Diese Strategie kombiniert lineare Regressionsindikatoren und doppelte exponentielle gleitende Durchschnitte, um kurzfristige Tracking-Operationen umzusetzen. Die Strategie stellt Short-Positionen ein, wenn die Preise durch die oberen und unteren Schienen durchbrechen, und schließt Positionen, wenn die Preise wieder durchbrechen. Gleichzeitig verwendet diese Strategie auch doppelte exponentielle gleitende Durchschnitte, um Preistrends als Hilfsbedingung für die Erstellung von Positionen zu bestimmen.
Diese Strategie verwendet hauptsächlich lineare Regressionsindikatoren, um Preisbreakouts zu bestimmen. Der lineare Regressionsindikator wird auf der Grundlage der höchsten und niedrigsten Preise in einem bestimmten Zeitraum berechnet, indem lineare Regression verwendet wird, um obere und untere Schienen zu erhalten. Wenn die Preise von der oberen Schiene brechen oder von der unteren Schiene brechen, glauben wir, dass es ein Handelssignal ist.
Darüber hinaus führt diese Strategie auch doppelte exponentielle gleitende Durchschnitte ein, um den Zwischentrend zu bestimmen. Doppelte exponentielle gleitende Durchschnitte können schneller auf Preisänderungen reagieren. Wenn die Preise von der oberen Schiene abbrechen, wenn der doppelte exponentielle gleitende Durchschnitt zu diesem Zeitpunkt bereits über dem Preis liegt, zeigt dies an, dass er sich derzeit in einem Abwärtstrend befindet. Wir werden Short-Positionen einrichten. Wenn die Preise wieder durch die oberen Schienen brechen oder den doppelten exponentiellen gleitenden Durchschnitt durchbrechen, werden wir Positionen flachmachen.
Die wichtigsten Punkte der Strategie sind insbesondere:
Im Vergleich zu herkömmlichen gleitenden Durchschnitten und anderen Indikatoren hat diese Strategie folgende Vorteile:
Diese Strategie birgt auch einige Risiken:
Für die oben genannten Risiken können wir sie durch Parameteroptimierung, strengen Stop-Loss, angemessene Entspannung der Durchbruchsgrenze usw. lösen.
Diese Strategie kann auch in folgenden Aspekten optimiert werden:
Diese Strategie verwendet umfassend lineare Regressionsindikatoren und doppelte exponentielle gleitende Durchschnitte, was in Theorie und Praxis bestimmte Vorteile hat. Weitere Verbesserungen der Stabilität und der Strategieergebnisse können durch kontinuierliche Optimierung und Anpassung erzielt werden. Diese Strategie eignet sich für kurzfristige Operationen und kann quantitativen Händlern ein gutes Alpha bringen.
/*backtest start: 2023-12-26 00:00:00 end: 2024-01-25 00:00:00 period: 1h basePeriod: 15m exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}] */ //@version=4 strategy('LR&SSL_Short', overlay=true) startP = timestamp(input(2017, "Start Year"), input(12, "Month"), input(17, "Day"), 0, 0) end = timestamp(9999,1,1,0,0) _testPeriod() => true len = input(title="Period", defval=89) smaHigh = linreg(high, len, 0) smaLow = linreg(low, len, -1) Hlv = 0.0 Hlv := close > smaHigh ? 1 : close < smaLow ? -1 : Hlv[1] sslDown = Hlv < 0 ? smaHigh : smaLow sslUp = Hlv < 0 ? smaLow : smaHigh plot(sslDown, linewidth=2, color=color.red) plot(sslUp, linewidth=2, color=color.lime) length = input(200, title="DEMA") d1 = ema(close, length) d2 = 2 * d1 - ema(d1, length) trendColour = d2 > d1 ? #AAFFAA : #FFAAAA dema=sma(d2,length) turnGreen = d2 > d1 and d2[1] <= d1[1] turnRed = d2 <= d1 and d2[1] > d1[1] up =turnGreen down=turnRed plotshape(down, title="down", style=shape.triangledown,location=location.abovebar, color=color.red, transp=0, size=size.small) plotshape(up, title="up", style=shape.triangleup,location=location.belowbar, color=color.green, transp=0, size=size.small) plot(dema, color = trendColour,linewidth=3 ,transp = 0) bgcolor(close > dema ? color.green : color.red) strategy.entry("short", strategy.short, when= crossunder(sslUp, sslDown) and dema > close and _testPeriod()) strategy.close("short", when = crossover(sslUp, sslDown) or crossover(close, dema))