Chiến lược ngưỡng động thích nghi theo chuỗi thời gian dựa trên dữ liệu vốn chủ sở hữu

Tác giả:ChaoZhang, Ngày: 2024-04-01 10:48:52
Tags:

Tổng quan

Chiến lược này dựa trên dữ liệu chuỗi thời gian về giá trị tài sản ròng của cổ phiếu hoặc tài sản tài chính khác. Bằng cách tính toán năng động tỷ lệ hiệu quả (ER) như là yếu tố làm mịn của đường trung bình động theo cấp số (EMA), nó điều chỉnh thích nghi các dải trên và dưới để kích hoạt tín hiệu mua và bán. Ý tưởng chính của chiến lược này là sử dụng tất cả thông tin có trong dữ liệu giá trị tài sản ròng, bằng cách tính toán sự phức tạp của sự thay đổi giá trị tài sản ròng (ER) để điều chỉnh động yếu tố làm mịn EMA, và sau đó có được các dải trên và dưới thay đổi năng động. Khi giá vượt qua dải trên, nó mở một vị trí dài, và khi nó vượt qua dải dưới, nó đóng vị trí.

Nguyên tắc chiến lược

Tính toán tỷ lệ hiệu quả (ER) của dữ liệu giá trị tài sản ròng, đó là tỷ lệ của sự thay đổi giá trị tài sản ròng đối với tổng sự thay đổi.
Sử dụng ER như là yếu tố làm mịn alpha của hàm pine_ema để tính năng động trung bình EMA và độ lệch tuyệt đối của giá trị tài sản ròng.
Tổng cộng và trừ đi độ lệch tuyệt đối từ trung bình EMA để có được các dải trên và dưới thay đổi động.
Khi giá trị tài sản ròng hiện tại vượt qua dải trên, mở một vị trí dài, và khi nó vượt qua dải dưới, đóng vị trí.

Ưu điểm chiến lược

Nó sử dụng đầy đủ tất cả các thông tin có trong dữ liệu chuỗi thời gian về giá trị tài sản ròng, mà không cần thiết phải thiết lập bất kỳ thông số và tối ưu hóa, phương pháp là đơn giản và tự nhiên.
Bằng cách tính toán năng động ER để điều chỉnh yếu tố làm mịn EMA, nó có thể thích nghi với sự phức tạp của sự thay đổi giá trị tài sản ròng và đáp ứng linh hoạt với những thay đổi trên thị trường.
So với EMA tham số cố định truyền thống, EMA năng động có thể giảm hiệu quả số lượng giao dịch và thời gian giữ, giảm chi phí giao dịch và rủi ro.
So với mua và giữ, chiến lược này có thể làm giảm mức rút tối đa 2-3 lần, hoặc tăng lợi nhuận 2-3 lần dưới cùng một mức rút.
Nó có thể dễ dàng được áp dụng cho sự kết hợp của nhiều chiến lược để đạt được mục đích tự động bật / tắt các chiến lược.

Rủi ro chiến lược

Chiến lược này dựa trên dữ liệu chuỗi thời gian về giá trị tài sản ròng. Đối với các tình huống khi xu hướng giá đảo ngược cơ bản, tốc độ kích hoạt đóng các vị trí có thể chậm hơn, do đó ảnh hưởng đến lợi nhuận.
Mặc dù chiến lược này có thể điều chỉnh các tham số theo cách thích nghi, nhưng khả năng thích nghi với các điều kiện thị trường cực đoan cần được kiểm tra thêm.
Chiến lược này hiện nay chủ yếu tập trung vào các vị trí dài, và cần được cải thiện hơn nữa cho các vị trí ngắn.
Trong các ứng dụng thực tế, chiến lược này có yêu cầu cao hơn về chất lượng của các mục tiêu được chọn và đòi hỏi phải chọn các mục tiêu có xu hướng tăng dài hạn.

Hướng dẫn tối ưu hóa chiến lược

Xem xét tối ưu hóa thêm phương pháp tính toán ER, giới thiệu nhiều chỉ số hơn phản ánh các đặc điểm của sự thay đổi giá trị tài sản ròng và cải thiện độ vững chắc và hiệu quả của ER.
Cải thiện thêm các điều kiện mở và đóng, chẳng hạn như xem xét thêm stop loss, stop loss phần trăm, v.v., để cải thiện lợi nhuận và khả năng chống rủi ro của chiến lược.
Đối với các mục tiêu và môi trường thị trường khác nhau, tối ưu hóa các tham số và điều chỉnh phù hợp chiến lược để cải thiện tính linh hoạt của chiến lược.
Kết hợp chiến lược này với các chiến lược khác (chẳng hạn như theo dõi xu hướng, đảo ngược trung bình, v.v.) để tận dụng lợi thế của các chiến lược khác nhau và cải thiện độ bền và lợi nhuận của danh mục đầu tư.

Tóm lại

Chiến lược này tính toán năng động tỷ lệ hiệu quả (ER) như là yếu tố làm mịn của đường trung bình động theo cấp số (EMA), điều chỉnh thích nghi các dải trên và dưới, và kích hoạt tín hiệu mua và bán. Chiến lược này sử dụng đầy đủ thông tin có trong dữ liệu chuỗi thời gian của giá trị tài sản ròng, mà không cần quá nhiều cài đặt và tối ưu hóa tham số, phương pháp này đơn giản và tự nhiên, và có thể đáp ứng linh hoạt với những thay đổi thị trường và kiểm soát hiệu quả các khoản rút. Tuy nhiên, khả năng thích nghi của chiến lược này với các điều kiện thị trường cực đoan cần được kiểm tra thêm, và nên chú ý đến việc lựa chọn mục tiêu trong các ứng dụng thực tế. Trong tương lai, chúng ta có thể tối ưu hóa và cải thiện thêm chiến lược từ các khía cạnh tính toán, điều kiện mở và đóng, tối ưu hóa tham số, chiến lược kết hợp, v.v., để cải thiện độ bền và lợi nhuận của chiến lược.

/*backtest
start: 2023-03-26 00:00:00
end: 2024-03-31 00:00:00
period: 1d
basePeriod: 1h
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/

//@version=4
strategy('Equity control', 'EC')
// study('Exponential bands', 'EB', overlay = true)


er(src) =>
    var start = src
    var total = 0.0

    total += abs(src - nz(src[1], src))
    net    = abs(src - start          )
    
    net / total

pine_ema(src, alpha) =>
    mean = 0.0
    dev  = 0.0

    mean := na(mean[1]) ? src : (1 - alpha) * mean[1] + alpha *     src
    dev  := na(dev [1]) ? 0   : (1 - alpha) * dev [1] + alpha * abs(src - mean)

    [mean, dev]


src = input(close)


a           = er      (src   )
[mean, dev] = pine_ema(src, a)

dev_lower = mean - dev
dev_upper = mean + dev


// plot(dev_lower, 'lower deviation', color.silver, 2, plot.style_stepline)
// plot(mean     , 'basis'          , color.purple, 1, plot.style_stepline)
// plot(dev_upper, 'upper deviation', color.silver, 2, plot.style_stepline)


if src > dev_upper
    strategy.entry('event', true, comment = 'on')
if src < dev_lower
    strategy.close('event', comment = 'off')


plot(strategy.equity)

//bigDope

Thêm nữa

2019 FMZ - Tất cả các quyền được bảo lưu