Die Ressourcen sind geladen. Beförderung...

Strategie für die Steigerung des gleitenden Durchschnitts

Schriftsteller:ChaoZhang, Datum: 2023-12-28
Tags:

##Übersicht Die Moving Average Rebound Strategy ist eine Strategie, die technische Indikatoren und Preismuster kombiniert, um lang und kurz um Support- und Widerstandsniveaus zu handeln.

Strategieprinzipien

Die wichtigsten Schritte für die Bestimmung der Handelseinträge sind:

Verwenden Sie den Alligator Triple Moving Average Indikator, um die Trendrichtung zu beurteilen.
Identifizieren Sie potenzielle Umkehrzonen mit dem Peak-Through-Musterindikator, wenn Sie sich in überkauften/überverkauften Bereichen befinden.
Kombination mit Support/Widerstand, um gegentrendige Handelseintrittspunkte rund um Schlüsselwerte zu identifizieren.
Verwenden Sie EMAS, um bei der Bestimmung der allgemeinen langfristigen Tendenz zu helfen.
Verwenden Sie einen Trailing-Stop-Loss, um den Betrag eines einzelnen Handelsverlusts zu kontrollieren.

Vorteile

Vorteile der Strategie:

Die Kombination von Signalen aus mehreren Indikatoren verbessert die Genauigkeit.
Der Handel mit einem Gegentrend aus den wichtigsten Unterstützungs-/Widerstandsbereichen ist sehr wahrscheinlich.
Einheitliche Risikopositionen, die nicht in die Kategorie der Risikopositionen fallen.

Risiken

Die Risiken:

Mehr Indikatoren können zu einer höheren Handelshäufigkeit führen und erfordern eine Kontrolle der Transaktionskosten.
Das größte Risiko besteht darin, dass die Support-/Widerstandsniveaus versagen. Der Preis kann sich möglicherweise nicht wie erwartet umkehren und zu großen Verlusten führen.
Der Stop-Loss kann bei riesigen volatilen Bewegungen ausgenommen werden.

Verbesserungsbereiche

Verbesserungsbedarf:

Optimieren Sie die Gewichte zwischen den Indikatoren, um die beste Leistungskombination zu finden.
Einsatz von maschinellem Lernen zur Verbesserung der Genauigkeit der wichtigsten Unterstützungs-/Widerstandsniveaus.
Zusätzliche Volumenindikatoren zur Vermeidung von Transaktionen in volatilen, aber geringen Umgebungen.
Verfeinern Sie adaptive Stop-Loss-Modelle, um Wirksamkeit und unnötige Stopps auszugleichen.

Zusammenfassung

Zusammenfassend lässt sich sagen, dass die Moving Average Rebound Strategie einen Zusammenfluss von Indikatoren verwendet, darunter gleitende Durchschnitte, Preismuster und Support/Resistance für Einträge. Eine typische technische Strategie mit höherer Genauigkeit aus mehreren Signalen. Überwachen Sie die Risiken rund um den Ausfall von Schlüsselniveaus und Stop-Loss-Rutsch.

/*backtest
start: 2022-12-21 00:00:00
end: 2023-12-27 00:00:00
period: 1d
basePeriod: 1h
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/
// © vhurtadocos


//@version=5
strategy('Estrategia EMA Resistencia Soporte', shorttitle='Estrategia EMA RESISTENCIA Y SOPORTE', overlay=true, margin_long=100, margin_short=100, pyramiding = 10 )

//INICIO DE CONDICIONES BASICAS
/// Alligator
smma(src, length) =>
    smma = 0.0
    sma_1 = ta.sma(src, length)
    smma := na(smma[1]) ? sma_1 : (smma[1] * (length - 1) + src) / length
    smma
lipsLength = input(title='🐲 Lips Length', defval=5)
teethLength = input(title='🐲 Teeth Length', defval=8)
jawLength = input(title='🐲 Jaw Length', defval=13)
lipsOffset = input(title='🐲 Lips Offset', defval=3)
teethOffset = input(title='🐲 Teeth Offset', defval=5)
jawOffset = input(title='🐲 Jaw Offset', defval=8)
lips = smma(hl2, lipsLength)
teeth = smma(hl2, teethLength)
jaw = smma(hl2, jawLength)


