রিসোর্স লোড হচ্ছে... লোডিং...

CT TTM স্ক্র্যাচ ভিত্তিক পরিমাণগত ট্রেডিং কৌশল

লেখক:চাওঝাং, তারিখ: ২০২৩-১১-১৫ ১৬ঃ০৬ঃ৩৭
ট্যাগঃ

সারসংক্ষেপ

এই কৌশলটি মূল্যের প্রবণতা চিহ্নিত করতে সিটি টিটিএম স্ক্র্যাজ সূচক ব্যবহার করে এবং ঝুঁকি নিয়ন্ত্রণের জন্য ট্রেলিং স্টপ প্রয়োগ করে। কৌশলটির নাম সিটি টিটিএম স্ক্র্যাজ ভিত্তিক ট্রেন্ড অনুসরণকারী কৌশল।

কৌশলগত যুক্তি

কৌশলটি মূল্যের প্রবণতা নির্ধারণের জন্য CT TTM Squeeze সূচক ব্যবহার করে। বিশেষত, নিম্নলিখিত ভেরিয়েবলগুলি কৌশলটিতে সংজ্ঞায়িত করা হয়েছেঃ

e1 - মাঝারি ব্যান্ডের মধ্যপন্থা
osc - একটি সময়কালে বন্ধ মূল্য এবং e1 মধ্যে পার্থক্য থেকে হিসাব oscillator রৈখিকভাবে ফিরে
Diff - বোলিংজার ব্যান্ড এবং কেল্টনার চ্যানেলের মধ্যে পার্থক্য
osc_color - দোলকের রং নির্ধারণ করুন
mid_color - ভিন্ন রং নির্ধারণ করুন

যদি osc ঊর্ধ্বমুখী হয়, তাহলে এটি সবুজ রঙে প্রদর্শিত হবে, যা দীর্ঘ নির্দেশ করে; যদি osc ঊর্ধ্বমুখী হয়, তাহলে এটি লাল রঙে প্রদর্শিত হবে, যা সংক্ষিপ্ত নির্দেশ করে।

যখন ওএসসি ধনাত্মক হয়, তখন লম্বা হয়; যখন ওএসসি নেতিবাচক হয়, তখন শর্ট হয়।

কৌশলটি ট্রেন্ডের দিকনির্দেশ নির্ধারণ করতে ওসিলেটর ওএসসি এবং দীর্ঘ / সংক্ষিপ্ত গতিবেগ পরিমাপ করার জন্য ডিফ ব্যবহার করে। যখন ওএসসি 0 এর উপরে অতিক্রম করে, এটি একটি আপট্রেন্ডের সংকেত দেয়, সুতরাং দীর্ঘ হয়ে যায়। যখন ওএসসি 0 এর নীচে অতিক্রম করে, এটি একটি ডাউনট্রেন্ডের সংকেত দেয়, সুতরাং শর্ট হয়ে যায়।

সুবিধা বিশ্লেষণ

এই কৌশলটির নিম্নলিখিত সুবিধা রয়েছে:

ট্রেন্ড নির্ধারণের জন্য CT TTM Squeeze ব্যবহারের তুলনামূলকভাবে উচ্চ নির্ভুলতা রয়েছে। CT TTM Squeeze বিস্তৃতভাবে চলমান গড়, বলিংজার ব্যান্ড এবং কেল্টনার চ্যানেলগুলি বিবেচনা করে, যা কার্যকরভাবে মূল্যের প্রবণতা সনাক্ত করতে পারে।
লং/শর্ট সিগন্যাল নির্ধারণের জন্য দোলকটি প্রয়োগ করলে নন-ট্রেন্ডিং জোনগুলিতে মিথ্যা সংকেত এড়ানো যায়। দোলকটি ট্রেডিং সংকেতগুলিতে ছোট দামের ওঠানামা প্রভাবকে কার্যকরভাবে ফিল্টার করতে পারে।
ট্রেলিং স্টপগুলি প্রতিটি ব্যবসায়ের জন্য ক্ষতি সীমাবদ্ধ করে ঝুঁকি নিয়ন্ত্রণের জন্য ব্যবহৃত হয়। কৌশলটি প্রবেশের পরে সময়মতো স্টপ লস সেট করে, যা মুনাফা লক করতে এবং অত্যধিক ক্ষতি এড়ানোর অনুমতি দেয়।
কৌশলটির কয়েকটি পরামিতি রয়েছে এবং এটি অপ্টিমাইজ করা সহজ। শুধুমাত্র দৈর্ঘ্য পরামিতির সাথে, এটি সর্বোত্তম পরামিতি সমন্বয় খুঁজে পেতে দ্রুত পরীক্ষার সুবিধার্থে।
প্লটিং ফাংশনগুলি সংকেতগুলি স্পষ্টভাবে প্রদর্শন করে। দীর্ঘ / সংক্ষিপ্ত সংকেত এবং শক্তি পার্থক্য করতে বিভিন্ন রঙ ব্যবহার করা হয়, দৃশ্যত প্রবণতা রায় উপস্থাপন করে।

