রিসোর্স লোড হচ্ছে... লোডিং...

দামের ওসিলেশন সনাক্তকরণের জন্য তিনটি ফ্যাক্টর মডেল

লেখক:চাওঝাং, তারিখঃ ২০২৪-০২-২৬ 15:32:27
ট্যাগঃ

img

সারসংক্ষেপ

মূল্যের দোলন সনাক্তকরণের জন্য থ্রি ফ্যাক্টর মডেল একটি স্বল্পমেয়াদী ট্রেডিং কৌশল যা বিচারের জন্য একাধিক কারণকে একীভূত করে। এই কৌশলটি মূল্যের দোলন সনাক্ত করতে এবং স্বল্পমেয়াদী ট্রেডিং সুযোগগুলি আবিষ্কার করতে ভলিউম অনুপাত, আরএসআই, এমএসিডি এবং সংকেত লাইনের মতো কারণগুলি বিবেচনা করে।

কৌশলগত যুক্তি

এই কৌশলটির মূল যুক্তি হল:

  1. দ্রুত এমএ, ধীর এমএ, এমএসিডি এবং সিগন্যাল লাইনের মতো প্রযুক্তিগত সূচক গণনা করুন;

  2. ভলিউম রেসিও, আরএসআই, এমএসিডি এবং সিগন্যাল লাইন সহ একাধিক ফ্যাক্টর শর্ত বিচার করুন;

  3. মাল্টিফ্যাক্টর বিশ্লেষণের উপর ভিত্তি করে বর্তমান দামের ওসিলেশন পর্যায় এবং ক্রয়/বিক্রয় সুযোগ নিশ্চিত করুন;

  4. লং বা শর্ট পজিশন নিন এবং লাভ এবং স্টপ লস সেট করুন;

  5. যখন মূল্য লাভ বা স্টপ লস পায় তখন পজিশন বন্ধ করুন।

এই কৌশলটি নমনীয়ভাবে ভলিউম অনুপাত, আরএসআই, এমএসিডি এবং সিগন্যাল লাইনের মতো কারণগুলি ব্যবহার করে দামের দোলন সনাক্ত করতে এবং স্বল্পমেয়াদী সুযোগগুলি ক্যাপচার করতে। একাধিক কারণের সংমিশ্রণ একক কারণ থেকে মিথ্যা সংকেত এড়াতে সহায়তা করে এবং নির্ভুলতা উন্নত করে।

সুবিধা বিশ্লেষণ

এই কৌশলটির সুবিধাঃ

  1. একাধিক কারণ সঠিকতা বৃদ্ধি করে এবং মিথ্যা সংকেত এড়াতে;
  2. বড় মুনাফার সুযোগের সাথে দামের ওসিলেশন থেকে স্বল্পমেয়াদী সুযোগগুলি ক্যাপচার করুন;
  3. ঝুঁকি নিয়ন্ত্রণের জন্য স্বয়ংক্রিয়ভাবে লাভ গ্রহণ এবং স্টপ লস সেট করুন;
  4. সহজ এবং সুস্পষ্ট যুক্তি, বাস্তবায়ন করা সহজ।

ঝুঁকি বিশ্লেষণ

এই কৌশলের ঝুঁকি:

  1. অ্যালগরিদমটি ঐতিহাসিক তথ্যের উপর খুব বেশি নির্ভর করে, বাজারের পরিবর্তনের প্রতি সংবেদনশীল;
  2. একাধিক কারণের সমন্বয় পদ্ধতিতে আরও অপ্টিমাইজেশান প্রয়োজন হতে পারে, ভুল বিচার করার সম্ভাবনা রয়েছে;
  3. স্টপ লস পয়েন্ট সরাসরি কৌশলটির স্থায়িত্বকে প্রভাবিত করে।

উপরের ঝুঁকি মোকাবেলায় নিম্নলিখিত ক্ষেত্রে অপ্টিমাইজেশন করা যেতে পারেঃ

  1. বাজারের তথ্য পরিবর্তনের প্রভাব কমাতে নমুনা চক্র সম্প্রসারণ করা।
  2. অভিযোজিত অপ্টিমাইজেশান অর্জনের জন্য ফ্যাক্টরগুলির মধ্যে ওজনগুলি সামঞ্জস্য করুন;
  3. সর্বোত্তম অবস্থান খুঁজে পেতে বিভিন্ন স্টপ লস পয়েন্ট পরীক্ষা করুন।

