Estrategia de negociación por desviación estándar ponderada
El autor:¿ Qué pasa?, Fecha: 2023-11-24 13:54:58Las etiquetas:
Resumen general
Esta estrategia utiliza el indicador de desviación estándar ponderada combinado con el promedio móvil para implementar la negociación de tendencias en criptomonedas. Calcula un canal de precios de desviación estándar ponderada basado en los precios de cierre y los volúmenes durante un cierto período. Cuando el precio rompe el canal superior o inferior, se toman posiciones largas o cortas. Las condiciones de stop loss y take profit también se establecen para limitar las pérdidas por operación.
Estrategia lógica
El código define dos funciones personalizadas para calcular la desviación estándar ponderada de las series de tiempo y matrices.
- Calcular el precio medio ponderado basado en el precio de cierre y el volumen
- Calcule el error cuadrado de cada vela frente al precio promedio
- Calcular la varianza sobre la base del tamaño de la muestra, los pesos y la media ajustada
- Tomar la raíz cuadrada para derivar la desviación estándar
Esto nos da un canal centrado en el precio promedio ponderado, con los límites superior e inferior a una desviación estándar de distancia.
Análisis de ventajas
La mayor ventaja de esta estrategia es la combinación de promedio móvil y análisis de volatilidad. El MA juzga la dirección de la tendencia del mercado mientras que el rango SD define una banda sensata - ambos se verifican entre sí para una mayor confiabilidad.
Los puntos de stop loss y take profit ayudan aún más a operar con la tendencia y evitar pérdidas excesivas en reversiones.
Análisis de riesgos
El principal riesgo es el de las violentas oscilaciones del mercado, lo que puede hacer que el canal SD oscile también de forma salvaje, lo que dificulta los juicios.
El remedio es suavizar los parámetros y la configuración del período adecuadamente.
Direcciones de optimización
- Optimizar los parámetros del período - prueba 5min, 15min, 30min etc para el mejor combo
- Optimizar las proporciones stop loss/take profit para obtener el máximo rendimiento
- Añadir filtros por ejemplo volumen para evitar roturas falsas
- Añadir filtros de velas en el precio de cierre, mecha, etc. para mejorar la precisión
Conclusión
Esta estrategia emplea con éxito el indicador de desviación estándar ponderado junto con MA para rastrear las tendencias de las criptomonedas. Las configuraciones razonables de stop loss / take profit también ayudan al ritmo del mercado comercial y evitan pérdidas de reversión excesivas.
/*backtest
start: 2023-11-16 00:00:00
end: 2023-11-23 00:00:00
period: 45m
basePeriod: 5m
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/
// © rumpypumpydumpy © cache_that_pass
//@version=4
strategy("[cache_that_pass] 1m 15m Function - Weighted Standard Deviation", overlay=true, pyramiding=0, default_qty_type=strategy.percent_of_equity, default_qty_value=20, initial_capital=10000, commission_type=strategy.commission.percent, commission_value=0.075)
f_weighted_sd_from_series(_src, _weight, _n) => //{
// @function: Calculates weighted mean, variance, standard deviation, MSE and RMSE from time series variables
// @parameters:
// _src: time series variable of sample values
// _weight: time series of corresponding weight values.
// _n : number of samples
_xw = _src * _weight
_sum_weight = sum(_weight, _n)
_mean = sum(_xw, _n) / _sum_weight
float _sqerror_sum = 0
int _nonzero_n = 0
for _i = 0 to _n - 1
_sqerror_sum := _sqerror_sum + pow(_mean - _src[_i], 2) * _weight[_i]
_nonzero_n := _weight[_i] != 0 ? _nonzero_n + 1 : _nonzero_n
_variance = _sqerror_sum / ((_nonzero_n - 1) * _sum_weight / _nonzero_n)
_dev = sqrt(_variance)
_mse = _sqerror_sum / _sum_weight
_rmse = sqrt(_mse)
[_mean, _variance, _dev, _mse, _rmse]
//}
// -----------------------------------------------------------------------------
f_weighted_sd_from_arrays(_a_src, _a_weight, _n) => //{
// @function: Calculates weighted mean, variance, standard deviation, MSE and RMSE from arrays
// Expects index 0 of the arrays to be the most recent sample and weight values!
// @parameters:
// _a_src: array of sample values
// _a_weight: array of corresponding weight values.
