Die Ressourcen sind geladen. Beförderung...

Positive Kanal-EMA-Strailing-Stop-Strategie

Schriftsteller:ChaoZhang, Datum: 18.12.2023
Tags:

Übersicht

Diese Strategie ist eine kanalbasierte Stop-Loss-Strategie, die den EMA-Indikator verwendet. Sie integriert Trendbeurteilung, Kanalverfolgung und dynamischen Stop-Loss und andere mainstream-technische Indikatoren. Sie bestimmt die Bullen- und Bärenzyklen, indem sie die Reihenfolge der EMAs beurteilt und kombiniert ATR-Kanalverfolgung, um Stop-Loss zu implementieren, so dass der Stop-Loss-Punkt die Preisbewegungen weiter verfolgen kann. Diese Art von Stop-Loss-Idee ist aktiver und vermeidet effektiv die Wahrscheinlichkeit, dass ein zu aggressiver Stop-Loss durchbrochen wird.

Strategie Logik

Die Strategie verwendet hauptsächlich drei EMA-Kurven mit unterschiedlichen Zyklen, um den Bullen- und Bärenzustand zu bestimmen.

EMA5>EMA20>EMA40 ist ein Bullenzyklus
EMA20>EMA5>EMA40 ist ein Bullenzyklus
EMA20>EMA40>EMA5 ist ein Bullenzyklus
EMA40>EMA20>EMA5 ist ein Bärenzyklus
EMA40>EMA5>EMA20 ist ein Bärenzyklus
EMA5>EMA40>EMA20 ist ein Bärenzyklus

Nach der Bestimmung des Bullen- und Bärenzyklus verwendet die Strategie den SMMA-Sample K-Line-Preis und die ATR-Indikatormultiplen als Kanalbereich. Handelssignale werden nur ausgegeben, wenn der Preis diesen Kanal durchbricht. Darüber hinaus wird nach Ausgabe des Handelssignals der ATR-dynamische Stop-Loss-Tracking-Mechanismus aktiviert, um die Stop-Loss-Position in Echtzeit anzupassen, um sicherzustellen, dass der Stop-Loss-Punkt der Preisbewegung folgen kann, um die Wirksamkeit des Stop-Loss zu verbessern.

Vorteile

Die wichtigsten Vorteile dieser Strategie sind:

Die Verwendung der EMA zur Beurteilung von Bullen- und Bärenzyklen kann die Wendepunkte der Marktentwicklung effektiv erfassen
Aufbau von Eingangspunkten auf Basis von ATR-Kanälen verhindert einen fehlerhaften Eintritt bei Marktkonsolidierungen
ATR-Dynamische Stop-Loss-Verfolgung kann die Gewinnbindung maximieren und Risiken effektiv kontrollieren

Risiken und Optimierung

Die wichtigsten Risiken dieser Strategie konzentrieren sich auf die Probleme, die durch falsche Parameter-Einstellungen verursacht werden, wie z. B. Überschreitung und Stop-Loss durchbrechen.

Optimierung der Kombination der EMA-Zyklusparameter zur Suche nach der besten Parameter-Übereinstimmung
Optimieren der ATR-Mehrfachgröße, um zu verhindern, dass der Stop-Loss zu nahe oder zu weit ist
Hinzufügen anderer Filterindikatoren, um falsche Einträge während unruhiger Märkte zu vermeiden

Schlussfolgerung

Diese Strategie integriert mehrere gängige technische Indikatoren und Methoden wie Trendbeurteilung, Kanalhandel und dynamischen Stop-Loss, um ein relativ vollständiges Stop-Loss-Handelssystem zu bilden.

/*backtest
start: 2023-12-10 00:00:00
end: 2023-12-12 04:00:00
period: 1m
basePeriod: 1m
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/

// This source code is subject to the terms of the Mozilla Public License 2.0 at https://mozilla.org/MPL/2.0/
// © kgynofomo

//@version=5
strategy(title="[Salavi] | Andy Advance Pro Strategy [ETH|M15]",overlay = true, pyramiding = 1,initial_capital = 10000, default_qty_type = strategy.cash,default_qty_value = 10000)

ema_short = ta.ema(close,5)
ema_middle = ta.ema(close,20)
ema_long = ta.ema(close,40)

cycle_1 = ema_short>ema_middle and ema_middle>ema_long
cycle_2 = ema_middle>ema_short and ema_short>ema_long
cycle_3 = ema_middle>ema_long and ema_long>ema_short
cycle_4 = ema_long>ema_middle and ema_middle>ema_short
cycle_5 = ema_long>ema_short and ema_short>ema_middle
cycle_6 = ema_short>ema_long and ema_long>ema_middle

