Diese Strategie basiert auf Ben Cowen's Risiko-Level-Theorie und zielt darauf ab, einen ähnlichen Ansatz mit BEAM-Band-Levels umzusetzen. Das obere BEAM-Level ist der 200-Wochen- gleitende Durchschnitt nach der Einnahme des Logarithmus, und das untere Niveau ist der 200-Wochen-gleitende Durchschnitt selbst. Dies gibt uns einen Bereich von 0 bis 1. Kauf-Orders werden ausgegeben, wenn der Preis unterhalb der 0,5 Level-Bänder liegt, und Verkaufs-Orders werden ausgegeben, wenn der Preis darüber liegt.
Die Strategie basiert hauptsächlich auf der von Ben Cowen vorgeschlagenen BEAM-Bandtheorie. Gemäß den Kursänderungen von BTC
Wenn der Preis auf die Tiefs fällt, wird die Strategie die Long-Position allmählich erhöhen. Insbesondere, wenn der Preis zwischen den Bands 0 und 0.5 liegt, werden Kauforder an einem bestimmten Tag jeden Monat ausgegeben. Der Kaufbetrag wird allmählich steigen, wenn die Bandzahl abnimmt. Zum Beispiel bei Band 5 beträgt der Kaufbetrag 20% der monatlichen DCA-Gesamtsumme. Bei Band 1 steigt der Kaufbetrag auf 100% der monatlichen DCA-Gesamtsumme.
Wenn die Preise zu Höchstwerten steigen, wird die Strategie ihre Position allmählich reduzieren. Insbesondere, wenn der Preis Band 0,5 übersteigt, werden vergleichsweise Verkaufsbestellungen ausgegeben. Die Verkaufsposition wird allmählich steigen, wenn die Bandzahl steigt. Zum Beispiel mit Band 6 werden 6,67% verkauft. Mit Band 10 werden alle Positionen verkauft.
Der größte Vorteil dieser BEAM-Band-DCA-Strategie besteht darin, dass sie die Volatilitätsmerkmale des BTC-Handels voll ausnutzt, indem sie bei Preisrückgängen auf den Tiefpunkt und bei Preisanstieg auf den Höchststand profitiert. Dieser Ansatz verpasst keine Kauf- oder Verkaufsmöglichkeiten. Die spezifischen Vorteile können wie folgt zusammengefasst werden:
Zusammenfassend ist dies eine ausgeklügelte Parameter-Tuning-Strategie, die bei schwankenden BTC-Marktbedingungen langfristig stabile Renditen erzielen kann.
Obwohl die BEAM-Band-DCA-Strategie viele Vorteile bietet, gibt es immer noch einige potenzielle Risiken, die zu beachten sind.
Zur Verringerung der Risiken können folgende Maßnahmen ergriffen werden:
Angesichts der oben genannten Risiken kann die Optimierung dieser Strategie auf folgende Bereiche ausgerichtet sein:
Durch diese Maßnahmen können die Stabilität und Sicherheit der Strategie erheblich verbessert werden.
Die BEAM-Band-DCA-Durchschnittskostenstrategie ist eine sehr praktische quantitative Handelsstrategie. Sie nutzt erfolgreich die BEAM-Theorie, um Handelsentscheidungen zu treffen, ergänzt durch ein Kostendurchschnittsmodell zur Steuerung der Kaufkosten. Gleichzeitig achtet sie auf das Risikomanagement, indem sie Stop-Loss-Punkte festlegt, um Verlustexpansion zu verhindern. Mit Parameteroptimierung und modularen Ergänzungen kann diese Strategie zu einem wichtigen Werkzeug für den quantitativen Handel werden, um langfristige, stabile Renditen vom BTC-Markt zu erzielen. Sie verdient weitere Forschung und Anwendung durch quantitative Handelspraktiker.
