Die Ressourcen sind geladen. Beförderung...
  1. Quadrat
  2. Strategie zur Verfolgung des Trendverlaufs des dreifachen dynamischen gleitenden Durchschnitts

Strategie zur Verfolgung des Trendverlaufs des dreifachen dynamischen gleitenden Durchschnitts

Schriftsteller:ChaoZhang, Datum: 2024-02-23 12:07:11
Tags:

img

Übersicht

Die Strategie des Triple Dynamic Moving Average Trend Tracking verwendet dynamisch glättete gleitende Durchschnittswerte für mehrere Zeitrahmen, um Markttrends zu identifizieren und eine konsequente Trendfilterung über verschiedene Zeitrahmen hinweg zu erreichen, wodurch die Zuverlässigkeit der Handelssignale verbessert wird.

Strategie Logik

Der erste gleitende Durchschnitt berechnet die Trendrichtung der aktuellen Periodenpreise, der zweite gleitende Durchschnitt berechnet die Trendrichtung der höheren Zeitrahmenpreise und der dritte gleitende Durchschnitt berechnet die Trendrichtung der noch höheren Zeitrahmenpreise. Ein Kaufsignal wird erzeugt, wenn der erste gleitende Durchschnitt über den zweiten gleitenden Durchschnitt überschreitet und der dritte gleitende Durchschnitt ebenfalls in einem Aufwärtstrend ist, was die Zuverlässigkeit des Kaufsignals überprüft. Die gesamte Strategie erreicht durch Inter-Timeframe-Trendfilterung Trendkonsistenz über mehrere Zeitrahmen hinweg und stellt die Zuverlässigkeit der Handelssignale sicher.

Die dynamische Glättungsfunktion wird verwendet, um automatisch geeignete Glättungsfaktoren zwischen verschiedenen Zeitrahmen zu berechnen und anzuwenden, so dass die höheren gleitenden Durchschnittswerte glatte Trendlinien anstelle von zerklüfteten Zickzacklinien auf den unteren Zeitrahmendiagrammen präsentieren.

Vorteile

Der größte Vorteil dieser Strategie liegt in ihrem Mechanismus zur Trendfilterung zwischen Zeitrahmen. Durch die Berechnung der durchschnittlichen Trendrichtungen der Preise in verschiedenen Zeiträumen und die Erfordernis einer Konsistenz zwischen ihnen kann sie kurzfristige Preisschwankungen, die die Handelssignale beeinträchtigen, effektiv filtern und sicherstellen, dass jeder Handel entlang des Haupttrends platziert wird, wodurch die Rentabilität erheblich verbessert wird.

Ein weiterer Vorteil ist die Anwendung von dynamischer Glättung. Dies ermöglicht es der Strategie, sowohl den Gesamttrend in höheren Zeitrahmen als auch bestimmte Handelspunkte in niedrigeren Zeitrahmen gleichzeitig zu identifizieren. Die Strategie kann die Haupttrendrichtung in höheren Zeitrahmen bestimmen, während bestimmte Trades in niedrigeren Zeitrahmen ausgeführt werden. Eine solche Anwendung mehrerer Zeitrahmen hilft, Marktchancen zu nutzen und gleichzeitig Handelsrisiken zu kontrollieren.

Risiken und Optimierung

Das Hauptrisiko dieser Strategie ist die relativ wenige Handelssignale. Die strengen Trendfilterbedingungen reduzieren die Anzahl der Handelsmöglichkeiten, was für einige Anleger, die einen Hochfrequenzhandel betreiben, möglicherweise nicht geeignet ist. Die Strenge der Filterbedingungen kann reduziert werden, um mehr Handelsmöglichkeiten zu erhalten.

Darüber hinaus sind sorgfältige Tests und Optimierungen für Parameter-Einstellungen, insbesondere für die gleitenden Durchschnittsperioden, erforderlich, die unterschiedliche Optimalwerte auf verschiedenen Märkten erfordern.

