概述
这个策略的主要思想是实时模拟交易,收集每周的交易数据,并以表格的形式展示统计结果,以便更直观地查看策略的表现。它可以帮助我们快速评估策略的盈亏情况,找出策略表现不佳的时间段,据此进行策略调整和优化。
策略原理
-
设置计算周期的开始和结束时间。
-
设置统计结果的精确度和每组包含的周数。
-
模拟RSI策略进行买入卖出。
-
定义统计表中的变量。
-
计算当前周期的结果。
-
如果周期改变并且允许交易,记录这一周期的时间和结果。
-
如果是最后一根K线且允许交易,记录当前周期的时间和结果。
-
如果周期改变且不允许交易,记录上一周期的时间和结果。
-
寻找最高和最低的周期结果。
-
渲染统计表格。
-
首先计算统计周期的总数
-
遍历每一个周期,渲染表头、时间和结果
-
对每组周期结果进行累积
-
用颜色标记正负结果
优势分析
-
可以实时观察每周交易结果,快速评估策略表现
-
直观展示结果,一目了然,便于找出策略表现差的周期
-
可以根据时间段的盈亏情况,调整和优化策略参数
-
可以方便地跟踪长期持仓策略的多周累积收益
-
可以对不同时间段的交易风格进行对比分析
-
自定义统计精度和分组周数,满足不同需求
-
代码实现简单清晰,容易理解和二次开发
风险分析
-
本策略基于RSI进行模拟交易,RSI策略本身存在跟随趋势不够强的缺点
-
在实盘中,交易费用会对结果产生较大影响
-
用于回测的历史数据不一定能反映实际交易环境
-
统计结果依赖真实账户资金数额,回测中默认资金数额不一定准确
-
需要注意防止过拟合,根据回测结果盲目修改策略参数
可以通过结合更多指标判断趋势,优化入场退出点,来增强RSI策略。实盘交易时注意按真实参数设置手续费。在回测阶段增大资金数额的波动,使之更贴近实际情况等。要持怀疑态度,避免根据统计结果过度调整策略。
优化方向
-
可以考虑加入止损逻辑,控制单笔损失
-
可以优化策略参数,如调整RSI的看涨看跌阈值
-
可以尝试不同的交易频率,例如日内交易或月度持仓
-
可以加入更多指标判断市场趋势和入场时机
-
可以考虑加入止盈逻辑
-
可以优化统计参数的设置
-
可以考虑实现对多种资产的统计
通过加入止损止盈,可以更好控制风险和收益比。优化RSI参数可以提高获胜率。采用更多指标和不同交易频率可以使策略更稳定。调整统计参数可以使结果更突出重点。从单一资产扩展到多资产统计,可以全面判断策略效果。
总结
该策略的目的是收集周期交易结果,以统计表格的形式直观展示,可以快速判断策略在不同时间段的盈亏情况。这为策略优化提供了数据支持。优点是可以实时查看每周结果,直观清晰,易于二次开发。需要注意的是,统计结果可能会导致过度依赖和拟合回测数据。我们应保持理性,结合策略本身的原理进行综合判断,用统计结果来发现问题而不是直接作为修改的依据。总体来说,该策略为快速评估策略表现提供了便利,在策略优化中发挥着重要作用。
/*backtest
start: 2023-09-12 00:00:00
end: 2023-10-12 00:00:00
period: 3h
basePeriod: 15m
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/
//@version=5
// strategy('Strategy weekly results as numbers v1', overlay=true, default_qty_type=strategy.percent_of_equity, default_qty_value=25, commission_type=strategy.commission.percent, commission_value=0.04)
after = input(title='Trade after', defval=timestamp('01 Jan 2019 00:00 UTC'), tooltip="Strategy will be executed after this timestamp. The statistic table will include only periods after this date.")- 1