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

Estrategia de negociación cuantitativa de tendencia de red dinámica

El autor:¿ Qué pasa?, Fecha: 2024-03-22 16:03:09
Las etiquetas:

img

Resumen general

Esta es una estrategia de negociación cuantitativa avanzada de tendencia de red dinámica. La idea principal de esta estrategia es dividir varias líneas de red dentro de un rango de precios preestablecido y abrir posiciones automáticamente cuando el precio alcanza las líneas de red y cerrar posiciones al vender, aprovechando así los mercados fluctuantes. Al mismo tiempo, esta estrategia también tiene la función de ajustar dinámicamente la posición de las líneas de red, lo que puede optimizar adaptativamente el diseño de la red de acuerdo con las tendencias de precios recientes.

Principio de la estrategia

Los principios fundamentales de esta estrategia son los siguientes:

  1. En primer lugar, determinar los límites superior e inferior de la cuadrícula y el número de líneas de la cuadrícula basado en la configuración del usuario. Los límites pueden ser valores fijos o calculados automáticamente en base a los máximos y mínimos recientes o promedios móviles.

  2. Dentro de los límites determinados, divide el rango de precios en varias cuadrículas.

  3. Cuando el precio alcanza cada línea de la red, la estrategia comprobará si la posición correspondiente a la línea de la red ya está mantenida. Si no, abrirá una posición y comprará, si es así, cerrará la posición y venderá.

  4. Al vender en posiciones relativamente altas y comprar en posiciones bajas, la estrategia puede obtener ganancias continuas cuando los precios fluctúan.

  5. Al mismo tiempo, si el usuario activa la función de ajuste automático de los límites, la posición de las líneas de la red se ajustará de forma adaptativa de acuerdo con los máximos y mínimos de precios recientes o la media móvil establecida para optimizar el diseño de la red.

A través de los principios anteriores, esta estrategia puede realizar automáticamente compras bajas y ventas altas en tendencias fluctuantes de precios, y ajustar los puntos de ganancia de acuerdo con las tendencias, mejorando así los rendimientos generales.

Análisis de ventajas

Esta estrategia de red dinámica tiene las siguientes ventajas:

  1. Puede adaptarse a diferentes mercados y variedades mediante ajustes de parámetros y tiene una buena adaptabilidad a los mercados fluctuantes.

  2. Dado que la estrategia se basa en una lógica matemática estricta y puntos claros de apertura y cierre de posiciones, puede lograr una negociación totalmente automatizada y reducir la interferencia emocional subjetiva.

  3. Riesgo controlable: mediante la fijación de parámetros tales como el número de redes y los límites de la red, la exposición al riesgo de cada transacción puede controlarse eficazmente, manteniendo así el riesgo general dentro de un rango aceptable.

  4. Adaptabilidad a la tendencia: se añade a la estrategia la función de ajustar dinámicamente los límites de la red, de modo que la red pueda seguir las tendencias de precios y ser optimizada, mejorando la rentabilidad en los mercados de tendencia.

  5. Tasa de ganancia estable. Dado que el comercio en red es esencialmente frecuente, con altas fluctuaciones de precios y bajas absorciones, siempre que el precio mantenga las fluctuaciones, esta estrategia puede continuar obteniendo ganancias, por lo que tiene una alta tasa de ganancia a largo plazo.

Análisis de riesgos

Aunque esta estrategia tiene ventajas obvias, también presenta ciertos riesgos:

  1. Si el precio rompe el límite de la red con una fuerte tendencia unilateral, el espacio de ganancia de esta estrategia será limitado y puede enfrentar una gran retroceso.

  2. Dificultad en la optimización de parámetros. Esta estrategia tiene muchos parámetros, incluyendo el número de cuadrículas, límites iniciales, parámetros de límites dinámicos, etc. Diferentes combinaciones de parámetros tienen un gran impacto en el rendimiento de la estrategia, y la dificultad de optimización real no es pequeña.

  3. La estrategia de red es esencialmente una estrategia de alta frecuencia, con apertura y cierre muy frecuentes de posiciones, lo que significa mayores costos de transacción y riesgos potenciales de deslizamiento.

  4. Una vez que el precio entra en una tendencia unilateral rápida, es probable que esta estrategia se enfrente a un gran retroceso.

