ChaoZhang
1
tập trung vào
1617
Người theo dõi
Tổng quan
Chiến lược này là một hệ thống giao dịch tự điều chỉnh dựa trên RSI (chỉ số tương đối mạnh) để tối ưu hóa việc tạo tín hiệu giao dịch bằng cách điều chỉnh động so với ngưỡng mua bán quá mức. Sự đổi mới cốt lõi của chiến lược là việc giới thiệu phương pháp Bufi tự điều chỉnh ngưỡng (BAT), điều chỉnh ngưỡng kích hoạt RSI theo xu hướng thị trường và động lực biến động giá, làm tăng hiệu quả của chiến lược RSI truyền thống.
Nguyên tắc chiến lược
Trung tâm của chiến lược là nâng cấp hệ thống RSI cố định truyền thống thành hệ thống giảm giá động. Các cách thực hiện cụ thể như sau:
- Sử dụng RSI ngắn hạn để tính toán thị trường quá mua quá bán
- Tính lệch xu hướng giá tính bằng hồi quy tuyến tính
- Sử dụng chênh lệch chuẩn để đo lường mức độ biến động giá
- Kết hợp thông tin xu hướng và biến động, động điều chỉnh RSI
- Tăng giá trong xu hướng tăng, giảm giá trong xu hướng giảm
- Giảm độ nhạy cảm khi giá lệch so với giá trung bình
Chiến lược cũng bao gồm hai cơ chế kiểm soát rủi ro:
- Cơ chế thanh toán định kỳ
- Cơ chế dừng lỗ tối đa
Lợi thế chiến lược
- Khả năng thích ứng:
- Có thể tự động điều chỉnh giá trị giao dịch theo tình trạng thị trường
- Tránh sử dụng các tham số cố định trong các môi trường thị trường khác nhau
- Kiểm soát rủi ro:
- Giới hạn thời gian nắm giữ tối đa
- Bao gồm các cơ chế bảo vệ tài chính.
- Sử dụng quản lý tỷ lệ phần trăm
- Chất lượng tín hiệu được cải thiện:
- Những tín hiệu sai lệch làm giảm thị trường chấn động
- Cải thiện khả năng nắm bắt thị trường xu hướng
- Cân bằng giữa nhạy cảm và ổn định
Rủi ro chiến lược
- Tính nhạy cảm của tham số:
- Lựa chọn hệ số BAT ảnh hưởng đến hiệu suất chiến lược
- Các thiết lập chu kỳ RSI cần được kiểm tra đầy đủ
- Các tham số chiều dài thích ứng cần được tối ưu hóa
- Môi trường thị trường phụ thuộc vào:
- Có thể bỏ lỡ cơ hội trong thị trường biến động cao
- Stop loss có thể bị trượt khi biến động mạnh
- Cần điều chỉnh các tham số theo thị trường khác nhau
- Hạn chế về mặt kỹ thuật:
- Mức giới hạn dựa trên dữ liệu lịch sử
- Có thể có sự chậm trễ
- Cần tính đến tác động của chi phí giao dịch
Hướng tối ưu hóa chiến lược
- Tối ưu hóa tham số:
- Giới thiệu cơ chế lựa chọn tham số thích ứng
- Các tham số điều chỉnh theo động lực của chu kỳ thị trường khác nhau
- Thêm các tham số để tự động tối ưu hóa
- Tối ưu hóa tín hiệu:
- Kết hợp với chứng thực các chỉ số kỹ thuật khác
- Thêm chức năng nhận dạng chu kỳ thị trường
- Tối ưu hóa quyết định thời gian nhập học
- Tối ưu hóa kiểm soát rủi ro:
- Tiến hành hệ thống dừng lỗ động
- Tối ưu hóa chiến lược quản lý vị thế
- Đã thêm cơ chế kiểm soát thoái lui
Tóm tắt
Đây là một chiến lược giao dịch tự thích ứng sáng tạo, giải quyết các hạn chế của chiến lược RSI truyền thống thông qua tối ưu hóa giảm giá động. Chiến lược tổng hợp xem xét xu hướng và biến động của thị trường, có khả năng thích ứng và kiểm soát rủi ro mạnh mẽ. Mặc dù có những thách thức như tối ưu hóa tham số, nhưng thông qua cải tiến và tối ưu hóa liên tục, chiến lược này có khả năng đạt được hiệu suất ổn định trong giao dịch thực tế.
Mã nguồn chiến lược
/*backtest
start: 2019-12-23 08:00:00
end: 2024-11-11 00:00:00
period: 1d
basePeriod: 1d
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/
// This Pine Script™ code is subject to the terms of the Mozilla Public License 2.0 at https://mozilla.org/MPL/2.0/
// © PineCodersTASC
// TASC Issue: October 2024
// Article: Overbought/Oversold
// Oscillators: Useless Or Just Misused
// Article By: Francesco P. Bufi
// Language: TradingView's Pine Script™ v5
// Provided By: PineCoders, for tradingview.com
//@version=5
title ='TASC 2024.10 Adaptive Oscillator Threshold'
stitle = 'AdapThrs'
strategy(title, stitle, false, default_qty_type = strategy.percent_of_equity,
default_qty_value = 10, slippage = 5)
// --- Inputs ---
string sys = input.string("BAT", "System", options=["Traditional", "BAT"])
int rsiLen = input.int(2, "RSI Length", 1)
int buyLevel = input.int(14, "Buy Level", 0)
int adapLen = input.int(8, "Adaptive Length", 2)
float adapK = input.float(6, "Adaptive Coefficient")
int exitBars = input.int(28, "Fixed-Bar Exit", 1, group = "Strategy Settings")
float DSL = input.float(1600, "Dollar Stop-Loss", 0, group = "Strategy Settings")
// --- Functions ---
// Bufi's Adaptive Threshold
BAT(float price, int length) =>
float sd = ta.stdev(price, length)
float lr = ta.linreg(price, length, 0)
float slope = (lr - price[length]) / (length + 1)
math.min(0.5, math.max(-0.5, slope / sd))
// --- Calculations ---
float osc = ta.rsi(close, rsiLen)
// Strategy entry rules
// - Traditional system
if sys == "Traditional" and osc < buyLevel
strategy.entry("long", strategy.long)
// - BAT system
float thrs = buyLevel * adapK * BAT(close, adapLen)
if sys == "BAT" and osc < thrs
strategy.entry("long", strategy.long)
// Strategy exit rules
// - Fixed-bar exit
int nBar = bar_index - strategy.opentrades.entry_bar_index(0)
if exitBars > 0 and nBar >= exitBars
strategy.close("long", "exit")
// - Dollar stop-loss
if DSL > 0 and strategy.opentrades.profit(0) <= - DSL
strategy.close("long", "Stop-loss", immediately = true)
// Visuals
rsiColor = #1b9e77
thrsColor = #d95f02
rsiLine = plot(osc, "RSI", rsiColor, 1)
thrsLine = plot(sys == "BAT" ? thrs : buyLevel, "Threshold", thrsColor, 1)
zeroLine = plot(0.0, "Zero", display = display.none)
fill(zeroLine, thrsLine, sys == "BAT" ? thrs : buyLevel, 0.0, color.new(thrsColor, 60), na)