ChaoZhang
1
tập trung vào
1617
Người theo dõi
Tổng quan
Chiến lược này dựa trên các đặc điểm thay đổi động của MACD để đưa ra quyết định giao dịch. Cốt lõi của chiến lược là dự đoán xu hướng có thể xuất hiện bằng cách quan sát các biến động của MACD và Histogram để dự đoán các giao dịch có thể xuất hiện. Chiến lược này không chỉ tập trung vào tín hiệu giao chéo MACD truyền thống, mà còn tập trung vào các đặc điểm thay đổi động của biểu đồ cột để có được thời gian nhập cảnh tốt hơn bằng cách đoán trước tín hiệu giao chéo.
Nguyên tắc chiến lược
Chiến lược sử dụng hệ thống chỉ số MACD được cải tiến, bao gồm tính toán chênh lệch giữa trung bình di chuyển nhanh (EMA12) và trung bình di chuyển chậm (EMA26), và đường tín hiệu dựa trên 2 chu kỳ.
- Tính năng thay đổi của xu hướng bằng cách tính toán tỷ lệ thay đổi của biểu đồ trụ (hist_change)
- Khi biểu đồ cột là âm và có xu hướng tăng trong ba chu kỳ liên tiếp, dự đoán có thể xuất hiện tín hiệu gai vàng, tham gia sớm hơn
- Khi biểu đồ cột là tích cực và có xu hướng giảm trong ba chu kỳ liên tiếp, dự đoán có thể xuất hiện tín hiệu ngã ba, xuất cảnh bằng phẳng
- Chiến lược giới thiệu cơ chế lọc thời gian, chỉ giao dịch trong khoảng thời gian được chỉ định
Lợi thế chiến lược
- Tín hiệu dự đoán mạnh mẽ: dự đoán trước các tín hiệu chéo có thể xuất hiện bằng cách quan sát các thay đổi động của biểu đồ cột, hiệu quả nâng cao thời gian nhập cảnh
- Kiểm soát rủi ro hợp lý: đặt phí xử lý 0.1% và chi phí giao dịch 3 điểm trượt, phù hợp với môi trường giao dịch thực tế
- Quản lý tiền linh hoạt: sử dụng tỷ lệ phần trăm tổng giá trị tài khoản để quản lý vị trí, kiểm soát rủi ro hiệu quả
- Hiệu quả trực quan tuyệt vời: sử dụng các biểu đồ cột đánh dấu màu sắc khác nhau và đánh dấu tín hiệu giao dịch thông qua các mũi tên để phân tích dễ dàng
Rủi ro chiến lược
- Rủi ro phá vỡ giả: có thể xảy ra các tín hiệu phá vỡ giả thường xuyên trong thị trường dao động ngang
- Rủi ro về sự chậm trễ: Mặc dù có cơ chế phán đoán, MACD vẫn có một số rủi ro về sự chậm trễ
- Tùy thuộc vào môi trường thị trường: chiến lược hoạt động tốt hơn trong thị trường có xu hướng rõ rệt và có thể hoạt động kém hơn trong thị trường bất ổn
- Tính nhạy cảm của tham số: thiết lập chu kỳ dòng nhanh hoặc chậm có ảnh hưởng lớn đến hiệu suất của chiến lược
Hướng tối ưu hóa chiến lược
- Thêm bộ lọc môi trường thị trường: có thể thêm các chỉ số đánh giá xu hướng, sử dụng các tham số giao dịch khác nhau trong các môi trường thị trường khác nhau
- Quản lý vị trí tối ưu hóa: có thể điều chỉnh tỷ lệ giữ vị trí theo cường độ tín hiệu
- Cải thiện cơ chế dừng lỗ: thêm dừng theo dõi hoặc dừng cố định để kiểm soát rút lui
- Tăng cơ chế xác nhận tín hiệu: kiểm tra chéo kết hợp với các chỉ số kỹ thuật khác để tăng độ tin cậy tín hiệu
- Lựa chọn tham số tối ưu hóa: có thể sử dụng phương pháp tham số thích ứng, điều chỉnh tham số chỉ số theo tình hình thị trường động
Tóm tắt
Chiến lược này cải tiến và tối ưu hóa hệ thống giao dịch MACD truyền thống bằng cách sử dụng một cách sáng tạo các đặc điểm thay đổi động của đồ thị MACD. Cơ chế phán đoán của chiến lược có thể cung cấp tín hiệu nhập cảnh sớm hơn, trong khi các điều kiện giao dịch nghiêm ngặt và các biện pháp kiểm soát rủi ro đảm bảo sự ổn định của chiến lược. Bằng cách tối ưu hóa và hoàn thiện hơn nữa, chiến lược này có khả năng hoạt động tốt hơn trong giao dịch thực tế.
Mã nguồn chiến lược
/*backtest
start: 2019-12-23 08:00:00
end: 2024-11-25 08:00:00
period: 1d
basePeriod: 1d
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/
//@version=5
strategy(title="Demo GPT - Moving Average Convergence Divergence", shorttitle="MACD", commission_type=strategy.commission.percent, commission_value=0.1, slippage=3, default_qty_type=strategy.percent_of_equity, default_qty_value=100)
// Getting inputs
fast_length = input(title="Fast Length", defval=12)
slow_length = input(title="Slow Length", defval=26)
src = input(title="Source", defval=close)
signal_length = input.int(title="Signal Smoothing", minval=1, maxval=50, defval=2) // Set smoothing line to 2
sma_source = input.string(title="Oscillator MA Type", defval="EMA", options=["SMA", "EMA"])
sma_signal = input.string(title="Signal Line MA Type", defval="EMA", options=["SMA", "EMA"])
// Date inputs
start_date = input(title="Start Date", defval=timestamp("2018-01-01T00:00:00"))
end_date = input(title="End Date", defval=timestamp("2069-12-31T23:59:59"))
// Calculating
fast_ma = sma_source == "SMA" ? ta.sma(src, fast_length) : ta.ema(src, fast_length)
slow_ma = sma_source == "SMA" ? ta.sma(src, slow_length) : ta.ema(src, slow_length)
macd = fast_ma - slow_ma
signal = sma_signal == "SMA" ? ta.sma(macd, signal_length) : ta.ema(macd, signal_length)
hist = macd - signal
// Strategy logic
isInDateRange = true
// Calculate the rate of change of the histogram
hist_change = hist - hist[1]
// Anticipate a bullish crossover: histogram is negative, increasing, and approaching zero
anticipate_long = isInDateRange and hist < 0 and hist_change > 0 and hist > hist[1] and hist > hist[2]
// Anticipate an exit (bearish crossover): histogram is positive, decreasing, and approaching zero
anticipate_exit = isInDateRange and hist > 0 and hist_change < 0 and hist < hist[1] and hist < hist[2]
if anticipate_long
strategy.entry("Long", strategy.long)
if anticipate_exit
strategy.close("Long")
// Plotting
hline(0, "Zero Line", color=color.new(#787B86, 50))
plot(hist, title="Histogram", style=plot.style_columns, color=(hist >= 0 ? (hist > hist[1] ? #26A69A : #B2DFDB) : (hist < hist[1] ? #FF5252 : #FFCDD2)))
plot(macd, title="MACD", color=#2962FF)
plot(signal, title="Signal", color=#FF6D00)
// Plotting arrows when anticipating the crossover
plotshape(anticipate_long, title="Long +1", location=location.belowbar, color=color.green, style=shape.arrowup, size=size.tiny, text="Long +1")
plotshape(anticipate_exit, title="Short -1", location=location.abovebar, color=color.red, style=shape.arrowdown, size=size.tiny, text="Short -1")