ số khối lượng giao dịch bị trì trệ, không phản ánh kịp thời sự thay đổi của thị trường
  2. Dự đoán hàm đối số không phải lúc nào cũng chính xác và dễ gây hiểu nhầm
  3. Không có biện pháp ngăn chặn, không thể kiểm soát tổn thất

Bạn có thể làm giảm nguy cơ bằng cách:

  1. Kết hợp với các chỉ số khác để đánh giá độ tin cậy của tín hiệu khối lượng giao dịch
  2. Tối ưu hóa các tham số của hàm đối số để tăng độ chính xác dự đoán
  3. Thiết lập đường dừng để hạn chế tổn thất tối đa cho mỗi đơn vị và tổng thể

Hướng tối ưu hóa

Chiến lược này có thể được tối ưu hóa hơn nữa:

  1. Sử dụng phương pháp học máy để tối ưu hóa động hàm đối số
  2. Quản lý vị trí điều chỉnh kết hợp với chỉ số biến động giá cổ phiếu
  3. Thêm bộ lọc Bayes, bộ lọc không hiệu quả
  4. Tham gia vào điểm đột phá với chiến lược đột phá
  5. Sử dụng quy tắc liên kết để khai thác giá từ tín hiệu

Sự kết hợp của nhiều phương pháp có thể làm tăng thêm tính ổn định và lợi nhuận của chiến lược.

Tóm tắt

Chiến lược này tích hợp các chỉ số số số lượng giao dịch và dự đoán hàm đối số để tạo ra một tư tưởng giao dịch định lượng độc đáo. Với sự tối ưu hóa liên tục, chiến lược này có thể trở thành một hệ thống giao dịch lập trình hiệu quả và ổn định. Kết hợp với học máy và lý thuyết tối ưu hóa danh mục, chúng tôi tự tin sẽ nâng cao hơn nữa hiệu suất giao dịch của nó.

Mã nguồn chiến lược
/*backtest
start: 2023-11-19 00:00:00
end: 2023-12-10 00:00:00
period: 1h
basePeriod: 15m
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/

//@version=4
strategy("Logistic", overlay=true )

volume_pos = 0.0
volume_neg = 0.0
roc = roc(close, 1)

for i = 0 to 100
    if (roc > 0)
        volume_pos := volume
    else
        volume_neg := volume
    
volume_net = volume_pos - volume_neg
net_std    = stdev(volume_net, 100)
net_sma    = sma(volume_net, 10)
z          =  net_sma / net_std
std        = stdev(close, 20)

logistic(close, std, z) =>
    m = (close + std)
    a = std / close
    pt = m / ( 1 + a*exp(-z))
    pt
    
    
pred = logistic(close, std, z)

buy = pred > close * 1.005
sell = pred < close * 0.995

color = strategy.position_size > 0? #3BB3E4 : strategy.position_size == 0? #FF006E : #6b6b6b
barcolor(color)


if (buy == true)
    strategy.entry("Long", strategy.long, comment="Open L")
    
if (sell == true)
    strategy.close("Long", comment="Close L")