অপ্টিমাইজেশান নির্দেশাবলী

মূল অপ্টিমাইজেশান দিকঃ

  1. গতিশীলভাবে ফ্যাক্টর ওজন অপ্টিমাইজ করুন। অভিযোজনযোগ্যতা উন্নত করার জন্য বাজারের অবস্থার উপর ভিত্তি করে ওজনগুলি সামঞ্জস্য করা যেতে পারে;

  2. ফ্যাক্টরগুলির অভিযোজিত অপ্টিমাইজেশান অর্জনের জন্য মেশিন লার্নিং অ্যালগরিদম প্রবর্তন করুন। নিউরাল নেটওয়ার্ক এবং জেনেটিক অ্যালগরিদমের মতো অ্যালগরিদমগুলি মডেলটি প্রশিক্ষণ এবং প্যারামিটারগুলি অপ্টিমাইজ করার জন্য ব্যবহার করা যেতে পারে;

  3. স্টপ লস কৌশল অপ্টিমাইজ করুন। সেরা সমাধান খুঁজে পেতে স্টপ লস ট্র্যাকিং এবং চলমান স্টপ লসের বিভিন্ন সমন্বয় পরীক্ষা করা যেতে পারে;

  4. উন্নত প্রযুক্তিগত সূচক অন্তর্ভুক্ত করুন। আরো সূচক যেমন অস্থিরতা সুইং এবং গতির দোলন কারণগুলি সমৃদ্ধ করতে পারে।

সিদ্ধান্ত

মূল্য ওসিলেশন সনাক্তকরণের জন্য থ্রি ফ্যাক্টর মডেল একটি দক্ষ স্বল্পমেয়াদী ট্রেডিং কৌশল বাস্তবায়নের জন্য মূল্য ওসিলেশনগুলির বৈশিষ্ট্যগুলি পুরোপুরি ব্যবহার করে। এটি ভলিউম, আরএসআই, এমএসিডি এবং সিগন্যাল লাইনের মতো একাধিক কারণের উপর ভিত্তি করে সেরা প্রবেশ এবং প্রস্থান পয়েন্টগুলি বিচার করে। একাধিক কারণ নির্ভুলতা বাড়ায় এবং স্থিতিশীল রিটার্নের দিকে পরিচালিত করে। অভিযোজনযোগ্য অপ্টিমাইজেশনের জন্য মেশিন লার্নিংয়ের মাধ্যমে আরও অপ্টিমাইজেশন করা যেতে পারে, যার ফলে আরও ভাল কৌশল কর্মক্ষমতা হয়।


/*backtest
start: 2024-01-26 00:00:00
end: 2024-02-25 00:00:00
period: 4h
basePeriod: 15m
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/

//@version=5
strategy("3 10.0 Oscillator Profile Flagging", shorttitle="3 10.0 Oscillator Profile Flagging", overlay=false)

signalBiasValue = input(title="Signal Bias", defval=0.26)
macdBiasValue = input(title="MACD Bias", defval=0.7)
shortLookBack = input( title="Short LookBack", defval=3)
longLookBack = input( title="Long LookBack", defval=6)
takeProfit = input( title="Take Profit", defval=2)
stopLoss = input( title="Stop Loss", defval=0.7)

fast_ma = ta.sma(close, 3)
slow_ma = ta.sma(close, 10)
macd = fast_ma - slow_ma
signal = ta.sma(macd, 16)
hline(0, "Zero Line", color = color.black)

buyVolume = volume*((close-low)/(high-low))
sellVolume = volume*((high-close)/(high-low))
buyVolSlope = buyVolume - buyVolume[1]
sellVolSlope = sellVolume - sellVolume[1]
signalSlope = ( signal - signal[1] )
macdSlope = ( macd - macd[1] )
plot(macd, color=color.blue, title="Total Volume")
plot(signal, color=color.orange, title="Total Volume")
plot(macdSlope, color=color.green, title="MACD Slope")
plot(signalSlope, color=color.red, title="Signal Slope")
intrabarRange = high - low
rsi = ta.rsi(close, 14)
rsiSlope = rsi - rsi[1]
plot(rsiSlope, color=color.black, title="RSI Slope")

getRSISlopeChange(lookBack) =>
    j = 0
    for i = 0 to lookBack
        if ( rsi[i] - rsi[ i + 1 ] ) > -5
            j += 1
    j

