এই কৌশলটি ট্রেডিংয়ের জন্য একটি নিউরাল নেটওয়ার্ক মডেল, আরএসআই সূচক এবং সুপার ট্রেন্ড সূচককে একত্রিত করে।
এর যুক্তি হচ্ছে:
ভলিউম পরিবর্তন, বোলিংজার ব্যান্ড, আরএসআই ইত্যাদি সহ ইনপুট সহ একটি নিউরাল নেটওয়ার্ক মডেল তৈরি করুন।
নেটওয়ার্ক ভবিষ্যতে মূল্য পরিবর্তনের হার পূর্বাভাস
RSI মান গণনা করুন এবং পূর্বাভাস মূল্য পরিবর্তন সঙ্গে একত্রিত
RSI এর উপর ভিত্তি করে গতিশীল স্টপ লস লাইন তৈরি করুন
যখন দাম স্টপ লসের উপরে ভেঙে যায় তখন শর্ট যান; যখন দাম ডাউন স্টপের নিচে ভেঙে যায় তখন দীর্ঘ যান
ফিল্টারিংয়ের জন্য সুপার ট্রেন্ড ট্রেন্ড বিচার ব্যবহার করুন
এই কৌশলটি জটিল তথ্য মডেলিংয়ের জন্য নিউরাল নেটওয়ার্কগুলির ক্ষমতা ব্যবহার করে, ঝুঁকি নিয়ন্ত্রণের সময় নির্ভুলতা উন্নত করতে আরএসআই এবং সুপার ট্রেন্ডের মতো সূচক থেকে অতিরিক্ত সংকেত যাচাইকরণের সাথে।
প্রবণতা নির্ধারণের জন্য নিউরাল নেটওয়ার্কগুলি বহু-মাত্রিক ডেটা মডেল করে
আরএসআই বন্ধ লাভ রক্ষা, সুপার ট্রেন্ড বিচার সাহায্য
সিগন্যালের গুণমান উন্নত করতে একাধিক সূচক একত্রিত হয়
নিউরাল নেটওয়ার্ক প্রশিক্ষণের জন্য বড় ডেটা সেট প্রয়োজন
আরএসআই এবং সুপার ট্রেন্ড পরামিতিগুলির সূক্ষ্ম-নিয়ন্ত্রণ প্রয়োজন
পারফরম্যান্স মডেল ভবিষ্যদ্বাণী উপর নির্ভর করে, অনিশ্চয়তা বিদ্যমান
এই কৌশলটি মেশিন লার্নিংকে ঝুঁকি নিয়ন্ত্রণের সাথে দক্ষতার জন্য ঐতিহ্যগত কৌশলগুলির সাথে একত্রিত করে। কিন্তু পরামিতি এবং মডেল ব্যাখ্যাযোগ্যতার উন্নতি প্রয়োজন।
/*backtest start: 2023-08-14 00:00:00 end: 2023-09-13 00:00:00 period: 2h basePeriod: 15m exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}] */ //@version=4 //ANN taken from https://www.tradingview.com/script/Eq4zZsTI-ANN-MACD-BTC/ //it only work for BTC as the ANN is trained for this data only //super trend https://www.tradingview.com/script/VLWVV7tH-SuperTrend/ // Strategy version created for @che_trader strategy ("ANN RSI SUPER TREND STRATEGY BY che_trader", overlay = true) qty = input(10000, "Buy quantity") testStartYear = input(2019, "Backtest Start Year") testStartMonth = input(1, "Backtest Start Month") testStartDay = input(1, "Backtest Start Day") testStartHour = input(0, "Backtest Start Hour") testStartMin = input(0, "Backtest Start Minute") testPeriodStart = timestamp(testStartYear,testStartMonth,testStartDay,testStartHour,testStartMin) testStopYear = input(2099, "Backtest Stop Year") testStopMonth = input(1, "Backtest Stop Month") testStopDay = input(30, "Backtest Stop Day") testPeriodStop = timestamp(testStopYear,testStopMonth,testStopDay,0,0) testPeriod() => true max_bars_back = (21) src = close[0] // Essential Functions // Highest - Lowest Functions ( All efforts goes to RicardoSantos ) f_highest(_src, _length)=> _adjusted_length = _length < 1 ? 1 : _length _value = _src for _i = 0 to (_adjusted_length-1) _value := _src[_i] >= _value ? _src[_i] : _value _return = _value f_lowest(_src, _length)=> _adjusted_length = _length < 1 ? 1 : _length _value = _src for _i = 0 to (_adjusted_length-1) _value := _src[_i] <= _value ? _src[_i] : _value _return = _value // Function Sum f_sum(_src , _length) => _output = 0.00 _length_adjusted = _length < 1 ? 