In zukünftigen Optimierungsrichtungen kann auch die Einbeziehung technischer Indikatoren für die Signalfilterung oder die Erhöhung von Machine-Learning-Algorithmen für die automatische Parameteroptimierung in Betracht gezogen werden.

Schlussfolgerung

Das ist eine sehr praktische Trend-Tracking-Strategie. Die Inter-Timeframe-Trendfilterung bietet eine gute Richtungsführung, um jede Handelsentscheidung zu unterstützen und die Handelsrisiken effektiv zu reduzieren. Die Hinzufügung von dynamischer Glättung ermöglicht auch eine effiziente Umsetzung dieses Multi-Timeframe-Ansatzes. Der gesamte Strategierahmen ist vernünftig und effizient, lernenswert und anwendbar.

/*backtest
start: 2024-01-23 00:00:00
end: 2024-02-22 00:00:00
period: 1h
basePeriod: 15m
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/

// This Pine Script™ code is subject to the terms of the Mozilla Public License 2.0 at https://mozilla.org/MPL/2.0/
// © Harrocop

//@version=5
strategy(title = "Triple MA HTF strategy - Dynamic Smoothing", shorttitle = "Triple MA strategy", overlay=true, 
         pyramiding=5, initial_capital = 10000,
         calc_on_order_fills=false,
         slippage = 0,
         commission_type=strategy.commission.percent, commission_value=0.05)

//////////////////////////////////////////////////////
//////////         Risk Management        ////////////
//////////////////////////////////////////////////////
RISKM = "-------------------- Risk Management  --------------------"
InitialBalance = input.float(defval = 10000, title = "Initial Balance", minval = 1, maxval = 1000000, step = 1000, tooltip = "starting capital", group = RISKM)
LeverageEquity = input.bool(defval = true, title = "qty based on equity %", tooltip = "true turns on MarginFactor based on equity, false gives fixed qty for positionsize", group = RISKM)
MarginFactor = input.float(0, minval = - 0.9, maxval = 100, step = 0.1, tooltip = "Margin Factor, meaning that 0.5 will add 50% extra capital to determine ordersize quantity, 0.0 means 100% of equity is used to decide quantity of instrument", inline = "qty", group = RISKM)
QtyNr = input.float(defval = 3.5, title = "Quantity Contracts", minval = 0, maxval = 1000000, step = 0.01,  tooltip = "Margin Factor, meaning that 0.5 will add 50% extra capital to determine ordersize quantity, 0.0 means 100% of equity is used to decide quantity of instrument", inline = "qty", group = RISKM)
EquityCurrent = InitialBalance + strategy.netprofit[1]
QtyEquity = EquityCurrent * (1 + MarginFactor) / close[1]
QtyTrade = LeverageEquity ? QtyEquity : QtyNr

/////////////////////////////////////////////////////
//////////       MA Filter Trend         ////////////
/////////////////////////////////////////////////////
TREND = "-------------------- Moving Average 1 --------------------"
Plot_MA = input.bool(true, title = "Plot MA trend?", inline = "Trend1", group = TREND)
TimeFrame_Trend = input.timeframe(title='Higher Time Frame', defval='15', inline = "Trend1", group = TREND)
length = input.int(21, title="Length MA", minval=1, tooltip = "Number of bars used to measure trend on higher timeframe chart", inline = "Trend2", group = TREND)
MA_Type  = input.string(defval="McGinley" , options=["EMA","DEMA","TEMA","SMA","WMA", "HMA", "McGinley"], title="MA type:", inline = "Trend2", group = TREND)

