রিসোর্স লোড হচ্ছে... লোডিং...

ইম্পুটাম আলফা কৌশল

লেখক:চাওঝাং, তারিখ: ২০২৩-১১-২৩ ১১ঃ৩৪ঃ৪০
ট্যাগঃ

সারসংক্ষেপ

গতি আলফা কৌশলটি তার শার্প অনুপাত এবং আলফা মান গণনা করে একটি অন্তর্নিহিত সম্পদের ইতিবাচক গতি আছে কিনা তা বিচার করে। শার্প অনুপাত এবং আলফা উভয়ই ইতিবাচক হলে এটি দীর্ঘ হয় এবং উভয় সূচক নেতিবাচক হয়ে গেলে অবস্থানটি সমতল করে।

কৌশল নীতি

এই কৌশলটির মূল সূচকগুলি হ'ল শার্প অনুপাত এবং আলফা। শার্প অনুপাত একটি সম্পদের ঝুঁকি-সমন্বিত রিটার্নকে প্রতিফলিত করে, যখন আলফা বাজারের বেঞ্চমার্কের তুলনায় তার অতিরিক্ত রিটার্নকে প্রতিফলিত করে। যখন উভয়ই ইতিবাচক হয়, তখন এটি নির্দেশ করে যে সম্পদের উচ্চ ঝুঁকি-সমন্বিত রিটার্ন রয়েছে এবং বাজারের বেঞ্চমার্কের চেয়ে ভাল। অতএব, একটি দীর্ঘ অবস্থান নেওয়া হয়। যখন উভয়ই নেতিবাচক হয়ে যায়, এর অর্থ হ'ল গতি হারিয়ে যায় এবং অবস্থানটি সমতল হয়।

বিশেষত, কৌশলটি প্রথমে গত 180 দিনের মধ্যে শার্প অনুপাত গণনা করে। শার্প অনুপাত গণনা করা হয়ঃ (গড় দৈনিক রিটার্ন ঝুঁকি মুক্ত রিটার্ন) / দৈনিক রিটার্নের স্ট্যান্ডার্ড ডিভিয়েশন। এখানে দৈনিক রিটার্নের গড় এবং স্ট্যান্ডার্ড ডিভিয়েশন খোলার মূল্য এবং পূর্ববর্তী বন্ধের মূল্য ব্যবহার করে গণনা করা হয়। যখন শার্প অনুপাত 1 এর চেয়ে বড় হয়, তখন এর অর্থ হ'ল সম্পদের তুলনামূলকভাবে উচ্চ ঝুঁকি সমন্বিত রিটার্ন রয়েছে।

একই সময়ে, গত ১৮০ দিনের আলফা গণনা করা হয়। আলফা বাজার মডেলের মাধ্যমে গণনা করা হয়ঃ আলফা = প্রকৃত সম্পদ রিটার্ন (বাজার রিটার্ন এক্স বিটা) । এখানে অন্তর্নিহিত সম্পদ এবং এসএন্ডপি 500 সূচকের দৈনিক রিটার্ন ব্যবহার করা হয়। যখন আলফা ০ এর চেয়ে বড় হয়, এর অর্থ হ'ল সম্পদের প্রকৃত রিটার্ন বাজার বেঞ্চমার্কের তুলনায় বেশি।

অতএব, যখন শার্প অনুপাত এবং আলফা উভয়ই ধনাত্মক হয়, তখন একটি দীর্ঘ অবস্থান নেওয়া হয়। যখন উভয়ই নেতিবাচক হয়ে যায়, তখন অবস্থান সমতল হয়।

সুবিধা বিশ্লেষণ

এই কৌশলটির সবচেয়ে বড় সুবিধা হল যে গতির বিচার করে, এটি নির্দিষ্ট সময়ের মধ্যে বৃহত্তর বাজার এবং কিছু পৃথক স্টকগুলির বৃদ্ধির সুযোগগুলি ক্যাপচার করতে পারে, দীর্ঘস্থায়ী বাজার ক্র্যাশ এড়ানোর জন্য ঝুঁকি নিয়ন্ত্রণ করে। সুবিধাগুলি নিম্নরূপ বিশ্লেষণ করা হয়ঃ