/*backtest start: 2023-02-11 00:00:00 end: 2024-02-17 00:00:00 period: 1d basePeriod: 1h exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}] */ // © gjfsdrtytru - BEAM DCA Strategy { // Based on Ben Cowen's risk level strategy, this aims to copy that method but with BEAM band levels. // Upper BEAM level is derived from ln(price/200W MA)/2.5, while the 200W MA is the floor price. This is our 0-1 range. // Buy limit orders are set at the < 0.5 levels and sell orders are set at the > 0.5 level. //@version=5 strategy( title = "BEAM DCA Strategy Monthly", shorttitle = "BEAM DCA M", overlay = true, pyramiding = 500, default_qty_type = strategy.percent_of_equity, default_qty_value = 0, initial_capital = 0) //} // Inputs { ———————————————————————————————————————————————————————————————————— T_ceiling = input.string("Off", "Diminishing Returns", ["Off","Linear","Parabolic"], "Account for diminishing returns as time increases") day = input.int(1, "DCA Day of Month",1,28,1,"Select day of month for buy orders.") DCAamount = input.int(1000,"DCA Amount",400,tooltip="Enter the maximum amount you'd be willing to DCA for any given month.") T_buy = input(true,"Buy Orders","Toggle buy orders.") T_sell = input(true,"Sell Orders","Toggle sell orders.") // Time period testStartYear = input.int(2018, title="Backtest Start Year", minval=2010,maxval=2100,group="Backtest Period") testStartMonth = input.int(1, title="Backtest Start Month", minval=1, maxval=12, group="Backtest Period") testStartDay = input.int(1, title="Backtest Start Day", minval=1, maxval=31, group="Backtest Period") testPeriodLen = input.int(9999, title="Backtest Period (days)", minval=1, group="Backtest Period",tooltip="Days until strategy ends") * 86400000 // convert days into UNIX time testPeriodStart = timestamp(testStartYear,testStartMonth,testStartDay,0,0) testPeriodStop = testPeriodStart + testPeriodLen testPeriod() => true // ——————————————————————————————————————————————————————————————————————————— } // Diminishing Returns { ——————————————————————————————————————————————————————— x = bar_index + 1 assetDivisor= 2.5 switch T_ceiling == "Linear" => assetDivisor:= 3.50542 - 0.000277696 * x T_ceiling == "Parabolic"=> assetDivisor:= -0.0000001058992338 * math.pow(x,2) + 0.000120729 * x + 3.1982 // ——————————————————————————————————————————————————————————————————————————— } // Risk Levels { ——————————————————————————————————————————————————————————————— cycleLen = 1400 getMaLen() => if bar_index < cycleLen bar_index + 1 else cycleLen // Define Risk Bands price = close riskLow = ta.sma(price,getMaLen()) risk1 = riskLow * math.exp((assetDivisor)*0.1) risk2 = riskLow * math.exp((assetDivisor)*0.2) risk3 = riskLow * math.exp((assetDivisor)*0.3) risk4 = riskLow * math.exp((assetDivisor)*0.4) risk5 = riskLow * math.exp((assetDivisor)*0.5) risk6 = riskLow * math.exp((assetDivisor)*0.6) risk7 = riskLow * math.exp((assetDivisor)*0.7) risk8 = riskLow * math.exp((assetDivisor)*0.8) risk9 = riskLow * math.exp((assetDivisor)*0.9) riskHigh = riskLow * math.exp((assetDivisor)) // Plot Risk Bands p_low = plot(riskLow, "Beam Risk 0.0",color.new(#0042F0,50),3,editable=false) p_band1 = plot(risk1, "Beam Risk 0.1",color.new(#0090F5,20),1,editable=false) p_band2 = plot(risk2, "Beam Risk 0.2",color.new(#00C6DB,20),1,editable=false) p_band3 = plot(risk3, "Beam Risk 0.3",color.new(#00F5BD,20),1,editable=false) p_band4 = plot(risk4, "Beam Risk 0.4",color.new(#00F069,20),1,editable=false) p_band5 = plot(risk5, "Beam Risk 0.5",color.new(#00DB08,50),3,editable=false) p_band6 = plot(risk6, "Beam Risk 0.6",color.new(#E8D20C,20),1,editable=false) p_band7 = plot(risk7, "Beam Risk 0.7",color.new(#F2B40C,20),1,editable=false) p_band8 = plot(risk8, "Beam Risk 0.8",color.new(#DC7A00,20),1,editable=false) p_band9 = plot(risk9, "Beam Risk 0.9",color.new(#F2520C,20),1,editable=false) p_band10 = plot(riskHigh, "Beam Risk 1.0",color.new(#F01102,50),3,editable=false) // ——————————————————————————————————————————————————————————————————————————— } // Order Execution { ——————————————————————————————————————————————————————————— band5 = price<risk5 and price>risk4 band4 = price<risk4 and price>risk3 band3 = price<risk3 and price>risk2 band2 = price<risk2 and price>risk1 band1 = price<risk1 // DCA buy order weights y = DCAamount / 5 switch band5 => y:= y * 1 band4 => y:= y * 2 band3 => y:= y * 3 band2 => y:= y * 4 band1 => y:= y * 5 // Contracts per order contracts =(y/price) if testPeriod() // Buy orders if T_buy == true if dayofmonth == day strategy.entry("Risk Band 5",strategy.long,qty=contracts,when=band5) strategy.entry("Risk Band 4",strategy.long,qty=contracts,when=band4) strategy.entry("Risk Band 3",strategy.long,qty=contracts,when=band3) strategy.entry("Risk Band 2",strategy.long,qty=contracts,when=band2) strategy.entry("Risk Band 1",strategy.long,qty=contracts,when=band1) // Sell orders if T_sell == true if strategy.opentrades > 5 strategy.exit("Risk Band 6",qty_percent=6.67,limit=risk6) strategy.exit("Risk Band 7",qty_percent=14.28,limit=risk7) strategy.exit("Risk Band 8",qty_percent=25.00,limit=risk8) strategy.exit("Risk Band 9",qty_percent=44.44,limit=risk9) strategy.exit("Risk Band 10",qty_percent=100,limit=riskHigh) // ——————————————————————————————————————————————————————————————————————————— } // Info { —————————————————————————————————————————————————————————————————————— // Line plot of avg. entry price plot(strategy.position_size > 0 ? strategy.position_avg_price : na,"Average Entry",color.red,trackprice=true,editable=false) // Unrealised PNL uPNL = price/strategy.position_avg_price // Realised PNL realPNL = 0. for i = 0 to strategy.closedtrades-1 realPNL += strategy.closedtrades.profit(i) // Size of open position in ($) openPosSize = 0. for i = 0 to strategy.opentrades-1 openPosSize += strategy.opentrades.size(i) * strategy.position_avg_price // Size of closed position in ($) closePosSize = 0. if strategy.closedtrades > 0 for i = 0 to strategy.closedtrades-1 closePosSize += strategy.closedtrades.size(i) * strategy.closedtrades.entry_price(i) invested = openPosSize+closePosSize // Total capital ($) put into strategy equity = openPosSize+closePosSize+strategy.openprofit+realPNL // Total current equity ($) in strategy (counting realised PNL) ROI = (equity-invested) / invested * 100 // ROI of strategy (compare capital invested to excess return) // // Info Table // var table table1 = table.new(position.bottom_right,2,9,color.black,color.gray,1,color.gray,2) // table.cell(table1,0,0,"Capital Invested", text_color=color.white,text_halign=text.align_right) // table.cell(table1,0,1,"Open Position", text_color=color.white,text_halign=text.align_right) // table.cell(table1,0,2,"Average Entry", text_color=color.white,text_halign=text.align_right) // table.cell(table1,0,3,"Last Price", text_color=color.white,text_halign=text.align_right) // table.cell(table1,0,4,"Open PNL (%)", text_color=color.white,text_halign=text.align_right) // table.cell(table1,0,5,"Open PNL ($)", text_color=color.white,text_halign=text.align_right) // table.cell(table1,0,6,"Realised PNL ($)", text_color=color.white,text_halign=text.align_right) // table.cell(table1,0,7,"Total Equity", text_color=color.white,text_halign=text.align_right) // table.cell(table1,0,8,"Strategy ROI", text_color=color.white,text_halign=text.align_right) // table.cell(table1,1,0,"$" + str.tostring(invested, "#,###.00"), text_halign=text.align_right,text_color = color.white) // table.cell(table1,1,1,"$" + str.tostring(openPosSize, "#,###.00"), text_halign=text.align_right,text_color = color.white) // table.cell(table1,1,2,"$" + str.tostring(strategy.position_avg_price, "#,###.00"), text_halign=text.align_right,text_color = color.white) // table.cell(table1,1,3,"$" + str.tostring(price, "#,###.00"), text_halign=text.align_right,text_color = color.white) // table.cell(table1,1,4, str.tostring((uPNL-1)*100, "#,###.00") + "%",text_halign=text.align_right,text_color = uPNL > 1 ? color.lime : color.red) // table.cell(table1,1,5,"$" + str.tostring(strategy.openprofit, "#,###.00"), text_halign=text.align_right,text_color = uPNL > 1 ? color.lime : color.red) // table.cell(table1,1,6,"$" + str.tostring(realPNL, "#,###.00"), text_halign=text.align_right,text_color = color.white) // table.cell(table1,1,7,"$" + str.tostring(equity, "#,###.00"), text_halign=text.align_right,text_color = color.white) // table.cell(table1,1,8, str.tostring(ROI, "#,###.00") + "%",text_halign=text.align_right,text_color = ROI > 1 ? color.lime : color.red) // // ——————————————————————————————————————————————————————————————————————————— }