ma(type, src, length) =>
    float result = 0
    if type == 'TMA' // Triangular Moving Average
        result := ta.sma(ta.sma(src, math.ceil(length / 2)), math.floor(length / 2) + 1)
        result
    if type == 'LSMA' // Least Squares Moving Average
        result := ta.linreg(src, length, 0)
        result
    if type == 'SMA'  // Simple Moving Average
        result := ta.sma(src, length)
        result
    if type == 'EMA'  // Exponential Moving Average
        result := ta.ema(src, length)
        result
    if type == 'DEMA'  // Double Exponential Moving Average
        e = ta.ema(src, length)
        result := 2 * e - ta.ema(e, length)
        result
    if type == 'TEMA'  // Triple Exponentiale
        e = ta.ema(src, length)
        result := 3 * (e - ta.ema(e, length)) + ta.ema(ta.ema(e, length), length)
        result
    if type == 'WMA'  // Weighted Moving Average
        result := ta.wma(src, length)
        result
    if type == 'HMA'  // Hull Moving Average
        result := ta.wma(2 * ta.wma(src, length / 2) - ta.wma(src, length), math.round(math.sqrt(length)))
        result
    if type == 'McGinley' // McGinley Dynamic Moving Average
        mg = 0.0
        mg := na(mg[1]) ? ta.ema(src, length) : mg[1] + (src - mg[1]) / (length * math.pow(src / mg[1], 4))
        result := mg
        result
    result

// Moving Average
MAtrend = ma(MA_Type, close, length)
MA_Value_HTF = request.security(syminfo.tickerid, TimeFrame_Trend, MAtrend)

// Get minutes for current and higher timeframes
// Function to convert a timeframe string to its equivalent in minutes
timeframeToMinutes(tf) =>
    multiplier = 1
    if (str.endswith(tf, "D"))
        multiplier := 1440
    else if (str.endswith(tf, "W"))
        multiplier := 10080
    else if (str.endswith(tf, "M"))
        multiplier := 43200
    else if (str.endswith(tf, "H"))
        multiplier := int(str.tonumber(str.replace(tf, "H", "")))
    else
        multiplier := int(str.tonumber(str.replace(tf, "m", "")))
    multiplier

// Get minutes for current and higher timeframes
currentTFMinutes = timeframeToMinutes(timeframe.period)
higherTFMinutes = timeframeToMinutes(TimeFrame_Trend)

// Calculate the smoothing factor
dynamicSmoothing = math.round(higherTFMinutes / currentTFMinutes)
MA_Value_Smooth = ta.sma(MA_Value_HTF, dynamicSmoothing)

// Trend HTF
UP = MA_Value_Smooth > MA_Value_Smooth[1] // Use "UP" Function to use as filter in combination with other indicators
DOWN = MA_Value_Smooth < MA_Value_Smooth[1] // Use "Down" Function to use as filter in combination with other indicators

/////////////////////////////////////////////////////
//////////       Second MA Filter Trend   ///////////
/////////////////////////////////////////////////////
TREND2 = "-------------------- Moving Average 2 --------------------"
Plot_MA2 = input.bool(true, title = "Plot Second MA trend?", inline = "Trend3", group = TREND2)
TimeFrame_Trend2 = input.timeframe(title='HTF', defval='60', inline = "Trend3", group = TREND2)
length2 = input.int(21, title="Length Second MA", minval=1, tooltip = "Number of bars used to measure trend on higher timeframe chart", inline = "Trend4", group = TREND2)
MA_Type2  = input.string(defval="McGinley" , options=["EMA","DEMA","TEMA","SMA","WMA", "HMA", "McGinley"], title="MA type:", inline = "Trend4", group = TREND2)

// Second Moving Average
MAtrend2 = ma(MA_Type2, close, length2)
MA_Value_HTF2 = request.security(syminfo.tickerid, TimeFrame_Trend2, MAtrend2)

// Get minutes for current and higher timeframes
higherTFMinutes2 = timeframeToMinutes(TimeFrame_Trend2)

// Calculate the smoothing factor for the second moving average
dynamicSmoothing2 = math.round(higherTFMinutes2 / currentTFMinutes)
MA_Value_Smooth2 = ta.sma(MA_Value_HTF2, dynamicSmoothing2)