শার্প রেসিওর হিসাব সাম্প্রতিক গতির অবস্থার প্রতিফলন করে এবং কিছু বাজার এবং স্টকগুলির উত্থান প্রবণতা ক্যাপচার করতে পারে। আলফা হিসাবটি বেঞ্চমার্কের তুলনায় অতিরিক্ত রিটার্ন প্রতিফলিত করে এবং দুর্বল অন্তর্নিহিতগুলি ফিল্টার করে।
বিভিন্ন সময়সীমার মধ্যে উভয় সূচককে ব্যাপকভাবে বিবেচনা করে ইতিবাচক গতি আরও সঠিকভাবে নির্ধারণ করা যেতে পারে।
যখন গতি কমে যায়, সময়মত স্টপ লস বড় ক্ষতি এড়াতে পারে। এটি একটি আপট্রেন্ডের পরে যথাযথ মুনাফা গ্রহণের অনুমতি দেয়।
একক গতির সূচকের তুলনায়, এই কৌশলটি আরও স্থিতিশীল এবং স্টক এবং সূচক উভয় ক্ষেত্রেই ব্যবহারের জন্য যথেষ্ট নমনীয়।

ঝুঁকি বিশ্লেষণ

সুবিধাগুলি সত্ত্বেও, এই কৌশলটি এখনও নিম্নলিখিত ঝুঁকিগুলি বহন করেঃ

গতির সূচকগুলি প্রত্যাহার করতে পারে। যখন বাজারটি ঘুরতে থাকে, তখন গতির স্টকগুলি দ্রুত হ্রাস পেতে পারে। এটি বড় ক্ষতির দিকে পরিচালিত করতে পারে। পরামিতিগুলি সামঞ্জস্য করা যেতে পারে বা অন্যান্য সূচকগুলির সাথে একত্রিত করা যেতে পারে।
আলফা এবং শার্প অনুপাতের সময় বিলম্ব রয়েছে। যখন বাজারগুলি দ্রুত চলে, সূচক মানগুলি বিলম্বিত হতে পারে এবং সর্বশেষ প্রবণতা প্রতিফলিত করতে ব্যর্থ হতে পারে। গণনার সময়কাল সংক্ষিপ্ত হতে পারে।
পজিশনের আকার নিয়ন্ত্রণ করার কোন উপায় নেই, যার ফলে ঝুঁকিতে ঘনীভূত হয়। বাজারের অবস্থা বা উপলব্ধ মূলধনের উপর ভিত্তি করে পজিশনের আকার নিয়ন্ত্রণ করার কথা বিবেচনা করুন।
ব্যাকটেস্ট ডেটা অপর্যাপ্ত এবং লাইভ পারফরম্যান্স অনিশ্চিত হতে পারে। আরও সময়সীমা এবং যন্ত্র ব্যাকটেস্ট সম্পাদন করা উচিত। ওভারফিটিং রোধ করতে প্যারামিটার অপ্টিমাইজেশান উইন্ডোগুলি সংক্ষিপ্ত করা উচিত।

অপ্টিমাইজেশান নির্দেশাবলী

কৌশলটি নিম্নলিখিত দিকগুলিতে অপ্টিমাইজ করা যেতে পারেঃ

স্টপ লস মেকানিজম যোগ করুন। বড় ক্ষতি এড়ানোর জন্য যখন দাম একদিনে তীব্রভাবে কমে যায় তখন স্টপ লস পয়েন্ট সেট করুন।
পজিশন সাইজিং ম্যানেজমেন্ট যোগ করুন। প্রতি ট্রেড ক্ষতি সীমাবদ্ধ করতে বাজারের অস্থিরতা উপর ভিত্তি করে প্রতি বাণিজ্য মূলধন নিয়ন্ত্রণ।
প্যারামিটার অপ্টিমাইজ করুন। বিভিন্ন অন্তর্নিহিত এবং বাজারের অবস্থার বৈশিষ্ট্যগুলি ফিট করার জন্য বিভিন্ন সময়সীমা পরীক্ষা করুন। বিভিন্ন প্যারামিটার সমন্বয়ও মূল্যায়ন করা যেতে পারে।
ফিল্টারিং শর্ত যুক্ত করুন। ট্রেডিং ভলিউম বা অস্থিরতার মতো ফিল্টার সেট করুন ব্যাপ্তি বা কম তরলতার পরিস্থিতিতে আটকে পড়া এড়াতে।
অন্যান্য কৌশলগুলির সাথে একত্রিত করুন। অন্যান্য প্রবণতা অনুসরণকারী কৌশলগুলির সাথে একত্রিত করার বিষয়টি বিবেচনা করুন। এটি উভয়ই স্থিতিশীলতা বাড়িয়ে তুলতে পারে এবং একক কৌশল থেকে ঝুঁকিগুলিকে বৈচিত্র্যময় করতে পারে।