getBuyerVolBias(lookBack) =>
    j = 0
    for i = 1 to lookBack
        if buyVolume[i] > sellVolume[i]
            j += 1
    j

getSellerVolBias(lookBack) =>
    j = 0
    for i = 1 to lookBack
        if sellVolume[i] > buyVolume[i]
            j += 1
    j

getVolBias(lookBack) =>
    float b = 0.0
    float s = 0.0
    for i = 1 to lookBack
        b += buyVolume[i]
        s += sellVolume[i]
    b > s

getSignalBuyerBias(lookBack) =>
    j = 0
    for i = 1 to lookBack
        if signal[i] > signalBiasValue
            j += 1
    j

getSignalSellerBias(lookBack) =>
    j = 0
    for i = 1 to lookBack
        if signal[i] < ( 0.0 - signalBiasValue )
            j += 1
    j

getSignalNoBias(lookBack) =>
    j = 0
    for i = 1 to lookBack
        if signal[i] < signalBiasValue and signal[i] > ( 0.0 - signalBiasValue )
            j += 1
    j

getPriceRising(lookBack) =>
    j = 0
    for i = 1 to lookBack
        if close[i] > close[i + 1]
            j += 1
    j


getPriceFalling(lookBack) =>
    j = 0
    for i = 1 to lookBack
        if close[i] < close[i + 1] 
            j += 1
    j

getRangeNarrowing(lookBack) =>
    j = 0
    for i = 1 to lookBack
        if intrabarRange[i] < intrabarRange[i + 1] 
            j+= 1
    j

getRangeBroadening(lookBack) =>
    j = 0
    for i = 1 to lookBack
        if intrabarRange[i] > intrabarRange[i + 1] 
            j+= 1
    j

bool isNegativeSignalReversal = signalSlope < 0.0 and signalSlope[1] > 0.0
bool isNegativeMacdReversal = macdSlope < 0.0 and macdSlope[1] > 0.0

bool isPositiveSignalReversal = signalSlope > 0.0 and signalSlope[1] < 0.0
bool isPositiveMacdReversal = macdSlope > 0.0 and macdSlope[1] < 0.0

bool hasBearInversion = signalSlope > 0.0 and macdSlope < 0.0
bool hasBullInversion = signalSlope < 0.0 and macdSlope > 0.0

bool hasSignalBias = math.abs(signal) >= signalBiasValue
bool hasNoSignalBias = signal < signalBiasValue and signal > ( 0.0 - signalBiasValue )

bool hasSignalBuyerBias = hasSignalBias and signal > 0.0
bool hasSignalSellerBias = hasSignalBias and signal < 0.0

bool hasPositiveMACDBias = macd > macdBiasValue
bool hasNegativeMACDBias = macd < ( 0.0 - macdBiasValue )

bool hasBullAntiPattern = ta.crossunder(macd, signal)
bool hasBearAntiPattern = ta.crossover(macd, signal)

bool hasSignificantBuyerVolBias = buyVolume > ( sellVolume * 1.5 )
bool hasSignificantSellerVolBias = sellVolume > ( buyVolume * 1.5 )


// 202.30 Profit 55.29% 5m
if ( ( getVolBias(longLookBack) == false ) and rsi <= 41 and math.abs(rsi - rsi[shortLookBack]) > 1 and hasNoSignalBias and rsiSlope > 1.5 and close > open)
    strategy.entry("5C1", strategy.long, qty=1.0)
strategy.exit("TPS", "5C1", limit=strategy.position_avg_price + takeProfit, stop=strategy.position_avg_price - stopLoss)

// 171.70 Profit 50.22% 5m
if ( getVolBias(longLookBack) == true and rsi > 45 and rsi < 55 and macdSlope > 0 and signalSlope > 0)
    strategy.entry("5C2", strategy.long, qty=1.0)
strategy.exit("TPS", "5C2", limit=strategy.position_avg_price + takeProfit, stop=strategy.position_avg_price - stopLoss)

// 309.50 Profit 30.8% 5m 2 tp .7 sl 289 trades
if ( macd > macdBiasValue and macdSlope > 0)
    strategy.entry("5P1", strategy.short, qty=1.0)
strategy.exit("TPS", "5P1", limit=strategy.position_avg_price - takeProfit, stop=strategy.position_avg_price + stopLoss)


আরো