// Trend HTF for the second moving average
UP2 = MA_Value_Smooth2 > MA_Value_Smooth2[1]
DOWN2 = MA_Value_Smooth2 < MA_Value_Smooth2[1]

/////////////////////////////////////////////////////
//////////       Third MA Filter Trend    ///////////
/////////////////////////////////////////////////////
TREND3 = "-------------------- Moving Average 3 --------------------"
Plot_MA3 = input.bool(true, title = "Plot third MA trend?", inline = "Trend5", group = TREND3)
TimeFrame_Trend3 = input.timeframe(title='HTF', defval='240', inline = "Trend5", group = TREND3)
length3 = input.int(50, title="Length third MA", minval=1, tooltip = "Number of bars used to measure trend on higher timeframe chart", inline = "Trend6", group = TREND3)
MA_Type3  = input.string(defval="McGinley" , options=["EMA","DEMA","TEMA","SMA","WMA", "HMA", "McGinley"], title="MA type:", inline = "Trend6", group = TREND3)

// Second Moving Average
MAtrend3 = ma(MA_Type3, close, length3)
MA_Value_HTF3 = request.security(syminfo.tickerid, TimeFrame_Trend3, MAtrend3)

// Get minutes for current and higher timeframes
higherTFMinutes3 = timeframeToMinutes(TimeFrame_Trend3)

// Calculate the smoothing factor for the second moving average
dynamicSmoothing3 = math.round(higherTFMinutes3 / currentTFMinutes)
MA_Value_Smooth3 = ta.sma(MA_Value_HTF3, dynamicSmoothing3)

// Trend HTF for the second moving average
UP3 = MA_Value_Smooth3 > MA_Value_Smooth3[1]
DOWN3 = MA_Value_Smooth3 < MA_Value_Smooth3[1]

/////////////////////////////////////////////////////
//////////         Entry Settings        ////////////
/////////////////////////////////////////////////////
BuySignal = ta.crossover(MA_Value_HTF, MA_Value_HTF2) and UP3 == true
SellSignal = ta.crossunder(MA_Value_HTF, MA_Value_HTF2) and DOWN3 == true
ExitBuy = ta.crossunder(MA_Value_HTF, MA_Value_HTF2)
ExitSell = ta.crossover(MA_Value_HTF, MA_Value_HTF2)

/////////////////////////////////////////////////
///////////       Strategy       ////////////////
///////////      Entry & Exit    ////////////////
///////////         logic        ////////////////
/////////////////////////////////////////////////
// Long
if BuySignal
    strategy.entry("Long", strategy.long, qty = QtyTrade)

if (strategy.position_size > 0 and ExitBuy == true)
    strategy.close(id = "Long", comment = "Close Long")

// Short
if SellSignal
    strategy.entry("Short", strategy.short, qty = QtyTrade)

if (strategy.position_size < 0 and ExitSell == true)
    strategy.close(id = "Short", comment = "Close Short")

/////////////////////////////////////////////////////
//////////         Visuals Chart         ////////////
/////////////////////////////////////////////////////
// Plot Moving Average HTF
p1 = plot(Plot_MA ? MA_Value_Smooth : na, "HTF Trend", color = UP ? color.rgb(238, 255, 0) : color.rgb(175, 173, 38), linewidth = 1, style = plot.style_line)
p2 = plot(Plot_MA2 ? MA_Value_Smooth2 : na, "HTF Trend", color = UP2 ? color.rgb(0, 132, 255) : color.rgb(0, 17, 255), linewidth = 1, style = plot.style_line)
plot(Plot_MA3 ? MA_Value_Smooth3 : na, "HTF Trend", color = UP3 ? color.rgb(0, 255, 8) : color.rgb(255, 0, 0), linewidth = 2, style = plot.style_line)
fill(p1, p2, color = color.rgb(255, 208, 0, 90), title="Fill")
Mehr

2019 FMZ - Alle Rechte vorbehalten