Stratégie de négociation croisée des moyennes mobiles quantitatives pondérées
Auteur:ChaoZhang est là., Date: 2023-12-06 12:05:01 Je vous en prie.Les étiquettes:
Résumé
Cette stratégie s'appelleStratégie de répartition des moyennes mobiles quantitatives pondéréesL'idée de base est de concevoir des lignes rapides et lentes basées sur le prix, le volume des transactions et d'autres indicateurs, et de générer des signaux d'achat et de vente lorsque des croisements dorés et morts se produisent entre eux.
La logique de la stratégie
L'indicateur de base de cette stratégie est la moyenne mobile quantitative (QMA). QMA mesure la direction de la tendance en calculant le prix moyen pondéré sur une période de temps. Contrairement à la moyenne mobile régulière, les poids (poids = prix * volume de négociation) des prix dans QMA diminueront avec le temps. Ainsi, les derniers prix ont des poids plus importants qui peuvent répondre plus rapidement aux changements du marché.
Plus précisément, cette stratégie construit une ligne QMA rapide avec 25 jours et une ligne QMA lente avec 29 jours.
Analyse des avantages
Cette stratégie présente les avantages suivants par rapport à la moyenne mobile régulière:
- Réagir plus rapidement au marché, ce qui lui permet de saisir les opportunités à court terme.
- Combiner plusieurs dimensions, y compris le prix et le volume des transactions, ce qui le rend plus stable.
- Des paramètres flexibles pour s'adapter aux différents environnements du marché.
Analyse des risques
Cette stratégie comporte également des risques:
- fréquence élevée des opérations à court terme, ce qui peut entraîner une augmentation des coûts de transaction et des dérapages.
- Suradaptation due à une optimisation excessive des paramètres.
- L'effet de l'indicateur peut être compromis lorsque le volume de négociation est insuffisant.
Les risques susmentionnés pourraient être atténués par un ajustement approprié de la fréquence, une analyse strictement progressive et l'intégration d'autres indicateurs.
Directions d'amélioration
Il reste encore des possibilités d'optimisation de cette stratégie:
- Ajustez dynamiquement les paramètres de la QMA pour qu'elle s'adapte à la volatilité du marché.
- Filtrez les opportunités de négociation avec des indicateurs tels que la volatilité et le volume des transactions.
- Ajouter des stratégies de stop loss pour contrôler les pertes uniques.
Conclusion
En général, il s'agit d'une stratégie de négociation stable à court terme. Par rapport à la moyenne de prix unique, son indicateur peut mieux refléter la relation offre-demande sur le marché. Avec un ajustement approprié des paramètres et une gestion des risques, cette stratégie peut fonctionner de manière stable à long terme et générer des bénéfices solides.
