Diese Strategie realisiert die automatische Eröffnungsoperation zur Entdeckung von Quantitätstrends durch Verfolgung von Preisbewegungstrends und kombiniert mit Änderungen des Handelsvolumens.
Die Kernlogik der quantitativen Handelsstrategie Quantity Trend Tracking Opening basiert auf der Verfolgung der Abgleichsbeziehung zwischen Preisbewegungstrends und Veränderungen des Handelsvolumens. Insbesondere verwendet die Strategie die Differenz zwischen dem Schlusskurs und dem Eröffnungskurs als Preisänderung und multipliziert sie dann mit dem Handelsvolumen des Tages, um die Preis- und Volumengemeinschaftskurve zu erhalten. Diese gemeinsame Kurve kann den Preisänderungstrend widerspiegeln und das Handelsvolumen begleitet die Beziehung gleichzeitig. Berechnen Sie dann den gleitenden Durchschnitt dieser gemeinsamen Kurve als quantitativen Trendbenchmark. Wenn die gemeinsame Kurve ihren gleitenden Durchschnitt durchdringt, wird ein Kaufsignal generiert. Wenn er unter seinen gleitenden Durchschnitt fällt, wird ein Verkaufssignal generiert, wodurch die Eröffnungsoperation der quantitativen Verfolgung von Preisveränderungen realisiert wird.
Diese Strategie kombiniert Preisbewegungstrends und Veränderungen des Handelsvolumens, um einige preisunempfindliche falsche Trends effektiv auszufiltern und Öffnungsrisiken zu reduzieren und die Öffnungsgenauigkeit zu verbessern. Im Vergleich zu reinen Preistechnischen Indikatoren ist die Wirkung des quantitativen Tracking besser. Diese Strategie verwendet auch das gleitende Durchschnittssystem, um dynamische Benchmarklinien zu setzen, die sich automatisch an Veränderungen der Marktbedingungen anpassen und eine hohe Flexibilität aufweisen.
Diese Strategie stützt sich hauptsächlich auf die Preis-Volumen-Beziehung, um die Angemessenheit des quantitativen Trends zu bestimmen. Wenn die Beziehung zwischen Preis und Volumen nicht übereinstimmt, führt dies zu einer Erhöhung der Fehlerrisiken. Darüber hinaus wird die unsachgemäße Einstellung gleitender Durchschnittsparameter auch die Effektivität der Strategie beeinflussen. Sie muss für verschiedene Sorten und Marktumgebungen optimiert und getestet werden.
Es ist auch möglich, die Änderung der Strategieneffizienz unter verschiedenen gleitenden Durchschnittssystemen zu testen, um das optimale Parameterportfolio zu finden.
Diese quantitative Handelsstrategie realisiert eine automatische Öffnung, die auf der Verfolgung und Beurteilung der Preisentwicklung und des Handelsvolumens beruht, indem sie die passenden Preisentwicklungen mit Handelsbegeisterung quantifiziert, kann sie ungültige Signale effektiv filtern und die Erfolgsquote der Öffnung verbessern.
/*backtest start: 2023-12-12 00:00:00 end: 2024-01-11 00:00:00 period: 30m 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/ // © avsr90 //@version=5 strategy(title="Lp-Op vol",shorttitle="LPV", max_bars_back = 5000,overlay=false,format=format.volume ) //Resolutions Resn=input.timeframe(defval="",title="resolution") Resn1=input.timeframe(defval="D",title="resolution") //Intraday Open and Last Price and Last price- Open Price calculations. Last_Price=math.round_to_mintick(close) Open_Price = request.security(syminfo.tickerid ,Resn1,close[1],barmerge.gaps_off, barmerge.lookahead_on) Op_Cl=math.round_to_mintick(Last_Price-Open_Price) //length from Intra Day Open Price Nifnum= ta.change(Open_Price) Length_Intraday=int(math.max(1, nz(ta.barssince(Nifnum)) + 1)) //Input for Length for Volume Length_Vol=input(defval=20, title="L for Vol") // Last Price- Open price Volume, Average Intraday Last price-Open Price Volume //and Volume Bars calculations. Op_Cl_Vol=(Op_Cl*volume) Avg_Vol_Opcl=ta.sma(Op_Cl_Vol,Length_Intraday) Vol_Bars=ta.sma(volume,Length_Vol) //Plots plot(Op_Cl_Vol,color=Op_Cl_Vol>0 ? color.green:color.red,title="OPCLV") plot(Avg_Vol_Opcl, title="Avg Vol", color=color.fuchsia) plot(Vol_Bars, title="Vol Bars", color=color.yellow) //Strategy parameters startst=timestamp(2015,10,1) strategy.entry("lo",strategy.long,when= ta.crossover(Op_Cl_Vol,Avg_Vol_Opcl) and ta.crossover(volume,Vol_Bars)) strategy.entry("sh",strategy.short,when=ta.crossunder(Op_Cl_Vol,Avg_Vol_Opcl)and ta.crossunder(volume,Vol_Bars ))