ChaoZhang
概述
该策略结合了指数移动平均线(EMA)和移动平均收敛离差(MACD)两个指标来产生交易信号,并采用跟踪止损来控制风险。策略适用于趋势性行情,旨在追踪中期趋势进行长线持仓。
策略原理
当快速EMA线上穿慢速EMA线且MACDhistogram柱变空头时,策略做多;当做多头仓位存在时,设置一个向下的跟踪止损线,如果价格下跌超过止损线一定比例就止损退出做多头仓位。
具体来说,策略使用7日EMA和14日EMA构建快慢EMA;使用12日EMA减26日EMA得到MACD值,再用9日EMA得到Signal线。当7日EMA上穿14日EMA且MACD值上穿Signal时,做多开仓;之后设置一个向下的跟踪止损线,如果价格较高点下跌超过某比例就止损退出做多单。
优势分析
该策略结合EMA和MACD两个指标,能够有效过滤假突破。EMA判断趋势方向,MACD判断买卖点位,两者结合可以减少交易频率的同时提高信号质量。跟踪止损可以最大限度保护已实现利润,在发生重大不利行情时及时止损。
回测显示该策略在熊市中也能获得较好收益,表明策略具有一定的鲁棒性。策略交易频率不高,适合中长期持仓。可适当调整EMA周期参数来调整策略的趋势性。
风险分析
该策略主要 based on 指标,存在被套利的风险。当市场处于震荡调整阶段时,EMA 和 MACD 可能产生大量假信号,导致过度交易和亏损。跟踪止损仅对突破下方有效,无法应对突破上方后的大幅回落。
可以通过适当扩大 EMA 周期参数来减少误信号。也可以结合其他指标过滤信号,例如量能指标、波动率指标等。此外,可根据市场情况调整止损比例,以平衡止损与套利风险。
优化方向
可以测试不同的EMA周期组合,找到更适合策略的周期参数。
可以加入其他指标进行信号过滤,例如RSI、KD等,提高信号质量。
可以根据不同品种调整止损比例,设置动态跟踪止损来优化止损策略。
可以结合突破、形态等技术指标,设定更多开仓和平仓条件,使策略更具定制性。
可以引入机器学习预测周期趋势方向,辅助EMA判定整体趋势。
总结
该策略整体来说较为稳健,在熊市中也能获得不错收益。但存在一定的被套利风险,需要对参数和过滤条件进行优化。若能够进一步结合其他技术指标和机器学习等手段进行优化提升,该策略的效果会更好。总的来说,该策略为量化交易提供了一个可靠的模板。
/*backtest
start: 2023-09-12 00:00:00
end: 2023-09-19 00:00:00
period: 10m
basePeriod: 1m
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/
// © Coinrule
//@version=5
strategy('EMA and MACD with Trailing Stop Loss',
overlay=true,
initial_capital=1000,
process_orders_on_close=true,
default_qty_type=strategy.percent_of_equity,
default_qty_value=30,
commission_type=strategy.commission.percent,
commission_value=0.1)
showDate = input(defval=true, title='Show Date Range')
timePeriod = time >= timestamp(syminfo.timezone, 2022, 1, 1, 0, 0)
notInTrade = strategy.position_size <= 0
// EMAs
fastEMA = ta.ema(close, 7)
slowEMA = ta.ema(close, 14)
plot(fastEMA, color = color.blue)
plot(slowEMA, color = color.green)
//buyCondition1 = ta.crossover(fastEMA, slowEMA)
buyCondition1 = fastEMA > slowEMA
// DMI and MACD inputs and calculations
[macd, macd_signal, macd_histogram] = ta.macd(close, 12, 26, 9)
buyCondition2 = ta.crossover(macd_signal, macd)
// Configure trail stop level with input options
longTrailPerc = input.float(title='Trail Long Loss (%)', minval=0.0, step=0.1, defval=3) * 0.01
shortTrailPerc = input.float(title='Trail Short Loss (%)', minval=0.0, step=0.1, defval=1) * 0.01
// Determine trail stop loss prices
longStopPrice = 0.0
shortStopPrice = 0.0
longStopPrice := if strategy.position_size > 0
stopValue = close * (1 - longTrailPerc)
math.max(stopValue, longStopPrice[1])
else
0
shortStopPrice := if strategy.position_size < 0
stopValue = close * (1 + shortTrailPerc)
math.min(stopValue, shortStopPrice[1])
else
999999
if (buyCondition1 and buyCondition2 and notInTrade and timePeriod)
strategy.entry(id="Long", direction = strategy.long)
strategy.exit(id="Exit", stop = longStopPrice, limit = shortStopPrice)
//if (sellCondition1 and sellCondition2 and notInTrade and timePeriod)
//strategy.close(id="Close", when = sellCondition1 or sellCondition2)