/*backtest
start: 2022-11-29 00:00:00
end: 2023-12-05 00:00:00
period: 1d
basePeriod: 1h
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/
//@version=3
strategy("Brad VWMACD Strategy 2233", overlay=false, max_bars_back=500,default_qty_type=strategy.percent_of_equity,commission_type=strategy.commission.percent, commission_value=0.18, default_qty_value=100)
// === INPUT BACKTEST RANGE ===
FromMonth = input(defval = 9, title = "From Month", minval = 1, maxval = 12)
FromDay = input(defval = 1, title = "From Day", minval = 1, maxval = 31)
FromYear = input(defval = 2018, title = "From Year", minval = 2017)
ToMonth = input(defval = 1, title = "To Month", minval = 1, maxval = 12)
ToDay = input(defval = 1, title = "To Day", minval = 1, maxval = 31)
ToYear = input(defval = 9999, title = "To Year", minval = 2017)
// === FUNCTION EXAMPLE ===
start = timestamp(FromYear, FromMonth, FromDay, 00, 00) // backtest start window
finish = timestamp(ToYear, ToMonth, ToDay, 23, 59) // backtest finish window
window() => time >= start and time <= finish ? true : false // create function "within window of time"
// === INPUT SMA ===
//fastMA = input(defval = 16, type = integer, title = "FastMA", minval = 1 )
//slowMA = input(defval = 23, type = integer, title = "SlowMA", minval = 1)
fastMA = input(defval = 25, title = "FastMA", minval = 1 )
slowMA = input(defval = 29, title = "SlowMA", minval = 1)
Long_period = slowMA
Short_period = fastMA
Smoothing_period = input(9, minval=1)
xLongMAVolPrice = ema(volume * close, Long_period)
xLongMAVol = ema(volume, Long_period)
xResLong = (xLongMAVolPrice * Long_period) / (xLongMAVol * Long_period)
xShortMAVolPrice = ema(volume * close, Short_period)
xShortMAVol = ema(volume, Short_period)
xResShort = (xShortMAVolPrice * Short_period) / (xShortMAVol * Short_period)
xVMACD = xResShort - xResLong
xVMACDSignal = ema(xVMACD, Smoothing_period)
nRes = xVMACD - xVMACDSignal
//plot(nRes*20+slowMA, color=blue, style = line )
//plot(3000, color=red, style = line )
// === SERIES SETUP ===
buy = crossover( xVMACD,xVMACDSignal) // buy when fastMA crosses over slowMA
sell = crossunder( xVMACD,xVMACDSignal) // sell when fastMA crosses under slowMA
// === SERIES SETUP ===
//buy = crossover(vwma(close, fastMA),7+vwma(close, slowMA)) // buy when fastMA crosses over slowMA
//sell = crossunder(vwma(close, fastMA),vwma(close, slowMA)-7) // sell when fastMA crosses under slowMA
// === EXECUTION ===
strategy.entry("L", strategy.long, when = window() and buy) // buy long when "within window of time" AND crossover
strategy.close("L", when = window() and sell) // sell long when "within window of time" AND crossunder
// === EXECUTION ===
strategy.entry("S", strategy.short, when = window() and sell) // buy long when "within window of time" AND crossover
strategy.close("S", when = window() and buy) // sell long when "within window of time" AND crossunder
plotshape(window() and buy, style=shape.triangleup, color=green, text="up")
plotshape(window() and sell, style=shape.triangledown, color=red, text="down")
plot(xVMACD*100, title = 'FastMA', color = orange, linewidth = 2, style = line) // plot FastMA
plot(xVMACDSignal*100, title = 'SlowMA', color = aqua, linewidth = 2, style = line) // plot SlowMA
- Stratégie de rupture automatique de la S/R
- Stratégie d'ouverture et de clôture du canal de prix de dynamique
- Amélioration de la stratégie transversale des moyennes mobiles avec orientation des tendances du marché
- Stratégie de négociation dynamique de la grande ligne Yang
- Stratégie de quantité de flèche de sortie hybride SSL
- Stratégie de chronométrage de la moyenne mobile ADX double
- Stratégie de déclin de la tendance de l'indice BB en pourcentage
- La stratégie de négociation de la tortue de Bollinger
- Stratégie de l'indicateur de volatilité de la bourse
- Stratégie croisée des moyennes mobiles des bénéfices de 1%
- stratégie d'indicateur RSI auxiliaire multiple
- Stratégie de tendance croisée à moyenne mobile double
- Stratégie de renversement des bandes de Bollinger
- Une stratégie de tendance adaptative ATR-ADX V2
- Stratégie de négociation à double facteur
- Stratégie de swingers moyenne plus élevée plus élevée et plus basse
- Découverte de l'oscillation - Stratégie de modification de la structure du marché
- Tendance de l'indice de dynamique des FNB à la suite de la stratégie
- Stratégie d'inversion de l'oscillateur TTM Falcon basée sur l'inversion des prix
- La stratégie de négociation de la tortue de rupture à moyenne mobile hybride