// Fractals
n = input.int(title='📌 Period', defval=2, minval=2)
upFractal = high[n + 2] < high[n] and high[n + 1] < high[n] and high[n - 1] < high[n] and high[n - 2] < high[n] or high[n + 3] < high[n] and high[n + 2] < high[n] and high[n + 1] == high[n] and high[n - 1] < high[n] and high[n - 2] < high[n] or high[n + 4] < high[n] and high[n + 3] < high[n] and high[n + 2] == high[n] and high[n + 1] <= high[n] and high[n - 1] < high[n] and high[n - 2] < high[n] or high[n + 5] < high[n] and high[n + 4] < high[n] and high[n + 3] == high[n] and high[n + 2] == high[n] and high[n + 1] <= high[n] and high[n - 1] < high[n] and high[n - 2] < high[n] or high[n + 6] < high[n] and high[n + 5] < high[n] and high[n + 4] == high[n] and high[n + 3] <= high[n] and high[n + 2] == high[n] and high[n + 1] <= high[n] and high[n - 1] < high[n] and high[n - 2] < high[n]
dnFractal = low[n + 2] > low[n] and low[n + 1] > low[n] and low[n - 1] > low[n] and low[n - 2] > low[n] or low[n + 3] > low[n] and low[n + 2] > low[n] and low[n + 1] == low[n] and low[n - 1] > low[n] and low[n - 2] > low[n] or low[n + 4] > low[n] and low[n + 3] > low[n] and low[n + 2] == low[n] and low[n + 1] >= low[n] and low[n - 1] > low[n] and low[n - 2] > low[n] or low[n + 5] > low[n] and low[n + 4] > low[n] and low[n + 3] == low[n] and low[n + 2] == low[n] and low[n + 1] >= low[n] and low[n - 1] > low[n] and low[n - 2] > low[n] or low[n + 6] > low[n] and low[n + 5] > low[n] and low[n + 4] == low[n] and low[n + 3] >= low[n] and low[n + 2] == low[n] and low[n + 1] >= low[n] and low[n - 1] > low[n] and low[n - 2] > low[n]
plotshape(title='📌 Up-Fractal', series=upFractal, style=shape.triangleup, location=location.abovebar, offset=-2, color=color.new(color.olive, 0), text="R")
plotshape(title='📌 Down-Fractal', series=dnFractal, style=shape.triangledown, location=location.belowbar, offset=-2, color=color.new(color.maroon, 0), text="S", textcolor = color.new(color.maroon,0))

// Resistance, Support
showRS = input(title='⤒⤓ Show Res-Sup', defval=true)
lengthRS = input(title='⤒⤓ Res-Sup Length', defval=13)
highRS = ta.valuewhen(high >= ta.highest(high, lengthRS), high, 0)
lowRS = ta.valuewhen(low <= ta.lowest(low, lengthRS), low, 0)
plot(title='⤒ Resistance', series=showRS and highRS ? highRS : na, color=highRS != highRS[1] ? na : color.olive, linewidth=1, offset=0)
plot(title='⤓ Support', series=showRS and lowRS ? lowRS : na, color=lowRS != lowRS[1] ? na : color.maroon, linewidth=1, offset=0)




// EMA de 8 períodos
ema8 = ta.ema(close, 8)
plot(title='ema8', series=ema8, color=color.new(#dbef41, 0), offset=0)

// EMA de 21 períodos
ema21 = ta.ema(close, 21)
plot(title='ema21', series=ema21, color=color.new(#e12c0c, 0), offset=0)

// EMA de 50 períodos
ema50 = ta.ema(close, 50)
plot(title='ema50', series=ema50, color=color.new(#3419de, 0), offset=0)

// EMA de 200 períodos
ema200 = ta.ema(close, 200)
plot(title='ema200', series=ema200, color=color.new(#f6f6f4, 0), offset=0)



// Definiciones originales...
// ... (incluyendo tus definiciones de Alligator, Fractals, etc.)

// Guardamos el último soporte y resistencia
var float lastSupport = na
var float lastResistance = na

// Detectando un nuevo soporte y resistencia
newSupportDetected = low == lowRS


if newSupportDetected
    lastSupport := low

// Lógica de entrada y salida

// Condiciones de entrada basadas en soportes recién formados
longCondition = low == lowRS
if longCondition
    strategy.entry("Long", strategy.long)

// Salida (take profit) cuando detectamos una nueva resistencia después de entrar en una posición long
newResistanceDetected = high == highRS
if newResistanceDetected and strategy.position_size > 0
    strategy.close("Long")

// Agregar una condición para el stop loss
longStopLossPrice = close * 0.95
if strategy.position_size > 0 and close <= longStopLossPrice
    strategy.close("Long")

// Pintamos los soportes y resistencias
plotshape(longCondition, style=shape.triangledown, location=location.belowbar, color=color.red)
plotshape(newResistanceDetected, style=shape.triangleup, location=location.abovebar, color=color.green)

// Resto del código para plotear las EMAs y fractales
// ...

Mehr