En vista de estos riesgos, se pueden realizar mejoras en los siguientes aspectos: añadir indicadores de juicio de tendencia como condiciones de filtro para el inicio de la estrategia, optimizar el espacio y los métodos de búsqueda de parámetros, introducir la lógica de gestión de fondos y control de posición, aumentar la lógica de cierre de tendencia, etc. A través de estas optimizaciones, se puede mejorar aún más la solidez y la rentabilidad de esta estrategia.

Dirección de optimización

Sobre la base del análisis anterior, las direcciones de optimización de esta estrategia incluyen principalmente:

  1. Introduzca condiciones de filtrado de tendencia. Añada indicadores de juicio de tendencia antes de que comience la estrategia, como promedios móviles, ADX, etc. Sólo comience la estrategia en condiciones fluctuantes del mercado y mantenga la vigilancia en los mercados de tendencia para evitar efectivamente el riesgo de retroceso en los mercados de tendencia.

  2. Optimizar la búsqueda de parámetros. Utilice algoritmos inteligentes para optimizar los parámetros de la red, como algoritmos genéticos, algoritmos de enjambre de partículas, etc., para encontrar automáticamente la combinación óptima de parámetros y mejorar la eficiencia y calidad de la optimización.

  3. Mejorar la lógica de control de riesgos. Agregar más lógica de control de riesgos a la estrategia, como ajustar dinámicamente el ancho de la red de acuerdo con la volatilidad de los precios, establecer el umbral máximo de retroceso para desencadenar el cierre, etc., para controlar mejor los riesgos.

  4. Introduzca una línea de stop loss de tendencia. Establezca una línea de stop loss de tendencia, como un cierto porcentaje del límite de la cuadrícula. Una vez que el precio rompe la línea de stop loss, cierre todas las posiciones para evitar grandes retrocesos en los mercados de tendencia.

  5. Optimizar la ejecución de transacciones. Optimizar el enlace de ejecución de transacciones, como adoptar tipos de órdenes y algoritmos de órdenes más avanzados, minimizar la frecuencia y los costos de las transacciones y mejorar la eficiencia de la ejecución.

A través de la optimización anterior, la adaptabilidad, la robustez y la rentabilidad de esta estrategia pueden mejorarse de manera integral, acercándola a las necesidades reales del comercio.

Resumen de las actividades

En general, esta estrategia de seguimiento de tendencias de red dinámica es una estrategia de comercio cuantitativa de media a alta frecuencia basada en el principio de negociación de red, e integra mecanismos de ajuste dinámico y adaptación de tendencias. Sus ventajas se encuentran en una fuerte adaptabilidad, alto grado de automatización, riesgo controlable, buena adaptabilidad de tendencias y tasa de ganancia estable. Al mismo tiempo, también tiene riesgos como riesgo de tendencia, dificultad en la optimización de parámetros, comercio frecuente y fuerte dependencia de las condiciones del mercado. En vista de estos problemas, se pueden realizar mejoras desde el filtrado de tendencias, optimización de parámetros, mejora de riesgos, control de tendencias, optimización de transacciones y otros aspectos para mejorar el rendimiento general de la estrategia.

La idea de la negociación en red en sí misma es un método cuantitativo relativamente maduro y práctico. A través de la adición de mecanismos de optimización dinámica y adaptación de tendencias a esta estrategia, las ventajas del comercio clásico en red se han ampliado y desarrollado. Proporciona a los inversores una nueva idea y posibilidad de negociación cuantitativa en mercados fluctuantes.


/*backtest
start: 2024-03-01 00:00:00
end: 2024-03-21 00:00:00
period: 1h
basePeriod: 15m
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/

