- Cuadrado
- Estrategia de negociación de promedio móvil de señal a ruido basada en la negociación cuantitativa
Estrategia de negociación de promedio móvil de señal a ruido basada en la negociación cuantitativa
El autor:
¿ Qué pasa?, Fecha: 2024-01-02 12: 24:35
Las etiquetas:
I. Nombre de la estrategia
Estrategia de negociación de promedio móvil de señal a ruido
II. Resumen de la estrategia
Esta estrategia realiza la negociación cuantitativa calculando la relación señal-ruido durante un cierto período y combinándola con las señales de negociación promedio móvil.
- Calcular la relación señal-ruido durante un cierto período (ajustable)
- Aplicar la media móvil para suavizar la relación señal-ruido
- Comparar la relación señal-ruido actual con el valor promedio móvil para generar señales comerciales
- Largo o corto basado en señales de negociación
III. Principio de la estrategia
- La fórmula para calcular la relación señal-ruido (StN) es: StN = -10*log ((Σ(1/close) /n), donde n es la longitud del período
- Aplicar la media móvil simple (SMA) a la relación señal-ruido para obtener un StN suavizado
- Compare el StN actual con el SMAStN suavizado:
(1) Si SMAStN > StN, hacer corto
(2) Si SMAStN < StN, ir largo
(3) De lo contrario, posición cerrada
IV. Análisis de las ventajas
Las principales ventajas de esta estrategia son las siguientes:
- El StN puede juzgar las fluctuaciones del mercado y el riesgo, el SMA tiene capacidad de reducción del ruido
- La combinación de StN para juzgar el riesgo de mercado y SMA para generar señales de negociación aprovecha las ventajas de diferentes indicadores.
- Parámetros ajustables para adaptarse a las diferentes condiciones del mercado
- Las señales de estancamiento indican directamente el juicio largo o corto, intuitivo de las características del mercado
V. Análisis de riesgos
También hay algunos riesgos con esta estrategia:
- Existen riesgos de desviación en el juicio cruzado entre StN y MA
- La configuración incorrecta del período puede causar señales falsas
- Relativamente menos oportunidades cortas, optimizables mediante el ajuste de parámetros
- Las fluctuaciones extremas causadas por los eventos de cisne negro pueden desencadenar el stop loss
Soluciones:
- Ajustar los parámetros de MA para evitar el exceso de suavizado
- Optimización de los parámetros de período y adaptabilidad de las pruebas en diferentes mercados
- Ajustar las condiciones cortas para ofrecer más oportunidades cortas
- Establecer el stop loss para controlar las pérdidas máximas
VI. Dirección de optimización
La estrategia se puede optimizar de las siguientes maneras:
- Combinación de ensayos de más tipos de medias móviles
- Añadir un mecanismo de stop loss para controlar los riesgos
- Añadir gestión de posiciones, ajustar posiciones basadas en las fluctuaciones
- Incorporar más factores para mejorar la estabilidad
- Utilice métodos de aprendizaje automático para optimizar automáticamente los parámetros
VII. Resumen
Esta estrategia realiza la negociación cuantitativa al juzgar el riesgo del mercado a través de la relación señal-ruido y generar señales de negociación a partir de promedios móviles. En comparación con indicadores técnicos únicos, esta estrategia integra las ventajas de StN y SMA para mejorar la estabilidad mientras controla los riesgos. Con la optimización de parámetros y el aprendizaje automático, esta estrategia tiene un gran potencial de mejora y es una estrategia de negociación cuantitativa confiable y efectiva.
/*backtest
start: 2023-12-25 00:00:00
end: 2023-12-29 10:00:00
period: 30m
basePeriod: 15m
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/
//@version=4
////////////////////////////////////////////////////////////
// This source code is subject to the terms of the Mozilla Public License 2.0 at https://mozilla.org/MPL/2.0/
// © HPotter 05/01/2021
// The signal-to-noise (S/N) ratio.
// And Simple Moving Average.
// Thank you for idea BlockchainYahoo
//
// WARNING:
// - For purpose educate only
// - This script to change bars colors.
////////////////////////////////////////////////////////////
SignalToNoise(length) =>
StN = 0.0
for i = 1 to length-1
StN := StN + (1/close[i])/length
StN := -10*log(StN)
strategy(title="Backtest Signal To Noise ", shorttitle="StoN", overlay=false)
length = input(title="Days", type=input.integer, defval=21, minval=2)
Smooth = input(title="Smooth", type=input.integer, defval=7, minval=2)
reverse = input(false, title="Trade reverse")
StN = SignalToNoise(length)
SMAStN = sma(StN, Smooth)
pos = iff(SMAStN[1] > StN[1] , -1,
iff(SMAStN[1] < StN[1], 1, 0))
possig = iff(reverse and pos == 1, -1,
iff(reverse and pos == -1 , 1, pos))
if (possig == 1)
strategy.entry("Long", strategy.long)
if (possig == -1)
strategy.entry("Short", strategy.short)
if (possig == 0)
strategy.close_all()
barcolor(possig == -1 ? #b50404: possig == 1 ? #079605 : #0536b3 )
plot(StN, title='StN' )
plot(SMAStN, title='Smooth', color=#00ff00)
Más.