ChaoZhang
概述
交易黄金时段策略通过历史数据回测,自动判断每天哪个时段最适合买入和卖出,并在对应的时段发出交易信号。该策略利用ROC指标计算K线在不同时段的涨跌幅度,进而评估不同时段的交易效果,找出最佳买入和卖出时段。
策略原理
使用现有时间得到当前小时数now_hour。
使用ROC指标计算出每小时的K线涨跌幅度indicator。
计算indicator与now_hour的累积乘积buy_hourXindicator_cum。
计算indicator的累积和buy_indicator_cum。
最佳买入时段buy_hour = buy_hourXindicator_cum / buy_indicator_cum。
同理计算最佳卖出时段sell_hour。
比较now_hour与buy_hour和sell_hour,判断当前时段是否最佳买入或卖出时段。
在最佳买入和卖出时段发出对应的信号。
用不同背景颜色实时显示最佳买入卖出时段。
优势分析
该策略最大的优势是能够自动判断每天最适合交易的时段。不需要人工观察历史数据来判断最佳交易时段,节省大量时间和精力。同时,该策略可以根据实时数据调整最佳交易时段,对市场变化做出快速反应。相比固定的交易时段,该策略更具优势。
另外,该策略有效利用了ROC指标。通过计算每小时K线的涨跌幅度,可以更准确判断不同时段的交易效果。ROC指标对异方波动较敏感,能反映市场变化。
风险分析
该策略最大的风险在于ROC指标本身的局限性。ROC仅考虑价格变化率,对交易量变化不敏感。同时ROC对盘整范围窄的市场效果不好。如果遇到横盘整理的市场,ROC指标效果会打折扣。
此外,策略用于回测历史数据求出最佳交易时段。但历史规律未必适用于当前市场。市场可能发生结构性变化,原有的交易规律不再适用。这需要针对当前市场行情调整参数,而不能完全依赖回测结果。
对此,可以考虑结合其他指标进行复合计算,如交易量,获得更全面的市场状态判断。同时需要针对当前市场行情进行参数调整测试,确保交易信号符合新的市场状态。
优化方向
该策略可以从以下几个方面进行优化:
尝试其他指标替换ROC指标,如交易量,寻找更合适的指标计算时段强弱。
增加其他过滤条件,利用均线,震荡指标等判断局部趋势,避免不合理交易。
优化时间周期参数,测试不同的时间周期参数对结果的影响。
增加止损机制,设置合理的止损点,控制交易风险。
结合机器学习方法,利用更大数据量求解最优交易时段。
总结
该交易黄金时段策略总体来说是一种可行且有效的方法。它利用ROC指标自动判断每天最佳的买入卖出时段,节省大量时间和精力。但我们也要注意ROC指标和历史回测的局限性,针对当前市场行情调整参数。此外,该策略还有很多提升空间,可以从多方面进行优化,使得信号更加准确可靠。如果用于实盘,建议严格遵守止损规则,控制交易风险。
/*backtest
start: 2023-08-19 00:00:00
end: 2023-09-18 00:00:00
period: 2h
basePeriod: 15m
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/
// © mablue (Masoud Azizi)
//@version=5
strategy("Trade Hour V3",overlay=false)
timezone = input.string("Europe/London",options=["America/New_York","America/Los_Angeles","America/Chicago","America/Phoenix","America/Toronto","America/Vancouver","America/Argentina" ,"America/El_Salvador","America/Sao_Paulo","America/Bogota","Europe/Moscow","Europe/Athens","Europe/Berlin","Europe/London","Europe/Madrid","Europe/Paris","Europe/Warsaw","Australia/Sydney","Australia/Brisbane","Australia/Adelaide","Australia/ACT","Asia/Almaty","Asia/Ashkhabad","Asia/Tokyo","Asia/Taipei","Asia/Singapore","Asia/Shanghai","Asia/Seoul","Asia/Tehran","Asia/Dubai","Asia/Kolkata","Asia/Hong_Kong","Asia/Bangkok","Pacific/Auckland","Pacific/Chatham","Pacific/Fakaofo","Pacific/Honolulu"] )
source = input.source(close)
tp = input.int(1,"ROC Timeperiod")
now_hour = hour(time,timezone)
indicator = ta.roc(source,tp)
buy_hourXindicator_cum = ta.cum(indicator* now_hour)
buy_indicator_cum = ta.cum(indicator)
buy_hour = buy_hourXindicator_cum/buy_indicator_cum
sell_hourXindicator_cum = ta.cum( (1/indicator ) * now_hour)
sell_indicator_cum = ta.cum(1/indicator)
sell_hour = sell_hourXindicator_cum/sell_indicator_cum
plot(buy_hour,color=color.green)
plot(sell_hour,color=color.red)
plot(now_hour,color=color.gray,display=display.none)
bool isLongBestHour = now_hour==math.round(buy_hour)
bool isShortBestHour = now_hour==math.round(sell_hour)
bgcolor(isLongBestHour ? color.new(color.green,80) : na)
bgcolor(isShortBestHour ? color.new(color.red,80) : na)
strategy.order("buy", strategy.long, when =isLongBestHour)
strategy.order("sell", strategy.short, when = isShortBestHour)