bull_cycle = cycle_1 or cycle_2 or cycle_3
bear_cycle = cycle_4 or cycle_5 or cycle_6
// label.new("cycle_1")
// bgcolor(color=cycle_1?color.rgb(82, 255, 148, 60):na)
// bgcolor(color=cycle_2?color.rgb(82, 255, 148, 70):na)
// bgcolor(color=cycle_3?color.rgb(82, 255, 148, 80):na)
// bgcolor(color=cycle_4?color.rgb(255, 82, 82, 80):na)
// bgcolor(color=cycle_5?color.rgb(255, 82, 82, 70):na)
// bgcolor(color=cycle_6?color.rgb(255, 82, 82, 60):na)

// Inputs
a = input(2, title='Key Vaule. \'This changes the sensitivity\'')
c = input(7, title='ATR Period')
h = false

xATR = ta.atr(c)
nLoss = a * xATR

src = h ? request.security(ticker.heikinashi(syminfo.tickerid), timeframe.period, close, lookahead=barmerge.lookahead_off) : close

xATRTrailingStop = 0.0
iff_1 = src > nz(xATRTrailingStop[1], 0) ? src - nLoss : src + nLoss
iff_2 = src < nz(xATRTrailingStop[1], 0) and src[1] < nz(xATRTrailingStop[1], 0) ? math.min(nz(xATRTrailingStop[1]), src + nLoss) : iff_1
xATRTrailingStop := src > nz(xATRTrailingStop[1], 0) and src[1] > nz(xATRTrailingStop[1], 0) ? math.max(nz(xATRTrailingStop[1]), src - nLoss) : iff_2

pos = 0
iff_3 = src[1] > nz(xATRTrailingStop[1], 0) and src < nz(xATRTrailingStop[1], 0) ? -1 : nz(pos[1], 0)
pos := src[1] < nz(xATRTrailingStop[1], 0) and src > nz(xATRTrailingStop[1], 0) ? 1 : iff_3

xcolor = pos == -1 ? color.red : pos == 1 ? color.green : color.blue

ema = ta.ema(src, 1)
above = ta.crossover(ema, xATRTrailingStop)
below = ta.crossover(xATRTrailingStop, ema)

buy = src > xATRTrailingStop and above
sell = src < xATRTrailingStop and below

barbuy = src > xATRTrailingStop
barsell = src < xATRTrailingStop




atr = ta.atr(14)
atr_length = input.int(25)
atr_rsi = ta.rsi(atr,atr_length)
atr_valid = atr_rsi>50

long_condition =  buy and bull_cycle and atr_valid
short_condition =  sell and bear_cycle and atr_valid

Exit_long_condition = short_condition
Exit_short_condition = long_condition

if long_condition
    strategy.entry("Andy Buy",strategy.long, limit=close,comment="Andy Buy Here")

if Exit_long_condition
    strategy.close("Andy Buy",comment="Andy Buy Out")
    // strategy.entry("Andy fandan Short",strategy.short, limit=close,comment="Andy 翻單 short Here")
    // strategy.close("Andy fandan Buy",comment="Andy short Out")


if short_condition
    strategy.entry("Andy Short",strategy.short, limit=close,comment="Andy short Here")


// strategy.exit("STR","Long",stop=longstoploss)
if Exit_short_condition
    strategy.close("Andy Short",comment="Andy short Out")
    // strategy.entry("Andy fandan Buy",strategy.long, limit=close,comment="Andy 翻單 Buy Here")
    // strategy.close("Andy fandan Short",comment="Andy Buy Out")




inLongTrade = strategy.position_size > 0
inLongTradecolor = #58D68D
notInTrade = strategy.position_size == 0
inShortTrade = strategy.position_size < 0

// bgcolor(color = inLongTrade?color.rgb(76, 175, 79, 70):inShortTrade?color.rgb(255, 82, 82, 70):na)
plotshape(close!=0,location = location.bottom,color = inLongTrade?color.rgb(76, 175, 79, 70):inShortTrade?color.rgb(255, 82, 82, 70):na)


plotshape(long_condition, title='Buy', text='Andy Buy', style=shape.labelup, location=location.belowbar, color=color.new(color.green, 0), textcolor=color.new(color.white, 0), size=size.tiny)
plotshape(short_condition, title='Sell', text='Andy Sell', style=shape.labeldown, location=location.abovebar, color=color.new(color.red, 0), textcolor=color.new(color.white, 0), size=size.tiny)


