Lange Breakout-Strategie basierend auf der K-Linie


Erstellungsdatum: 2024-01-05 12:37:46 zuletzt geändert: 2024-01-05 12:37:46
Kopie: 0 Klicks: 395
1
konzentrieren Sie sich auf
1222
Anhänger

Lange Breakout-Strategie basierend auf der K-Linie

Überblick

Diese Strategie ermöglicht den langfristigen Durchbruch der Tesla 4-Stunden-Linie, indem sie einfache K-Linie-Form-Urteilsregeln festlegt. Die Strategie hat die Vorteile, dass sie einfach, logisch klar und leicht verständlich ist.

Strategieprinzip

Die Kernentscheidungslogik der Strategie basiert auf folgenden vier K-Linienformregeln:

  1. Der aktuelle K-Line-Tiefstpreis liegt unter dem Eröffnungspreis
  2. Der aktuelle K-Line-Tiefstpreis ist niedriger als der letzte K-Line-Tiefstpreis
  3. Derzeit ist der Schlusskurs der K-Linie höher als der Eröffnungskurs.
  4. Der aktuelle K-Linie-Klosterpreis ist höher als der Öffnungs- und Schlusskurs der vorherigen K-Linie

Wenn die oben genannten 4 Regeln gleichzeitig erfüllt sind, wird ein mehrseitiges Positionseröffnungsgeschäft durchgeführt.

Darüber hinaus gibt es eine Stop-Loss-Strategie und eine Stop-Stop-Strategie, die einen Auslöser für einen Stillstand darstellt, wenn der Preis eine Stop-Stop- oder Stop-Loss-Bedingung auslöst.

Analyse der Stärken

Die Strategie hat folgende Vorteile:

  1. Die K-Linien-Regel ist sehr einfach und direkt, leicht zu verstehen und zu praktizieren.
  2. Die Ergebnisse werden direkt zurückgeführt, ohne dass zu komplexe technische Indikatoren verwendet werden.
  3. Die Implementierung ist sehr klein, läuft effizient und lässt sich leicht optimieren und verbessern.
  4. Die Parameter können angepasst werden, um die Stop-Loss-Stopp-Bedingungen frei einzustellen und das Risiko zu kontrollieren.

Risikoanalyse

Die wichtigsten Risiken sind:

  1. Es besteht die Gefahr, dass die Position ohne Berücksichtigung der Positionsverwaltung mit einer festen Menge gehandelt wird.
  2. Ohne Filter kann es zu zahlreichen ungültigen Transaktionen in einem Erschütterungsfall kommen.
  3. Die Daten aus der Rückmeldung sind unzureichend und können zu einer Fehleinschätzung der Wirksamkeit der Strategie führen.

Das Risiko kann durch folgende Maßnahmen verringert werden:

  1. Ein Positionsmanagement-Modul, das die Anzahl der Transaktionen dynamisch an die Größe des Fonds anpasst.
  2. Es wurden weitere Filterbedingungen eingeführt, um unordentliche Positionen in den Schaukeln zu vermeiden.
  3. Das Projekt soll mehr historische Daten sammeln, die Rückmessungsdauer verlängern und die Zuverlässigkeit der Ergebnisse verbessern.

Optimierungsrichtung

Die Optimierungsmöglichkeiten der Strategie umfassen:

  1. Ein zusätzliches Modul für die Positionsverwaltung, das die Größe der Transaktionen anhand der Verwendungsquote bestimmt.
  2. Design von Schadensbegrenzungsmechanismen, um eine flexible Ausfahrt zu ermöglichen.
  3. Das Programm wurde von der Regierung der Vereinigten Staaten von Amerika unterstützt.
  4. Automatische Optimierung der Parameter mittels maschineller Lernmethoden.
  5. Unterstützt Arbitrage mit mehreren Varianten.

Zusammenfassen

Diese Strategie ermöglicht durch einfache K-Line-Form-Urteilsregeln mehrere Durchbruchgeschäfte. Obwohl es einige Verbesserungsmöglichkeiten gibt, ist die Strategie aufgrund ihrer Einfachheit und Unmittelbarkeit eine sehr geeignete Long-Position-Strategie, die für Anfänger zu verstehen und zu verwenden ist. Durch ständige Optimierung kann die Strategie noch besser funktionieren.

Strategiequellcode
/*backtest
start: 2023-12-01 00:00:00
end: 2023-12-31 23:59:59
period: 1h
basePeriod: 15m
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/
// © TheQuantScience

//@version=5
strategy("SimpleBarPattern_LongOnly", overlay=true, default_qty_type = strategy.percent_of_equity, default_qty_value = 100, currency = currency.EUR, initial_capital = 1000, commission_type = strategy.commission.percent, commission_value = 0.03)

// Make input options that configure backtest date range
startDate = input.int(title="Start Date",
     defval=1, minval=1, maxval=31)
startMonth = input.int(title="Start Month",
     defval=1, minval=1, maxval=12)
startYear = input.int(title="Start Year",
     defval=2017, minval=1800, maxval=2100)

endDate = input.int(title="End Date",
     defval=8, minval=1, maxval=31)
endMonth = input.int(title="End Month",
     defval=3, minval=1, maxval=12)
endYear = input.int(title="End Year",
     defval=2022, minval=1800, maxval=2100)
     
// Look if the close time of the current bar
// Falls inside the date range
inDateRange = true

// Setting Conditions 
ConditionA = low < open 
ConditionB = low < low[1]
ConditionC = close > open
ConditionD = close > open[1] and close > close[1]

FirstCondition = ConditionA and ConditionB 
SecondCondition = ConditionC and ConditionD
IsLong = FirstCondition and SecondCondition

TakeProfit_long = input(4.00)
StopLoss_long = input(4.00)
Profit = TakeProfit_long*close/100/syminfo.mintick
Loss = StopLoss_long*close/100/syminfo.mintick

EntryCondition = IsLong and inDateRange

// Trade Entry&Exit Condition 
if EntryCondition and strategy.opentrades == 0
    strategy.entry(id = 'Open_Long', direction = strategy.long)
    strategy.exit(id = "Close_Long", from_entry = 'Open_Long', profit = Profit, loss = Loss)