La EMA1 - la EMA2 en términos de longitud) La línea de Lorenz = EMA3 + CI.
La estrategia calcula la línea de Lorenz tanto en el marco de tiempo actual como en un marco de tiempo superior para proporcionar una perspectiva de mercado multidimensional. Las señales de negociación se basan en cruces de precios con la línea de Lorenz y se confirman a través de un mecanismo de retroceso.
La estrategia también introduce un mecanismo de precio objetivo, que determina los puntos de salida en función de los porcentajes objetivo definidos por el usuario.
Análisis de marcos de tiempo múltiples: al combinar líneas lorenzianas de marcos de tiempo actuales y anteriores, la estrategia captura tendencias de mercado más completas, reduciendo las señales falsas.
Identificación dinámica de tendencias: el método de clasificación lorenziana se adapta rápidamente a los cambios del mercado, proporcionando capacidades sensibles de identificación de tendencias.
Mecanismo de confirmación de señales: el uso de un período de retroceso para confirmar las señales de negociación reduce efectivamente la probabilidad de operaciones erróneas.
Optimización de precios objetivo: al establecer porcentajes objetivo, la estrategia puede maximizar las ganancias en condiciones favorables del mercado.
Gestión del riesgo: la introducción de mecanismos dinámicos de stop-loss controla eficazmente el riesgo para cada operación.
Visualización y estadísticas: la estrategia proporciona visualizaciones de gráficos intuitivas y estadísticas comerciales, lo que facilita el análisis y la optimización del rendimiento de la estrategia.
Flexibilidad: múltiples parámetros ajustables permiten a los operadores optimizar la estrategia de acuerdo con las diferentes condiciones del mercado y las preferencias personales.
Sensibilidad de los parámetros: el rendimiento de la estrategia depende en gran medida de la elección de los parámetros de entrada.
Dependencia de las condiciones del mercado: en mercados inestables, la estrategia puede generar frecuentes señales falsas, lo que resulta en pérdidas consecutivas.
Riesgo de deslizamiento: en mercados con fluctuaciones rápidas, los precios de ejecución reales pueden diferir significativamente de los precios de señal.
Riesgo de sobreoptimización: el ajuste excesivo de los parámetros para adaptarse a los datos históricos puede conducir a un sobreajuste, lo que afecta al rendimiento futuro de las operaciones en vivo.
Fallas técnicas: la dependencia de cálculos complejos de indicadores técnicos significa que fallas del sistema o errores de datos podrían conducir a decisiones comerciales incorrectas.
Para mitigar estos riesgos, se recomienda:
Ajuste dinámico de parámetros: Implementar un mecanismo de ajuste adaptativo de parámetros para ajustar automáticamente la longitud y el umbral de la EMA en función de la volatilidad del mercado.
Filtros adicionales: introducir indicadores técnicos o fundamentales adicionales como filtros para mejorar la calidad de la señal.
Integración de aprendizaje automático: utilizar algoritmos de aprendizaje automático para optimizar los procesos de selección de parámetros y generación de señales.
Análisis de correlación de activos múltiples: se consideran datos de múltiples activos relacionados para proporcionar una perspectiva de mercado más completa.
Integración de eventos de noticias: Añadir funcionalidad de análisis de eventos de noticias para ajustar el comportamiento de la estrategia durante los lanzamientos de datos económicos importantes.
Ajuste de volatilidad: ajuste dinámico de los porcentajes objetivo y los niveles de stop-loss en función de la volatilidad del mercado.
Gestión mejorada del riesgo: aplicar estrategias más sofisticadas de gestión de posiciones y control de riesgos, como el tamaño de las posiciones basado en la volatilidad.
Estas direcciones de optimización tienen por objeto mejorar la adaptabilidad y la estabilidad de la estrategia, permitiéndole mantener un buen rendimiento en diversas condiciones de mercado.
La Clasificación Lorenziana de Estrategia de Objetivos Multi-Temporales es un sistema de negociación integral que combina métodos avanzados de análisis técnico con mecanismos inteligentes de gestión de riesgos. A través del análisis de múltiples plazos, la identificación de tendencias dinámicas y la optimización de precios objetivo, esta estrategia tiene el potencial de lograr un rendimiento comercial consistente en diversas condiciones de mercado. Sin embargo, también enfrenta desafíos como la sensibilidad de parámetros y la dependencia del mercado. A través de la optimización continua y la gestión de riesgos, los operadores pueden aprovechar plenamente las ventajas de la estrategia mientras controlan eficazmente los riesgos potenciales.
