Chiến lược giao dịch ngắn hạn dựa trên phân tích hồi quy tuyến tính và các chỉ báo trung bình động
ChaoZhang
Tổng quan
Chiến lược quay trở tuyến tính là một chiến lược giao dịch đường ngắn dựa trên phân tích quay trở tuyến tính và chỉ số đường trung bình. Chiến lược này kết hợp các kênh quay trở tuyến tính và trung bình di chuyển của Hull để xác định hướng xu hướng và tìm các điểm vào thị trường có rủi ro thấp hơn.
Nguyên tắc chiến lược
Chiến lược đường dẫn hồi quy tuyến tính chủ yếu dựa trên hai chỉ số:
Kênh Regression tuyến tính (Linear Regression Channel): phạm vi của kênh được tính toán thông qua phân tích hồi quy tuyến tính. Trong chiến lược, một đường hồi quy tuyến tính có chiều dài 55 ngày được thiết lập, đại diện cho xu hướng dài hạn của giá. Đồng thời tính toán đường giới hạn trên kênh, đại diện cho vùng giá nóng hơn.
Hull Moving Average: Một chỉ số theo dõi xu hướng tương tự như đường trung bình di chuyển, có độ dài 400 ngày, được sử dụng để xác định xu hướng và hướng của giá cả.
Các giao dịch được thực hiện theo các logic sau:
Làm nhiều hơn khi giá thấp hơn đường giới hạn trên của kênh và thấp hơn 400 ngày Hull trung bình di chuyển; dừng bán khi giá tăng trở lại trên đường trung bình trên đường trung bình.
Điều này có thể mua các điểm thấp trong thời gian cân bằng và chiết khấu lợi nhuận khi giá trở lại đường đi lên.
Phân tích lợi thế
Chiến lược này có một số ưu điểm:
Các kênh hồi phục tuyến tính có thể xác định chính xác hơn về nhiệt độ giá và hướng xu hướng dài hạn, tránh tham gia mù quáng trong tình huống xung đột.
Hull Moving Average đã lọc ra tiếng ồn thị trường ngắn hạn, giúp thời điểm nhập cảnh trở nên rõ ràng hơn.
Tỷ lệ giao dịch chiến lược thấp hơn, rủi ro rút tiền thấp hơn. Không theo đuổi cao và thấp khi thị trường biến động.
Những người này thường có thể thu được lợi nhuận tốt trong các hoạt động ngắn hạn.
Phân tích rủi ro
Một số rủi ro trong chiến lược quay trở lại tuyến tính:
Trong thị trường bò, các kênh hồi phục tuyến tính có thể bị phẳng hoặc giảm nhẹ, dẫn đến việc bỏ lỡ các cơ hội mua. Các tham số có thể được tối ưu hóa bằng cách điều chỉnh thích hợp.
Khi một sự kiện bất ngờ gây ra sự điều chỉnh lớn, đường dừng có thể bị phá vỡ, gây ra tổn thất lớn hơn. Có thể thiết lập tỷ lệ đường dừng để kiểm soát tổn thất đơn lẻ.
Nếu điều chỉnh trở lại sâu dưới đường trung bình của Hull, bạn có thể không thể lấy được vị trí cân bằng. Bạn có thể điều chỉnh tham số đường trung bình của Hull hoặc thiết lập đường dừng lỗ.
Tần suất giao dịch có thể quá thấp.
Hướng tối ưu hóa
Chiến lược đường dẫn hồi quy tuyến tính có thể được tối ưu hóa theo các khía cạnh sau:
Động thái điều chỉnh tham số đường thu hồi tuyến tính để cho đường thu hồi gần hơn với biến động giá thực tế.
Tối ưu hóa các tham số đường trung bình của Hull, cho phép nó đánh giá tốt hơn các điểm chuyển hướng.
Thiết lập điểm dừng theo dõi trong kênh có thể kiểm soát hiệu quả rủi ro thua lỗ đơn lẻ.
Tăng các chỉ số biến động để tránh mở các vị trí trong bối cảnh biến động mạnh mẽ.
Các nhà phân tích đã đưa ra một số kết luận về sự đột phá thực sự.
Tóm tắt
Chiến lược quay trở lại tuyến tính là một chiến lược theo dõi xu hướng mạnh mẽ hơn. Nó có thể tránh tiếng ồn thị trường và đi đúng hướng khi xu hướng bắt đầu. Bằng cách tối ưu hóa tham số và bộ chỉ số, bạn có thể giảm thêm rủi ro giao dịch của mình và tăng tỷ lệ lợi nhuận.
/*backtest
start: 2023-01-10 00:00:00
end: 2024-01-16 00:00:00
period: 1d
basePeriod: 1h
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/
// This source code is subject to the terms of the Mozilla Public License 2.0 at https://mozilla.org/MPL/2.0/
// © TradingAmmo
//@version=4
strategy("Linear Channel", overlay=true, default_qty_type=strategy.percent_of_equity, default_qty_value=100, commission_type=strategy.commission.percent, commission_value=0.075, currency='USD')
startP = timestamp(input(2017, "Start Year"), input(12, "Month"), input(17, "Day"), 0, 0)
end = timestamp(input(9999, "End Year"), 1, 1, 0, 0)
_testPeriod() => true
//linreg
length = input(55)
linreg = linreg(close, length, 0)
plot(linreg, color=color.white)
//calc band
Value = input(-2)
sub = (Value/100)+1
Band2 = linreg*sub
plot(Band2, color=color.red)
//HMA as a filter
HMA = input(400, minval=1)
plot(hma(close, HMA), color=color.purple)
long_condition = close < Band2 and hma(close, HMA) < close and _testPeriod()
strategy.entry('BUY', strategy.long, when=long_condition)
short_condition = close > linreg
strategy.close('BUY', when=short_condition)