1 : _length for i = 0 to _length_adjusted-1 _output := _output + _src[i] // Unlocked Exponential Moving Average Function f_ema(_src, _length)=> _length_adjusted = _length < 1 ? 1 : _length _multiplier = 2 / (_length_adjusted + 1) _return = 0.00 _return := na(_return[1]) ? _src : ((_src - _return[1]) * _multiplier) + _return[1] // Unlocked Moving Average Function f_sma(_src, _length)=> _output = 0.00 _length_adjusted = _length < 0 ? 0 : _length w = cum(_src) _output:= (w - w[_length_adjusted]) / _length_adjusted _output // Definition : Function Bollinger Bands Multiplier = 2 _length_bb = 20 e_r = f_sma(src,_length_bb) // Function Standard Deviation : f_stdev(_src,_length) => float _output = na _length_adjusted = _length < 2 ? 2 : _length _avg = f_ema(_src , _length_adjusted) evar = (_src - _avg) * (_src - _avg) evar2 = ((f_sum(evar,_length_adjusted))/_length_adjusted) _output := sqrt(evar2) std_r = f_stdev(src , _length_bb ) upband = e_r + (Multiplier * std_r) // Upband dnband = e_r - (Multiplier * std_r) // Lowband basis = e_r // Midband // Function : RSI length = input(14, minval=1) // f_rma(_src, _length) => _length_adjusted = _length < 1 ? 1 : _length alpha = _length_adjusted sum = 0.0 sum := (_src + (alpha - 1) * nz(sum[1])) / alpha f_rsi(_src, _length) => _output = 0.00 _length_adjusted = _length < 0 ? 0 : _length u = _length_adjusted < 1 ? max(_src - _src[_length_adjusted], 0) : max(_src - _src[1] , 0) // upward change d = _length_adjusted < 1 ? max(_src[_length_adjusted] - _src, 0) : max(_src[1] - _src , 0) // downward change rs = f_rma(u, _length) / f_rma(d, _length) res = 100 - 100 / (1 + rs) res _rsi = f_rsi(src, length) // MACD _fastLength = input(12 , title = "MACD Fast Length") _slowlength = input(26 , title = "MACD Slow Length") _signalLength = input(9 , title = "MACD Signal Length") _macd = f_ema(close, _fastLength) - f_ema(close, _slowlength) _signal = f_ema(_macd, _signalLength) _macdhist = _macd - _signal // Inputs on Tangent Function : tangentdiff(_src) => nz((_src - _src[1]) / _src[1] ) // Deep Learning Activation Function (Tanh) : ActivationFunctionTanh(v) => (1 - exp(-2 * v))/( 1 + exp(-2 * v)) // DEEP LEARNING // INPUTS : input_1 = tangentdiff(volume) input_2 = tangentdiff(dnband) input_3 = tangentdiff(e_r) input_4 = tangentdiff(upband) input_5 = tangentdiff(_rsi) input_6 = tangentdiff(_macdhist) // LAYERS : // Input Layers n_0 = ActivationFunctionTanh(input_1 + 0) n_1 = ActivationFunctionTanh(input_2 + 0) n_2 = ActivationFunctionTanh(input_3 + 0) n_3 = ActivationFunctionTanh(input_4 + 0) n_4 = ActivationFunctionTanh(input_5 + 0) n_5 = ActivationFunctionTanh(input_6 + 0) // Hidden Layers n_6 = ActivationFunctionTanh( -2.580743 * n_0 + -1.883627 * n_1 + -3.512462 * n_2 + -0.891063 * n_3 + -0.767728 * n_4 + -0.542699 * n_5 + 0.221093) n_7 = ActivationFunctionTanh( -0.131977 * n_0 + -1.543499 * n_1 + 0.019450 * n_2 + 0.041301 * n_3 + -0.926690 * n_4 + -0.797512 * n_5 + -1.804061) n_8 = ActivationFunctionTanh( -0.587905 * n_0 + -7.528007 * n_1 + -5.273207 * n_2 + 1.633836 * n_3 + 6.099666 * n_4 + 3.509443 * n_5 + -4.384254) n_9 = ActivationFunctionTanh( -1.026331 * n_0 + -1.289491 * n_1 + -1.702887 * n_2 + -1.052681 * n_3 + -1.031452 * n_4 + -0.597999 * n_5 + -1.178839) n_10 = ActivationFunctionTanh( -5.393730 * n_0 + -2.486204 * n_1 + 3.655614 * n_2 + 1.051512 * n_3 + -2.763198 * n_4 + 6.062295 * n_5 + -6.367982) n_11 = ActivationFunctionTanh( 1.246882 * n_0 + -1.993206 * n_1 + 1.599518 * n_2 + 1.871801 * n_3 + 0.294797 * n_4 + -0.607512 * n_5 + -3.092821) n_12 = ActivationFunctionTanh( -2.325161 * n_0 + -1.433500 * n_1 + -2.928094 * n_2 + -0.715416 * n_3 + -0.914663 * n_4 + -0.485397 * n_5 + -0.411227) n_13 = ActivationFunctionTanh( -0.350585 * n_0 + -0.810108 * n_1 + -1.756149 * n_2 + -0.567176 * n_3 + -0.954021 * n_4 + -1.027830 * n_5 + -1.349766) // Output Layer _output = ActivationFunctionTanh(2.588784 * n_6 + 0.100819 * n_7 + -5.305373 * n_8 + 1.167093 * n_9 + 3.770143 * n_10 + 1.269190 * n_11 + 2.090862 * n_12 + 0.839791 * n_13 + -0.196165) _chg_src = tangentdiff(src) * 100 _seed = (_output - _chg_src) // BEGIN ACTUAL STRATEGY length1 = input(title="RSI Period", type=input.integer, defval=21) mult = input(title="RSI Multiplier", type=input.float, step=0.1, defval=4.0) wicks = input(title="Take Wicks into Account ?", type=input.bool, defval=false) showLabels = input(title="Show Buy/Sell Labels ?", type=input.bool, defval=true) srsi = mult* rsi(_seed ,length1) longStop = hl2 - srsi longStopPrev = nz(longStop[1], longStop) longStop := (wicks ? low[1] : close[1]) > longStopPrev ? max(longStop, longStopPrev) : longStop shortStop = hl2 + srsi shortStopPrev = nz(shortStop[1], shortStop) shortStop := (wicks ? high[1] : close[1]) < shortStopPrev ? min(shortStop, shortStopPrev) : shortStop dir = 1 dir := nz(dir[1], dir) dir := dir == -1 and (wicks ? high : close) > shortStopPrev ? 1 : dir == 1 and (wicks ? low : close) < longStopPrev ? -1 : dir longColor = color.green shortColor = color.red plot(dir == 1 ? longStop : na, title="Long Stop", style=plot.style_linebr, linewidth=2, color=longColor) buySignal = dir == 1 and dir[1] == -1 plotshape(buySignal ? longStop : na, title="Long Stop Start", location=location.absolute, style=shape.circle, size=size.tiny, color=longColor, transp=0) plotshape(buySignal and showLabels ? longStop : na, title="Buy Label", text="Buy", location=location.absolute, style=shape.labelup, size=size.tiny, color=longColor, textcolor=color.white, transp=0) plot(dir == 1 ? na : shortStop, title="Short Stop", style=plot.style_linebr, linewidth=2, color=shortColor) sellSignal = dir == -1 and dir[1] == 1 plotshape(sellSignal ? shortStop : na, title="Short Stop Start", location=location.absolute, style=shape.circle, size=size.tiny, color=shortColor, transp=0) plotshape(sellSignal and showLabels ? shortStop : na, title="Sell Label", text="Sell", location=location.absolute, style=shape.labeldown, size=size.tiny, color=shortColor, textcolor=color.white, transp=0) if testPeriod() and buySignal strategy.entry("Long",strategy.long) if testPeriod() and sellSignal strategy.entry("Short",strategy.short)