// //atr > close *0.01* parameter

// // MONTHLY TABLE PERFORMANCE - Developed by @QuantNomad
// // *************************************************************************************************************************************************************************************************************************************************************************
// show_performance = input.bool(true, 'Show Monthly Performance ?', group='Performance - credits: @QuantNomad')
// prec = input(2, 'Return Precision', group='Performance - credits: @QuantNomad')

// if show_performance
//     new_month = month(time) != month(time[1])
//     new_year  = year(time)  != year(time[1])
    
//     eq = strategy.equity
    
//     bar_pnl = eq / eq[1] - 1
    
//     cur_month_pnl = 0.0
//     cur_year_pnl  = 0.0
    
//     // Current Monthly P&L
//     cur_month_pnl := new_month ? 0.0 : 
//                      (1 + cur_month_pnl[1]) * (1 + bar_pnl) - 1 
    
//     // Current Yearly P&L
//     cur_year_pnl := new_year ? 0.0 : 
//                      (1 + cur_year_pnl[1]) * (1 + bar_pnl) - 1  
    
//     // Arrays to store Yearly and Monthly P&Ls
//     var month_pnl  = array.new_float(0)
//     var month_time = array.new_int(0)
    
//     var year_pnl  = array.new_float(0)
//     var year_time = array.new_int(0)
    
//     last_computed = false
    
//     if (not na(cur_month_pnl[1]) and (new_month or barstate.islastconfirmedhistory))
//         if (last_computed[1])
//             array.pop(month_pnl)
//             array.pop(month_time)
            
//         array.push(month_pnl , cur_month_pnl[1])
//         array.push(month_time, time[1])
    
//     if (not na(cur_year_pnl[1]) and (new_year or barstate.islastconfirmedhistory))
//         if (last_computed[1])
//             array.pop(year_pnl)
//             array.pop(year_time)
            
//         array.push(year_pnl , cur_year_pnl[1])
//         array.push(year_time, time[1])
    
//     last_computed := barstate.islastconfirmedhistory ? true : nz(last_computed[1])
    
//     // Monthly P&L Table    
//     var monthly_table = table(na)
    
//     if (barstate.islastconfirmedhistory)
//         monthly_table := table.new(position.bottom_center, columns = 14, rows = array.size(year_pnl) + 1, border_width = 1)
    
//         table.cell(monthly_table, 0,  0, "",     bgcolor = #cccccc)
//         table.cell(monthly_table, 1,  0, "Jan",  bgcolor = #cccccc)
//         table.cell(monthly_table, 2,  0, "Feb",  bgcolor = #cccccc)
//         table.cell(monthly_table, 3,  0, "Mar",  bgcolor = #cccccc)
//         table.cell(monthly_table, 4,  0, "Apr",  bgcolor = #cccccc)
//         table.cell(monthly_table, 5,  0, "May",  bgcolor = #cccccc)
//         table.cell(monthly_table, 6,  0, "Jun",  bgcolor = #cccccc)
//         table.cell(monthly_table, 7,  0, "Jul",  bgcolor = #cccccc)
//         table.cell(monthly_table, 8,  0, "Aug",  bgcolor = #cccccc)
//         table.cell(monthly_table, 9,  0, "Sep",  bgcolor = #cccccc)
//         table.cell(monthly_table, 10, 0, "Oct",  bgcolor = #cccccc)
//         table.cell(monthly_table, 11, 0, "Nov",  bgcolor = #cccccc)
//         table.cell(monthly_table, 12, 0, "Dec",  bgcolor = #cccccc)
//         table.cell(monthly_table, 13, 0, "Year", bgcolor = #999999)
    
    
//         for yi = 0 to array.size(year_pnl) - 1
//             table.cell(monthly_table, 0,  yi + 1, str.tostring(year(array.get(year_time, yi))), bgcolor = #cccccc)
            
//             y_color = array.get(year_pnl, yi) > 0 ? color.new(color.teal, transp = 40) : color.new(color.gray, transp = 40)
//             table.cell(monthly_table, 13, yi + 1, str.tostring(math.round(array.get(year_pnl, yi) * 100, prec)), bgcolor = y_color, text_color=color.new(color.white, 0))
            
//         for mi = 0 to array.size(month_time) - 1
//             m_row   = year(array.get(month_time, mi))  - year(array.get(year_time, 0)) + 1
//             m_col   = month(array.get(month_time, mi)) 
//             m_color = array.get(month_pnl, mi) > 0 ? color.new(color.teal, transp = 40) : color.new(color.gray, transp = 40)
            
//             table.cell(monthly_table, m_col, m_row, str.tostring(math.round(array.get(month_pnl, mi) * 100, prec)), bgcolor = m_color, text_color=color.new(color.white, 0))

Mehr