//@version=4
strategy("(IK) Grid Script", overlay=true, pyramiding=14, close_entries_rule="ANY", default_qty_type=strategy.cash, initial_capital=100.0, currency="USD", commission_type=strategy.commission.percent, commission_value=0.1)
i_autoBounds    = input(group="Grid Bounds", title="Use Auto Bounds?", defval=true, type=input.bool)                             // calculate upper and lower bound of the grid automatically? This will theorhetically be less profitable, but will certainly require less attention
i_boundSrc      = input(group="Grid Bounds", title="(Auto) Bound Source", defval="Hi & Low", options=["Hi & Low", "Average"])     // should bounds of the auto grid be calculated from recent High & Low, or from a Simple Moving Average
i_boundLookback = input(group="Grid Bounds", title="(Auto) Bound Lookback", defval=250, type=input.integer, maxval=500, minval=0) // when calculating auto grid bounds, how far back should we look for a High & Low, or what should the length be of our sma
i_boundDev      = input(group="Grid Bounds", title="(Auto) Bound Deviation", defval=0.10, type=input.float, maxval=1, minval=-1)  // if sourcing auto bounds from High & Low, this percentage will (positive) widen or (negative) narrow the bound limits. If sourcing from Average, this is the deviation (up and down) from the sma, and CANNOT be negative.
i_upperBound    = input(group="Grid Bounds", title="(Manual) Upper Boundry", defval=0.285, type=input.float)                      // for manual grid bounds only. The upperbound price of your grid
i_lowerBound    = input(group="Grid Bounds", title="(Manual) Lower Boundry", defval=0.225, type=input.float)                      // for manual grid bounds only. The lowerbound price of your grid.
i_gridQty       = input(group="Grid Lines",  title="Grid Line Quantity", defval=8, maxval=15, minval=3, type=input.integer)       // how many grid lines are in your grid

f_getGridBounds(_bs, _bl, _bd, _up) =>
    if _bs == "Hi & Low"
        _up ? highest(close, _bl) * (1 + _bd) : lowest(close, _bl)  * (1 - _bd)
    else
        avg = sma(close, _bl)
        _up ? avg * (1 + _bd) : avg * (1 - _bd)

f_buildGrid(_lb, _gw, _gq) =>
    gridArr = array.new_float(0)
    for i=0 to _gq-1
        array.push(gridArr, _lb+(_gw*i))
    gridArr

f_getNearGridLines(_gridArr, _price) =>
    arr = array.new_int(3)
    for i = 0 to array.size(_gridArr)-1
        if array.get(_gridArr, i) > _price
            array.set(arr, 0, i == array.size(_gridArr)-1 ? i : i+1)
            array.set(arr, 1, i == 0 ? i : i-1)
            break
    arr

var upperBound      = i_autoBounds ? f_getGridBounds(i_boundSrc, i_boundLookback, i_boundDev, true) : i_upperBound  // upperbound of our grid
var lowerBound      = i_autoBounds ? f_getGridBounds(i_boundSrc, i_boundLookback, i_boundDev, false) : i_lowerBound // lowerbound of our grid
var gridWidth       = (upperBound - lowerBound)/(i_gridQty-1)                                                       // space between lines in our grid
var gridLineArr     = f_buildGrid(lowerBound, gridWidth, i_gridQty)                                                 // an array of prices that correspond to our grid lines
var orderArr        = array.new_bool(i_gridQty, false)                                                              // a boolean array that indicates if there is an open order corresponding to each grid line

var closeLineArr    = f_getNearGridLines(gridLineArr, close)                                                        // for plotting purposes - an array of 2 indices that correspond to grid lines near price
var nearTopGridLine = array.get(closeLineArr, 0)                                                                    // for plotting purposes - the index (in our grid line array) of the closest grid line above current price
var nearBotGridLine = array.get(closeLineArr, 1)                                                                    // for plotting purposes - the index (in our grid line array) of the closest grid line below current price
strategy.initial_capital = 50000
for i = 0 to (array.size(gridLineArr) - 1)
    if close < array.get(gridLineArr, i) and not array.get(orderArr, i) and i < (array.size(gridLineArr) - 1)
        buyId = i
        array.set(orderArr, buyId, true)
        strategy.entry(id=tostring(buyId), long=true, qty=(strategy.initial_capital/(i_gridQty-1))/close, comment="#"+tostring(buyId))
    if close > array.get(gridLineArr, i) and i != 0
        if array.get(orderArr, i-1)
            sellId = i-1
            array.set(orderArr, sellId, false)
            strategy.close(id=tostring(sellId), comment="#"+tostring(sellId))

if i_autoBounds
    upperBound  := f_getGridBounds(i_boundSrc, i_boundLookback, i_boundDev, true)
    lowerBound  := f_getGridBounds(i_boundSrc, i_boundLookback, i_boundDev, false)
    gridWidth   := (upperBound - lowerBound)/(i_gridQty-1)
    gridLineArr := f_buildGrid(lowerBound, gridWidth, i_gridQty)

closeLineArr    := f_getNearGridLines(gridLineArr, close)
nearTopGridLine := array.get(closeLineArr, 0)
nearBotGridLine := array.get(closeLineArr, 1)







Más.