Diese Strategie kombiniert den Momentum-Indikator CMO und den Umkehrindikator Stochastic, um ein Multifaktormodell für die Entdeckung von Handelsmöglichkeiten in verschiedenen Marktumgebungen zu erstellen.
Die Strategie besteht aus zwei Teilstrategien:
123 Umkehrstrategie
Verwenden Sie den 9-Tage-Stochastisch, um überkaufte und überverkaufte Niveaus zu ermitteln
Gehen Sie lang, wenn der Schlusskurs 2 aufeinanderfolgende Tage steigt und der Stochastic unter 50 liegt
Wenn der Schlusskurs 2 aufeinanderfolgende Tage fällt und der Stochastic über 50 liegt, wird der Kurs kurz gehalten.
Strategie für den absoluten Wert der GMO
Berechnung des absoluten Wertes der GMO
Über 70 KMO bedeutet Überkauf, Shorting
Unter 20 bedeutet Überverkauf, Long
Schließlich wird ein Handelssignal erzeugt, wenn zwei Teilstrategien übereinstimmen.
Die Strategie nutzt die Stärken des Momentum-Indikators CMO und des Umkehrindikators Stochastic voll aus. CMO ist gut in der Trendenidentifikation, während Stochastic nützlich ist, um kurzfristige Umkehrungen zu erfassen. Die Kombination ermöglicht es dem Modell, Chancen in verschiedenen Marktphasen aufzudecken.
Die Strategie weist folgende Vorteile auf:
Mehrfaktormodell passt sich an unterschiedliche Marktbedingungen an
CMO hat eine starke Trenderkennungsfähigkeit, Stochastic lokalisiert genau Umkehrpunkte
Handel nur, wenn sich zwei Signale darauf einigen, falsche Signale zu vermeiden und die Rentabilität zu verbessern
Großer Parameter-Tuning-Raum ermöglicht die Optimierung für verschiedene Produkte und Zeitrahmen
Die Kombination von langfristigen und kurzfristigen Indikatoren eröffnet mehr Möglichkeiten
Einfache und klare Regeln, leicht verständlich und automatisierbar, geeignet für den Algo-Handel
Die Strategie birgt außerdem folgende Risiken:
Wahrscheinlichkeit falscher Signale von Teilstrategien besteht, Parameter müssen optimiert werden
Eine plötzliche Trendwende kann zu großen Verlusten führen
Hohe Handelsfrequenz, Transaktionskosten müssen berücksichtigt werden
Verzögerung der Indikatoren führt zu Verzögerungen
Parameter-Tuning ist für verschiedene Produkte eine Herausforderung
Lösungen:
Optimierung von Unterstrategieparametern zur Verringerung falscher Signale
Verwenden Sie Stop Loss, um Verluste pro Handel zu begrenzen
Regeln für den Eintrag auf niedrigere Handelsfrequenz abstimmen
Verwenden Sie Tick-Daten, um Verzögerungen zu minimieren
Maschinelles Lernen für die automatische Parameter-Tuning anwenden
Die Strategie kann in folgenden Bereichen verbessert werden:
Mehr Faktoren wie Volatilität und Volumen für ein systematisches Multifaktormodell einführen
Entwicklung eines dynamischen Mechanismus zur Optimierung von Parametern, der sich an die Marktbedingungen anpasst
Optimieren Sie die Eingabelogik unter Verwendung von Wahrscheinlichkeit und exponentieller Glättung usw.
Sicherung langfristiger Positionen durch kurzfristige Geschäfte zur Erreichung doppelter Ziele
Extrahieren Sie mehr Funktionen mit Deep Learning, um nichtlineare Handelsregeln zu erstellen
Erforschung von parameterfreien Modellen, um menschliche Vorurteile zu vermeiden
Einbeziehung von Hochfrequenzdaten und Nachrichten zur Verringerung der Verzögerung
Die Strategie nutzt den Momentum-Indikator CMO und den Umkehrindikator Stochastic, um ein Multi-Faktor-Modell für Handelschancen in Trending- und Seitenmärkten zu konstruieren. Im Vergleich zu Single-Faktor-Modellen passt sich der Multi-Faktor-Ansatz besser an komplexe Marktumgebungen an. In der Zwischenzeit machen der große Parameter-Tuning-Raum und die einfachen Regeln die Optimierung und Automatisierung einfach, geeignet für die Algo-Handelsentwicklung. Allerdings ist das Risikomanagement entscheidend, und eine hohe Nachfrage nach Parameterwahl und Modelloptimierung ist erforderlich. Insgesamt bietet die Momentum-Umkehr-Combo-Strategie eine systematische Handelsidee, die es wert ist, bezogen und erforscht zu werden.