সংক্ষিপ্তসার

গতি আলফা কৌশলটি উভয় ঝুঁকি-সমন্বিত রিটার্ন এবং সম্পদের আপেক্ষিক বাজারের পারফরম্যান্স বিচার করে গতিশীলভাবে গতির সুযোগগুলি ক্যাপচার করে। একক গতির সূচকের তুলনায়, এটির আরও নির্ভুল বিচার, বৃহত্তর প্রয়োগযোগ্যতা এবং উচ্চতর ঝুঁকি স্থিতিস্থাপকতার সুবিধা রয়েছে। তবে কৌশলটি এখনও ড্রডাউন এবং বিলম্বের ঝুঁকি বহন করে। স্থিতিশীল লাইভ মুনাফা অর্জনের আগে এটির অবিচ্ছিন্ন অপ্টিমাইজেশন এবং অন্যান্য কৌশলগুলির সাথে সংমিশ্রণের প্রয়োজন।

/*backtest
start: 2023-11-15 00:00:00
end: 2023-11-16 04:00:00
period: 1m
basePeriod: 1m
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/

//@version=2
strategy("Alpha strategy - simple version", overlay=true)

//by NIKLAUS
//USE ON DAILY TIMEFRAME TO DETECT MOMO STOCKS & ETFs AND TRADE THEM
//USE ON 5MIN CHART FOR INTRADAY USAGE
//examples to try this on: GER30, NAS100, JPN225, AAPL, IBB, TSLA, FB, etc.

//This Strategy goes long when Sharpe Ratio is > 1 and Alpha against the S&P500 is generated. It exits when conditions break away.

//https://en.wikipedia.org/wiki/Alpha_(finance)
//------------------------------------------------------------------------------------------------------------------------------------
//Alpha is a measure of the active return on an investment, the performance of that investment compared to a suitable market index. 
//An alpha of 1% means the investment's return on investment over a selected period of time was 1% better than the market during that same period, 
//an alpha of -1 means the investment underperformed the market. 
//Alpha is one of the five key measures in modern portfolio theory: alpha, beta, standard deviation, R-squared and the Sharpe ratio.


//simplified sharpe
src = ohlc4, len = input(180, title = "Sharpe/Alpha/Beta Period")
pc = ((src - src[len])/src)
std = stdev(src,len)
stdaspercent = std/src
sharpe = pc/stdaspercent


//alpha
sym = "BTC_USDT:swap", res=timeframe.period, src2 = close
ovr = request.security(sym, res, src2)

ret = ((close - close[1])/close)
retb = ((ovr - ovr[1])/ovr)
secd = stdev(ret, len), mktd = stdev(retb, len)
Beta = correlation(ret, retb, len) * secd / mktd

ret2 = ((close - close[len])/close)
retb2 = ((ovr - ovr[len])/ovr)

alpha = ret2 - retb2*Beta
//plot(Beta, color=green, style=area, transp=40)


smatrig = input(title="Sensitivity",  defval=2, minval=1, maxval=3) 
bgcolor (sma(sharpe,len/smatrig) > 1 and sma(alpha,len/smatrig) > 0 ? green : red, transp=70)

if (close > open) and (sma(sharpe,len/smatrig) > 1) and (sma(alpha,len/smatrig) > 0)
    strategy.entry("Alpha", strategy.long)
strategy.close("Alpha", when = (sma(sharpe,len/smatrig) < 1) or (sma(alpha,len/smatrig) < 0))

আরো

2019 FMZ - সমস্ত অধিকার সংরক্ষিত