Die Ressourcen sind geladen. Beförderung...

Strategie des institutionellen Händlers auf Basis von Preisbewegung

Schriftsteller:ChaoZhang, Datum: 2024-02-23 15:04:39
Tags:

Übersicht

Diese Strategie wird Institutional Trader Strategy Based on Price Action genannt. Sie versucht, bestimmte von institutionellen Händlern verwendete Handelsmuster zu nutzen, insbesondere ihre Tendenz, Aufträge um bestimmte Orderblöcke zu platzieren. Die Strategie beinhaltet Elemente des beizulegenden Zeitwerts, der Liquidität und der Preisaktion, um Ein- und Ausstiege aus dem Markt zu bestimmen.

Strategie Logik

Der Kern der Strategie besteht in der Identifizierung von Orderblöcken Preisbereichen, in denen in der Vergangenheit signifikante institutionelle Handelsaktivitäten stattgefunden haben. Diese Bereiche sind mit erheblicher Liquidität verbunden.

Der beizulegende Zeitwert wird definiert als der "angemessene" Preis eines Instruments, der auf Indikatoren wie gleitenden Durchschnitten basiert.

Die Liquidität ist ebenfalls ein wichtiger Faktor, da institutionelle Händler in der Regel Geschäfte in Gebieten mit hoher Liquidität tätigen.

Die Strategie ermittelt den beizulegenden Zeitwert durch Berechnung eines einfachen gleitenden Durchschnitts. Anschließend werden potenzielle Auftragsblöcke mit einer Länge von 20 Perioden ermittelt. Ist die Differenz zwischen dem Schlusskurs und dem beizulegenden Zeitwert unter 38,2% der Gesamthöhe des Auftragsblockbereichs, wird ein Auftragsblock bestimmt.

Auftriebsblöcke werden als Kaufsignale betrachtet, auftriebsblöcke als Verkaufssignale.

Analyse der Vorteile

Die wichtigsten Vorteile der Strategie sind die Verwendung der Handelsmuster institutioneller Händler, die es ihr ermöglichen können, mechanistischere Indikator-basierte Strategien zu übertreffen.

Weitere Vorteile sind:

Verbesserung der Ausführung durch Liquidität
Verlassen Sie sich auf einfach zu visualisierende Konzepte wie den Auftragsfluss
Einfache Visualisierung von Auftragsblöcken auf Diagrammen
Flexibilität bei der Anpassung von Parametern wie Blocklänge

Risikoanalyse

Die Strategie ist auch mit potenziellen Risiken konfrontiert, wie:

Verlass auf Urteile über das vergangene Preisverhalten
Kann in Märkten ohne Auftragsfluss nicht ordnungsgemäß funktionieren
Kann falsche Signale erzeugen
Kann kurzfristige Trends verpassen

Um diese Risiken zu verringern, empfiehlt es sich, Folgendes zu berücksichtigen:

Kombination mit anderen Indikatoren zur Filterung falscher Signale
Anpassung von Parametern wie Blocklänge
Filterung der für den Handel ausgestellten Signale

Optimierungsrichtlinien

Hier sind einige mögliche Optimierungen für die Strategie:

Testen und optimieren Sie wichtige Parameterwerte wie Blocklänge und Fair Value-Abweichungsanteil
Hinzufügen zusätzlicher Indikatoren und Filter zur Verbesserung der Qualität
Einbau von Stop-Loss- und Take-Profit-Mechanismen
Mehr Datenquellen wie Bestellbuchaktivität einbeziehen
Überprüfung der Robustheit über verschiedene Zeiträume (intraday, mehrtäglich usw.) und Märkte hinweg
Hinzufügen von Machine-Learning-Vorhersagen zu Filtersignalen

Zusammenfassung

Zusammenfassend bietet die Strategie einen einzigartigen Ansatz, um das Verhalten institutioneller Händler zu nutzen. Sie verbindet mehrere Elemente und hat bestimmte Vorteile. Aber wie die meisten Handelsstrategien ist sie auch mit Risiken konfrontiert, wenn sich die Marktbedingungen ändern oder unerwartetes Preisverhalten auftritt. Mit kontinuierlichem Testen, Optimieren und Risikomanagement kann die Strategie zu einem wertvollen quantitativen Handelswerkzeug werden.

/*backtest
start: 2024-01-23 00:00:00
end: 2024-02-22 00:00:00
period: 3h
basePeriod: 15m
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/

//@version=5
strategy("ICT Strategy", overlay=true)

// Input variables
length = input.int(20, minval=1, title="Order Block Length")
fairValuePeriod = input.int(60, minval=1, title="Fair Value Period")

// Calculate fair value
fairValue = ta.sma(close, fairValuePeriod)

// Determine order blocks
isOrderBlock(high, low) =>
    highestHigh = ta.highest(high, length)
    lowestLow = ta.lowest(low, length)
    absHighLowDiff = highestHigh - lowestLow
    absCloseFairValueDiff = (close - fairValue)
    (absCloseFairValueDiff <= 0.382 * absHighLowDiff)

isBuyBlock = isOrderBlock(high, low) and close > fairValue
isSellBlock = isOrderBlock(high, low) and close < fairValue

// Plot fair value and order blocks
plot(fairValue, color=color.blue, title="Fair Value")
plotshape(isBuyBlock, style=shape.triangleup, location=location.belowbar, color=color.green, size=size.small)
plotshape(isSellBlock, style=shape.triangledown, location=location.abovebar, color=color.red, size=size.small)

// Strategy logic
if (isBuyBlock)
    strategy.entry("Buy", strategy.long)
    
if (isSellBlock)
    strategy.entry("Sell", strategy.short)

Mehr