/*backtest start: 2023-09-22 00:00:00 end: 2023-10-22 00:00:00 period: 1h basePeriod: 15m exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}] */ //@version=4 //////////////////////////////////////////////////////////// // Copyright by HPotter v1.0 17/09/2019 // This is combo strategies for get a cumulative signal. // // First strategy // This System was created from the Book "How I Tripled My Money In The // Futures Market" by Ulf Jensen, Page 183. This is reverse type of strategies. // The strategy buys at market, if close price is higher than the previous close // during 2 days and the meaning of 9-days Stochastic Slow Oscillator is lower than 50. // The strategy sells at market, if close price is lower than the previous close price // during 2 days and the meaning of 9-days Stochastic Fast Oscillator is higher than 50. // // Second strategy // This indicator plots the absolute value of CMO. CMO was developed by Tushar // Chande. A scientist, an inventor, and a respected trading system developer, // Mr. Chande developed the CMO to capture what he calls "pure momentum". For // more definitive information on the CMO and other indicators we recommend the // book The New Technical Trader by Tushar Chande and Stanley Kroll. // The CMO is closely related to, yet unique from, other momentum oriented indicators // such as Relative Strength Index, Stochastic, Rate-of-Change, etc. It is most closely // related to Welles Wilder`s RSI, yet it differs in several ways: // - It uses data for both up days and down days in the numerator, thereby directly // measuring momentum; // - The calculations are applied on unsmoothed data. Therefore, short-term extreme // movements in price are not hidden. Once calculated, smoothing can be applied to // the CMO, if desired; // - The scale is bounded between +100 and -100, thereby allowing you to clearly see // changes in net momentum using the 0 level. The bounded scale also allows you to // conveniently compare values across different securities. // // WARNING: // - For purpose educate only // - This script to change bars colors. //////////////////////////////////////////////////////////// Reversal123(Length, KSmoothing, DLength, Level) => vFast = sma(stoch(close, high, low, Length), KSmoothing) vSlow = sma(vFast, DLength) pos = 0.0 pos := iff(close[2] < close[1] and close > close[1] and vFast < vSlow and vFast > Level, 1, iff(close[2] > close[1] and close < close[1] and vFast > vSlow and vFast < Level, -1, nz(pos[1], 0))) pos CMOabs(Length, TopBand, LowBand) => pos = 0 xMom = abs(close - close[1]) xSMA_mom = sma(xMom, Length) xMomLength = close - close[Length] nRes = abs(100 * (xMomLength / (xSMA_mom * Length))) pos := iff(nRes > TopBand, -1, iff(nRes < LowBand, 1, nz(pos[1], 0))) pos strategy(title="Combo Backtest 123 Reversal & CMOabs", shorttitle="Combo", overlay = true) Length = input(14, minval=1) KSmoothing = input(1, minval=1) DLength = input(3, minval=1) Level = input(50, minval=1) //------------------------- LengthCMO = input(9, minval=1) TopBand = input(70, minval=1) LowBand = input(20, maxval=0) reverse = input(false, title="Trade reverse") posReversal123 = Reversal123(Length, KSmoothing, DLength, Level) posCMOabs = CMOabs(LengthCMO, TopBand, LowBand) pos = iff(posReversal123 == 1 and posCMOabs == 1 , 1, iff(posReversal123 == -1 and posCMOabs == -1, -1, 0)) possig = iff(reverse and pos == 1, -1, iff(reverse and pos == -1 , 1, pos)) if (possig == 1) strategy.entry("Long", strategy.long) if (possig == -1) strategy.entry("Short", strategy.short) if (possig == 0) strategy.close_all() barcolor(possig == -1 ? #b50404: possig == 1 ? #079605 : #0536b3 )