En la carga de los recursos... Cargando...

La gran estrategia cuantitativa multifactorial del deleite

El autor:¿ Qué pasa?, Fecha: 2023-12-04 13:04:03
Las etiquetas:

Resumen general

La estrategia cuantitativa multifactor Great Delight combina múltiples indicadores técnicos, incluidos los promedios móviles, el MACD y la nube de Ichimoku, como una estrategia a largo plazo que sigue la tendencia.

Al considerar las tendencias a largo y corto plazo, así como la verificación de múltiples factores, esta estrategia puede filtrar eficazmente las operaciones de ruido causadas por falsas rupturas.

Principios de estrategia

Cuando el precio está por encima del MA de 200 días, la estrategia cree que el mercado está en una tendencia alcista.

Cuando el precio se rompe por debajo del MA de 200 días, la estrategia determina que ha comenzado una tendencia bajista.

La lógica de la señal de venta es similar, pero inversa: en un mercado alcista, una vela cerrada por debajo del fondo de la nube o los disparadores del giro de la nube venden; en un mercado bajista, ingrese a la nube roja o los disparadores de señales de venta MA y MACD de 20 días.

Análisis de ventajas

La mayor ventaja de esta estrategia radica en la combinación de múltiples indicadores a largo y corto plazo para determinar las situaciones del mercado, que pueden filtrar eficazmente las señales falsas.

El MA de 200 días determina la tendencia general para evitar operaciones contra la tendencia.
El MA de 20 días se centra en la dinámica a corto plazo para capturar las reversiones.
El MACD verifica los cambios de tendencia.
La nube de Ichimoku revisa dos veces para evitar señales erróneas.

A través de verificaciones multicapa, la tasa de rentabilidad puede mejorarse considerablemente. Además, la coordinación entre indicadores a largo y corto plazo también hace que la estrategia sea adecuada para operaciones a corto y mediano plazo.

Análisis de riesgos

El principal riesgo de esta estrategia es la probabilidad de que múltiples indicadores den señales erróneas al mismo tiempo. Aunque es muy improbable en condiciones extremas, todavía puede suceder con un uso prolongado.

Ajuste los parámetros adecuadamente para encontrar la combinación óptima.
Puede considerar la adición de paradas en el comercio en vivo.
Utilice métodos de cobertura de futuros para obtener ganancias.
Ajuste el tamaño de la posición de acuerdo con las áreas de apoyo principales.

Direcciones de optimización

La estrategia se puede optimizar a partir de los siguientes aspectos:

Prueba diferentes combinaciones de parámetros para encontrar el óptimo.
Añadir un módulo de stop loss para un mejor control del riesgo.
Incorporar indicadores de correlación como la tasa de cambio para evitar perseguir los picos y los fondos.
Introducir métodos de aprendizaje automático como redes neuronales para entrenar la ponderación de indicadores.
Verificar la solidez en diferentes mercados.

Conclusión

La estrategia Great Delight filtra el ruido a través de combinaciones científicas de indicadores, lo que permite una rentabilidad persistente mientras se controlan los riesgos. Al considerar tanto las tendencias a largo plazo como las oportunidades a corto plazo, es ampliamente aplicable en inversiones a medio y largo plazo. Se pueden esperar mejoras adicionales en el rendimiento a través de optimizaciones como ajuste de parámetros, adiciones de stop loss e introducción de aprendizaje automático.

/*backtest
start: 2023-11-03 00:00:00
end: 2023-12-03 00:00:00
period: 1h
basePeriod: 15m
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/

//@version=2
strategy(title="MACD/EMA/SMA/Ichimoku Long Strategy",overlay=true)




// Ichimoku

conversionPeriods = input(9, minval=1, title="Conversion Line Periods"),
basePeriods = input(26, minval=1, title="Base Line Periods")
laggingSpan2Periods = input(52, minval=1, title="Lagging Span 2 Periods"),
displacement = input(26, minval=1, title="Displacement")

donchian(len) => avg(lowest(len), highest(len))

conversionLine = donchian(conversionPeriods)
baseLine = donchian(basePeriods)
leadLine1 = avg(conversionLine, baseLine)
leadLine2 = donchian(laggingSpan2Periods)


p1 = plot(leadLine1, offset = displacement, color=green,
 title="Lead 1")
p2 = plot(leadLine2, offset = displacement, color=red, 
 title="Lead 2")
fill(p1, p2, color = leadLine1 > leadLine2 ? color(green,50) : color(red,50))



bottomcloud=leadLine2[displacement-1]
uppercloud=leadLine1[displacement-1]




// SMA Indicator - Are we in a Bull or Bear market according to 200 SMA?
SMA200 = sma(close, input(200))
EMA = ema(close,input(20))


//MACD Indicator - Is the MACD bullish or bearish?

fastLength = input(12)
slowlength = input(26)
MACDLength = input(9)

MACD = ema(close, fastLength) - ema(close, slowlength)
aMACD = ema(MACD, MACDLength)
delta = MACD - aMACD

// Set Buy/Sell conditions

[main,signal,histo]=macd(close,fastLength,slowlength,MACDLength)

buy_entry = if ((uppercloud>bottomcloud or close>max(uppercloud,bottomcloud)) and close>EMA and (delta>0 and close>min(uppercloud,bottomcloud))) or (close<SMA200 and delta>0 and close>EMA and (uppercloud>bottomcloud or close>max(uppercloud,bottomcloud)))
    true
if close<EMA and ((delta<0 and close<min(uppercloud,bottomcloud)) or (uppercloud<bottomcloud and close>max(uppercloud,bottomcloud)))
    buy_entry = false


strategy.entry("Buy",true , when=buy_entry)
alertcondition(buy_entry, title='Long', message='Chart Bullish')


sell_entry = if ((uppercloud<bottomcloud or close<min(uppercloud,bottomcloud)) and close<EMA and (delta<0 and close<max(uppercloud,bottomcloud))) or (close>SMA200 and delta<0 and close<EMA and (uppercloud<bottomcloud or close<min(uppercloud,bottomcloud)))
    true
if close>EMA and ((delta>0 and close>max(uppercloud,bottomcloud)) or (uppercloud>bottomcloud and close<min(uppercloud,bottomcloud)))
    sell_entry = false



strategy.close("Buy",when= sell_entry)


alertcondition(sell_entry, title='Short', message='Chart Bearish')

//plot(delta, title="Delta", style=cross, color=delta>=0 ? green : red )

Más.