// _n : number of samples
float _mean = na, float _variance = na, float _dev = na, float _mse = na
float _rmse = na, float _sqerror_sum = na, float _sum_weight = na
float[] _a_xw = array.new_float(_n)
int _nonzero_n = 0
if array.size(_a_src) >= _n
_sum_weight := 0
_sqerror_sum := 0
for _i = 0 to _n - 1
array.set(_a_xw, _i, array.get(_a_src, _i) * array.get(_a_weight, _i))
_sum_weight := _sum_weight + array.get(_a_weight, _i)
_nonzero_n := array.get(_a_weight, _i) != 0 ? _nonzero_n + 1 : _nonzero_n
_mean := array.sum(_a_xw) / _sum_weight
for _j = 0 to _n - 1
_sqerror_sum := _sqerror_sum + pow(_mean - array.get(_a_src, _j), 2) * array.get(_a_weight, _j)
_variance := _sqerror_sum / ((_nonzero_n - 1) * _sum_weight / _nonzero_n)
_dev := sqrt(_variance)
_mse := _sqerror_sum / _sum_weight
_rmse := sqrt(_mse)
[_mean, _variance, _dev, _mse, _rmse]
//}
// -----------------------------------------------------------------------------
// Example usage :
// -----------------------------------------------------------------------------
len = input(20)
// -----------------------------------------------------------------------------
// From series :
// -----------------------------------------------------------------------------
[m, v, d, mse, rmse] = f_weighted_sd_from_series(close, volume, len)
plot(m, color = color.blue)
plot(m + d * 2, color = color.blue)
plot(m - d * 2, color = color.blue)
// -----------------------------------------------------------------------------
// -----------------------------------------------------------------------------
// From arrays :
// -----------------------------------------------------------------------------
var float[] a_src = array.new_float()
var float[] a_weight = array.new_float()
if barstate.isfirst
for i = 1 to len
array.unshift(a_weight, i)
array.unshift(a_src, close)
if array.size(a_src) > len
array.pop(a_src)
[a_m, a_v, a_d, a_mse, a_rmse] = f_weighted_sd_from_arrays(a_src, a_weight, len)
plot(a_m, color = color.orange)
plot(a_m + a_d * 2, color = color.orange)
plot(a_m - a_d * 2, color = color.orange)
// -----------------------------------------------------------------------------
series_text = "Mean : " + tostring(m) + "\nVariance : " + tostring(v) + "\nSD : " + tostring(d) + "\nMSE : " + tostring(mse) + "\nRMSE : " + tostring(rmse)
array_text = "Mean : " + tostring(a_m) + "\nVariance : " + tostring(a_v) + "\nSD : " + tostring(a_d) + "\nMSE : " + tostring(a_mse) + "\nRMSE : " + tostring(a_rmse)
debug_text = "Volume weighted from time series : \n" + series_text + "\n\nLinearly weighted from arrays : \n" + array_text
//debug = label.new(x = bar_index, y = close, text = debug_text, style = label.style_label_left)
//.delete(debug[1])
//test strategy
if low <= (m - d * 2)
strategy.entry("LE", strategy.long)
if high >= (m + d * 2)
strategy.entry("SE", strategy.short)
// User Options to Change Inputs (%)
stopPer = input(3.11, title='Stop Loss %', type=input.float) / 100
takePer = input(7.50, title='Take Profit %', type=input.float) / 100
// Determine where you've entered and in what direction
longStop = strategy.position_avg_price * (1 - stopPer)
shortStop = strategy.position_avg_price * (1 + stopPer)
shortTake = strategy.position_avg_price * (1 - takePer)
longTake = strategy.position_avg_price * (1 + takePer)
if strategy.position_size > 0
strategy.exit(id="Close Long", stop=longStop, limit=longTake)
// strategy.close("LE", when = (longStop) or (longTake), qty_percent = 100)
if strategy.position_size < 0
strategy.exit(id="Close Short", stop=shortStop, limit=shortTake)
// strategy.close("SE", when = (shortStop) or (shortTake), qty_percent = 100)
Más.
- Estrategia de comercio de semáforos basada en la EMA
- Estrategia de coincidencia de dos promedios móviles basada en bandas de Bollinger
- Estrategia de negociación algorítmica inversa de Las Vegas
- Estrategia del sistema de medias móviles sólidas
- Estrategia avanzada de seguimiento de la tendencia de la cuadrícula de bandas de Bollinger
- Indicador Ichimoku Kinko Hyo Estrategia de tendencia de equilibrio
- Indicador de precios por volumen Estrategia de negociación equilibrada
- Estrategia de línea larga de intercambio adaptativo SMA retorcido
- Estrategia de arbitraje de media móvil doble
- Estrategia de inversión cuantitativa basada en la fecha de compra mensual
- Estrategia de negociación cuantitativa de media móvil triple
- Estrategia cruzada de la EMA
- Estrategia de negociación cruzada a corto, mediano y largo plazo de la EMA
- Estrategia basada en la descomposición de series temporales y bandas de Bollinger ponderadas por volumen
- Estrategia de negociación cuantitativa del oscilador de precios desviado
- Tendencia de múltiples indicadores siguiendo la estrategia
- Tendencia del doble marco de tiempo de la CCI siguiendo la estrategia
- Estrategia de seguimiento de tendencias del T3-CCI
- Estrategia de ruptura de supertrend en el marco temporal
- Estrategia de combinación de promedio móvil de inversión de impulso