Les ressources ont été chargées... Je charge...

Stratégie vectorielle normalisée à l'échelle avec fonctions d'activation, ver.4

Auteur:ChaoZhang est là., Date: 2024-01-22 09h02h30
Les étiquettes:

Résumé

Il s'agit d'une amélioration de la stratégie de vecteur normalisé à échelle de drkhodakarami, ajoutant principalement des fonctions d'activation pour améliorer les performances de la stratégie. La stratégie calcule le taux de changement du marché en fonction des différences de temps et détermine les signaux longs et courts en fonction des valeurs de seuil.

La logique de la stratégie

Calculer la variation en pourcentage du prix x de clôture sur la période définie
Passer x à la fonction d'activation pour obtenir la séquence traitée p
Définir des seuils positifs et négatifs th, aller long lorsque p traverse au-dessus de th, et aller court lorsque traverse en dessous de -th
Désactiver la repeinture pour éviter les faux signaux

Analyse des avantages

Les fonctions d'activation aident à filtrer le bruit et à améliorer le jugement du signal
Une nouvelle entrée et une logique étroite permettent le trading automatisé
Plus de personnalisation de paramètres s'adapte à plus de marchés
Une excellente visualisation présente intuitivement les signaux commerciaux

Analyse des risques

Des seuils incorrects peuvent faire perdre des opportunités commerciales
Les fonctions d'activation inappropriées peuvent filtrer trop l'information sur le marché
Les distorsions de signal induites par la repeinture doivent être testées

Les solutions:

Ajustez les paramètres de seuil pour trouver le meilleur
Essayez différentes fonctions d'activation pour trouver la meilleure correspondance
Ajouter la logique de détection de repeinture pour confirmer les signaux valides

Directions d'optimisation

Ajouter un seuil adaptatif
Optimiser les paramètres de la fonction d'activation
Incorporer un stop-loss automatique
Filtrez les signaux avec plus de facteurs

Conclusion

Cette stratégie introduit des fonctions d'activation pour améliorer les performances. La personnalisation des paramètres étendue s'adapte mieux aux changements du marché. Pendant ce temps, l'excellente visualisation présente intuitivement des opportunités de trading. Les prochaines étapes consistent à optimiser davantage les fonctions d'activation et les paramètres de seuil, à incorporer une logique de stop loss et plus de filtrage de signal pour atteindre une efficacité de stratégie encore meilleure.

/*backtest
start: 2023-01-15 00:00:00
end: 2024-01-21 00:00:00
period: 1d
basePeriod: 1h
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/

//@version=4
// author: capissimo
strategy("Scaled Normalized Vector Strategy, ver.4", precision=2, overlay=false)
// This is a modification of my Scaled Normalized Vector Strategy  
// original: Drkhodakarami (https://www.tradingview.com/script/Fxv2xFWe-Normalized-Vector-Strategy-By-Drkhodakarami-Opensource/)

price    = input(close,  "Price Data")
tf       = input(18,     "Timeframe", minval=1, maxval=1440)
thresh   = input(14.,    "Threshold", minval=.1, step=.1) 
div      = input(1000000,"Divisor", options=[1,10,100,1000,10000,100000,1000000,10000000,100000000])
mmx      = input(233,    "Minimax Lookback", options=[1, 2, 3, 5, 8, 13, 21, 34, 55, 89, 144, 233, 377, 610, 987, 1597, 2584])
showVol  = input(false,  "Volume")
useold   = input(true,   "Use Old System")
method   = input("Swish", "Activation", options=["Step", "LReLU", "Swish", "None"])

scaleMinimax(X, p, min, max) => 
    hi = highest(X, p), lo = lowest(X, p)
    (max - min) * (X - lo)/(hi - lo) + min

getdiff(prc, tf) =>
    prev  = scaleMinimax((useold ? security(syminfo.tickerid, tostring(tf), prc[1], barmerge.gaps_off, barmerge.lookahead_on) 
                                 : security(syminfo.tickerid, tostring(tf), prc[1])), tf, 0, 1)
    curr  = scaleMinimax((useold ? security(syminfo.tickerid, tostring(tf), hlc3, barmerge.gaps_off, barmerge.lookahead_on)  
                                 : security(syminfo.tickerid, tostring(tf), hlc3)), tf, 0, 1)
    (curr/prev) - 1

relu(x) => max(x, 0)
lrelu(x, alpha) => relu(x) - alpha * relu(-x)
step(x) => x >= 0 ? 1 : -1
log2(x) => log(x) / log(2)
sigmoid(x) => 1 / (1 + exp(-x))
swish(x) => x * sigmoid(x)

f(m) => method==m

vol  = useold ? security(syminfo.tickerid, tostring(tf), volume, barmerge.gaps_off, barmerge.lookahead_on) 
              : security(syminfo.tickerid, tostring(tf), volume)
obv  = cum(change(price) > 0 ? vol : change(price) < 0 ? -vol : 0*vol)
prix = showVol ? obv : price
x    = getdiff(prix, tf)
p    = f("Swish") ? swish(x) : f("Step") ? step(x) : f("LReLU") ? lrelu(x, .8) : x
th   = thresh/div
long = crossover(p, th)
short= crossunder(p, -th)

lime  = color.new(color.lime, 10), fuchsia = color.new(color.fuchsia, 10), 
black = color.new(color.black, 100), gray = color.new(color.gray, 50)
bg    = long ? lime : short ? fuchsia : black
cl    = p > th ? color.green : p < -th ? color.red : color.silver

bgcolor(bg, editable=false)
plot(scaleMinimax(th, mmx, -1, 1), color=lime, editable=false, transp=0)
hline(0, linestyle=hline.style_dotted, title="base line", color=gray, editable=false)
plot(scaleMinimax(-th, mmx, -1, 1), color=fuchsia, editable=false, transp=0)
plot(scaleMinimax(p, mmx, -1, 1), color=cl, style=plot.style_histogram, transp=70, editable=false)
plot(scaleMinimax(p, mmx, -1, 1), color=cl, style=plot.style_linebr, title="prediction", transp=0, editable=false)

strategy.entry("L", true, 1, when=long)
strategy.entry("S", false, 1, when=short)

alertcondition(long, title='Long', message='Long Signal!')
alertcondition(short, title='Short', message='Short Signal!')

//*** Karobein Oscillator
per  = input(8, "Karobein Osc Lookback")

prix2 = ema(price, per)
a = ema(prix2 < prix2[1] ? prix2/prix2[1] : 0, per)
b = ema(prix2 > prix2[1] ? prix2/prix2[1] : 0, per)
c = (prix2/prix2[1])/(prix2/prix2[1] + b)
d = 2*((prix2/prix2[1])/(prix2/prix2[1] + c*a)) - 1

plot(scaleMinimax(d, mmx, -1, 1), color=color.orange, transp=0)

Plus de

2019 FMZ - Tous les droits réservés