/*backtest
start: 2023-07-31 00:00:00
end: 2024-07-30 00:00:00
period: 1d
basePeriod: 1h
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/
//@version=5
strategy("Lorenzian Classification Strategy with Target and Multi-Timeframe", overlay=true)
// Input parameters
length = input.int(5, "Lorenzian Length", minval=1)
threshold = input.float(1.0, "Threshold", step=0.1)
lookback = input.int(3, "Lookback Candles", minval=1, maxval=20)
targetPercentage = input.float(1.5, "Target Percentage (%)", step=0.1) // Target percentage for exit
higherTimeframe = input.timeframe("D", "Higher Timeframe") // Higher timeframe for multi-timeframe analysis
// Lorenzian Classification calculation for current timeframe
ema1 = ta.ema(hlc3, length)
ema2 = ta.ema(ema1, length)
ema3 = ta.ema(ema2, length)
d = ema1 - ema2
ci = d / (0.015 * ta.ema(math.abs(d), length)) * 100
lorenzian = ema3 + ci
// Lorenzian Classification calculation for higher timeframe
hlc3_htf = request.security(syminfo.tickerid, higherTimeframe, (high + low + close)/3 )
ema1_htf = ta.ema(hlc3_htf, length)
ema2_htf = ta.ema(ema1_htf, length)
ema3_htf = ta.ema(ema2_htf, length)
d_htf = ema1_htf - ema2_htf
ci_htf = d_htf / (0.015 * ta.ema(math.abs(d_htf), length)) * 100
lorenzian_htf = ema3_htf + ci_htf
// Signal generation
crossUp = ta.crossover(close, lorenzian)
crossDown = ta.crossunder(close, lorenzian)
// Determine color based on price position relative to the line
lineColor = close > ema3 ? color.green : color.red
lineColorH = close > ema3_htf ? color.blue : color.red
// Plot the line with dynamic color
plot(ema3, color=lineColor, title="EMA3", linewidth=2)
plot(ema3_htf, color=lineColorH, title="EMA3 HTF", linewidth=2)
// Function to check for opposite movement
oppositeMove(isLong) =>
if isLong
lowest = ta.lowest(low, lookback)
lowest < lorenzian[lookback]
else
highest = ta.highest(high, lookback)
highest > lorenzian[lookback]
// Generate buy and sell signals
buySignal = crossUp and oppositeMove(true)
sellSignal = crossDown and oppositeMove(false)
// Calculate and manage target price
var float targetPrice = na
var float plotTargetPrice = na
var float entryPrice = na
// Variables to track trade outcomes
var int targetMet = 0
var int targetNotMet = 0
var int totalTrades = 0
if (buySignal)
strategy.entry("Buy", strategy.long)
entryPrice := close
targetPrice := entryPrice * (1 + targetPercentage/100)
plotTargetPrice := targetPrice
totalTrades := totalTrades + 1
if (sellSignal)
strategy.entry("Sell", strategy.short)
entryPrice := close
targetPrice := entryPrice * (1 - targetPercentage/100)
plotTargetPrice := targetPrice
totalTrades := totalTrades + 1
// Check if target price is met to exit
if (not na(targetPrice))
if (strategy.position_size > 0 and high >= targetPrice) // Long position exit condition
strategy.close("Buy")
targetPrice := na
entryPrice := na
targetMet := targetMet + 1
else if (strategy.position_size > 0 and low < entryPrice * (1 - targetPercentage/100)) // Stop loss for long
strategy.close("Buy")
targetPrice := na
entryPrice := na
targetNotMet := targetNotMet + 1
if (strategy.position_size < 0 and low <= targetPrice) // Short position exit condition
strategy.close("Sell")
targetPrice := na
entryPrice := na
targetMet := targetMet + 1
else if (strategy.position_size < 0 and high > entryPrice * (1 + targetPercentage/100)) // Stop loss for short
strategy.close("Sell")
targetPrice := na
entryPrice := na
targetNotMet := targetNotMet + 1
// Reset plotTargetPrice when position is closed
if (strategy.position_size == 0)
plotTargetPrice := na
// Plot signals and target price
plotshape(buySignal, title="Buy Signal", location=location.belowbar, color=color.green, style=shape.triangleup, size=size.small)
plotshape(sellSignal, title="Sell Signal", location=location.abovebar, color=color.purple, style=shape.triangledown, size=size.small)
plot(plotTargetPrice, color=color.yellow, title="Target Price", style=plot.style_circles, linewidth=2)
// Add alerts
alertcondition(buySignal, title="Buy Signal", message="Lorenzian Buy Signal")
alertcondition(sellSignal, title="Sell Signal", message="Lorenzian Sell Signal")
// Calculate success percentage
successPercentage = totalTrades > 0 ? (targetMet / totalTrades) * 100 : 0
// Create a table to display trade outcomes
var table tradeStats = table.new(position.top_right, 2, 3, border_width=1)
table.cell(tradeStats, 0, 0, "Targets Met", bgcolor=color.new(color.green, 30))
table.cell(tradeStats, 1, 0, "Targets Missed", bgcolor=color.new(color.red, 30))
table.cell(tradeStats, 0, 1, str.tostring(targetMet), bgcolor=color.new(color.green, 30))
table.cell(tradeStats, 1, 1, str.tostring(targetNotMet), bgcolor=color.new(color.red, 30))
table.cell(tradeStats, 0, 2, "Success Rate", bgcolor=color.new(color.blue, 30))
table.cell(tradeStats, 1, 2, str.tostring(successPercentage, "#.##") + "%", bgcolor=color.new(color.blue, 30))