输入/搜索内容

改进波浪跟踪策略

通用策略
创建日期: 2024-01-31 15:35:41
最后修改: 3 年前
复制: 1
点击次数: 988
1
关注
1815
关注者

img

概述:这是一个应用波浪指标识别趋势的跟踪策略。它通过计算平均价格的指数移动平均线和绝对价格差的移动平均线,得到一波浪线。策略通过监控波浪线与超买超卖区域的交叉,产生交易信号。同时结合均线过滤和交易量过滤来避免错误信号。

策略原理:

  1. 计算平均价格ap=(最高价+最低价+收盘价)/3

  2. 计算n1周期的ap的EMA,得到esa

  3. 计算ap与esa的绝对差值的n1周期EMA,得到d

  4. 计算波浪线:ci=(ap-esa)/(0.015*d)

  5. 计算n2周期ci的EMA,得到终极波浪线tci,即wt1

  6. 计算wt1的4周期SMA,得到wt2

  7. 绘制超买区和超卖区的水平线obLevel1/2和osLevel1/2

  8. 当wt1上穿obLevel2线时产生买入信号;当wt1下穿osLevel2线时产生卖出信号

  9. 添加均线emaFilter和交易量volumeFilter作为过滤条件,避免错误信号

  10. 入场后设置止盈止损比例,退出持仓

优势分析:

  1. 波浪线比较好地处理了多空转换,可以有效捕捉趋势

  2. 结合均线和交易量双重过滤,可靠性较高

  3. 采用多组参数计算,避免了单一指标的局限性

  4. 设置止盈止损,可以锁定部分利润,有效控制风险

风险与缺陷:

  1. 参数的选择在某些情况下可能导致性能不佳或过度拟合

  2. 没有关于最优参数选择的明确指导,需要试错

  3. 未将更广泛的市场条件纳入信号中

  4. 如果在范围受限或波动市场中使用,存在鞭炮效应的风险

  5. 除了获利/止损之外,缺乏退出规则

优化方向:

  1. 在各种时间框架和资产上测试参数集,以找到最优值

  2. 结合波动性指标,避免在低波动性时期出现信号

  3. 添加补充指标如RSI以提高信号准确度

  4. 构建一个机器学习模型,寻找针对特定资产的最优参数

  5. 通过添加跟踪止损或基于突然的波动性扩张事件的退出来增强退出

总结:

这是一个结合波浪线和辅助指标设计的策略。它利用波浪线有效识别趋势转换的特点,辅以均线和交易量过滤来避免错误信号,能够获取大部分中长线趋势。同时采用止盈止损来控制风险。优化空间还很大,通过调整参数组合,结合更多指标,以及机器学习等方式不断改进,可以使策略在更多品种和时间周期上表现更好。

策略源码
Pine
/*backtest
start: 2023-12-31 00:00:00
end: 2024-01-30 00:00:00
period: 1h
basePeriod: 15m
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/

//@version=5
strategy("Bush Strategy test", shorttitle="Nique Audi", overlay=false)

// Paramètres
策略参数
策略参数
Channel Length
Average Length
Over Bought Level 1
Over Bought Level 2
Over Sold Level 1
Over Sold Level 2
Take Profit (%)
Stop Loss (%)
评论
全部评论 (0)
暂无数据
暂无数据
  • 1
社区
回测系统
APP 下载
iPhone 下载
© 2015 - ∞ INVENTOR PTE LTD (SG)