ঝুঁকি বিশ্লেষণ

এই কৌশলটি নিম্নলিখিত ঝুঁকিগুলিও বহন করেঃ

সিটি টিটিএম চাপ নির্দিষ্ট বাজারের অবস্থার মধ্যে মিথ্যা সংকেত তৈরি করতে পারে, যা ট্রেডিংয়ের ক্ষতির দিকে পরিচালিত করে। যখন দামগুলি হিংস্রভাবে ওঠানামা করে তখন এটি ভুল দীর্ঘ / সংক্ষিপ্ত সংকেত তৈরি করতে পারে।
ওসিলেটরের বৈষম্যের ফলে ভুল ট্রেডিং সিগন্যাল হতে পারে। যখন দাম বিপরীত হয়েছে কিন্তু ওসিলেটর চালু হয়নি তখন সিগন্যালগুলি ভুল হতে পারে।
অত্যধিক আক্রমণাত্মক ট্রেলিং স্টপগুলি অপ্রয়োজনীয় ক্ষতির কারণ হতে পারে। স্টপ স্তরটি খুব কাছাকাছি সেট করা হলে স্বাভাবিক ওঠানামা ট্রেলিং স্টপ এবং ফোর্স আউট ট্রিগার করতে পারে।
এই কৌশলটি কেবলমাত্র শক্তিশালী ট্রেন্ডিং পণ্যগুলির জন্য উপযুক্ত, ব্যাপ্তিযুক্ত বাজারের জন্য নয়। যেহেতু এটি মূলত ট্রেন্ড ট্রেড করে, তাই অস্থির একীকরণ বাজারে পারফরম্যান্স খারাপ।
অত্যধিক অপ্টিমাইজেশান কার্ভ ফিটিং হতে পারে। প্যারামিটার অপ্টিমাইজেশনে ওভারফিটিং এড়াতে যত্ন নেওয়া উচিত।

অপ্টিমাইজেশান নির্দেশাবলী

কৌশলটি নিম্নলিখিত দিকগুলিতে অপ্টিমাইজ করা যেতে পারেঃ

সংকেত নির্ভুলতার জন্য একাধিক সূচক একত্রিত করুন। প্রবেশ সংকেতগুলি অনুকূল করতে এমএসিডি, কেডিজে এর মতো অন্যান্য সূচক যুক্ত করা যেতে পারে।
আরও বুদ্ধিমান স্টপগুলির জন্য স্টপ লস অপ্টিমাইজেশন মডিউল যুক্ত করুন। অনুকূলিত স্টপ, সীমা স্টপগুলির মতো ট্রেলিং স্টপ পদ্ধতিগুলি পরীক্ষা করা যেতে পারে।
নির্দিষ্ট ভগ্নাংশ, কেলি সূত্র ইত্যাদি পরীক্ষা করে অর্থ ব্যবস্থাপনাকে অনুকূল করা।
নির্দিষ্ট পণ্যগুলির জন্য অভিযোজনযোগ্যতা উন্নত করার জন্য প্যারামিটারগুলি সূক্ষ্মভাবে সামঞ্জস্য করুন। পণ্য বৈশিষ্ট্যগুলির উপর ভিত্তি করে প্যারামিটারগুলি সামঞ্জস্য করা কৌশলটি আরও ভাল করে তুলতে পারে।
অভিযোজনশীল শিক্ষার জন্য মেশিন লার্নিং অ্যালগরিদম যুক্ত করুন। RNN, LSTM ইত্যাদি ব্যবহার করে কৌশলটির অভিযোজনযোগ্য ক্ষমতা বাড়িয়ে তুলতে পারে।

সিদ্ধান্ত

এই কৌশলটি ট্রেন্ডের দিকনির্দেশ নির্ধারণ করতে সিটি টিটিএম সংকোচন ব্যবহার করে, প্রবেশ সংকেত হিসাবে দোলক 0 অতিক্রম করে এবং ঝুঁকিগুলি পরিচালনা করার জন্য ট্রেলিং স্টপগুলি। এর সুবিধাগুলি উচ্চ নির্ভুলতা, সহজ অপ্টিমাইজেশনে রয়েছে তবে সূচক ব্যর্থতা, অত্যধিক শক্ত স্টপগুলির মতো ঝুঁকি রয়েছে। ভবিষ্যতের উন্নতি বহু-সূচক কম্বো, স্টপ অপ্টিমাইজেশান, অর্থ পরিচালনা ইত্যাদির মাধ্যমে করা যেতে পারে যাতে কর্মক্ষমতা আরও উন্নত করা যায়।

/*backtest
start: 2023-10-15 00:00:00
end: 2023-11-14 00:00:00
period: 1d
basePeriod: 1h
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/

//@version=2
strategy("CT TTM Squeeze") 
length = input(title="Length",  defval=20, minval=0) 
bband(length, mult) =>
	sma(close, length) + mult * stdev(close, length)
keltner(length, mult) =>
	ema(close, length) + mult * ema(tr, length)
	
	
// Variables
e1 = (highest(high, length) + lowest(low, length)) / 2 + sma(close, length)
osc = linreg(close - e1 / 2, length, 0)
diff = bband(length, 2) - keltner(length, 1)
osc_color = osc[1] < osc[0] ? osc[0] >= 0 ? #00ffff : #cc00cc : osc[0] >= 0 ? #009b9b : #ff9bff
mid_color = diff >= 0 ? green : red

// Strategy

long = osc > 0
short = osc < 0

if long
    strategy.entry("Long", strategy.long)

if short
    strategy.entry("Short", strategy.short) 


plot(osc, color=osc_color, style=histogram, linewidth=2)
plot(0, color=mid_color, style=circles, linewidth=3)

আরো

2019 FMZ - সমস্ত অধিকার সংরক্ষিত