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

La stratégie de négociation quantitative basée sur l'entrée de la moyenne mobile dynamique

Auteur:ChaoZhang est là., Date: 2024-02-18 09:53:48 Je vous en prie.
Les étiquettes:

img

Résumé

Cette stratégie s'appelle La stratégie de négociation quantitative basée sur une entrée de percée en moyenne mobile dynamique et une sortie de prise de profit/arrêt de perte fixe. L'idée principale de cette stratégie est d'ouvrir des positions longues lorsque le prix de clôture est inférieur à la moyenne mobile dynamique de Hull de 115 périodes chaque lundi, et de fermer des positions inconditionnellement chaque mercredi par la suite, avec des ratios fixes de profit-objectif et de stop-loss définis simultanément.

Principaux

Cette stratégie est principalement conçue sur la base des signaux d'indicateur de la moyenne mobile de Hull et des règles de négociation périodique.

Tout d'abord, lors de la session de négociation tous les lundis, des positions longues seront ouvertes si le prix de clôture est inférieur à la moyenne mobile Hull de 115 périodes.

En outre, les positions seront fermées sans condition pendant les séances de négociation tous les mercredis. Cette approche d'opération périodique peut éviter d'être affectée par des événements éventuels et réduire la probabilité de retrait.

Enfin, comme chaque période de détention de transactions est relativement courte avec une fréquence de négociation plus élevée, elle peut ajuster les positions dans une certaine mesure et réduire le risque d'une seule transaction.

Analyse des avantages

Cette stratégie présente les avantages suivants:

  1. L'utilisation de la moyenne mobile Hull comme indicateur de signal d'entrée améliore la précision de l'entrée sur le marché et capte les opportunités de tendance.

  2. La méthode de sortie périodique permet d'éviter les risques liés aux comportements irrationnels et de réduire la probabilité de retrait.

  3. L'objectif de profit fixe et les points de stop-loss peuvent contrôler efficacement le rapport risque-rendement de chaque transaction.

  4. Une fréquence de négociation élevée est bénéfique pour ajuster les positions et réduire le risque de transaction unique.

  5. Les règles de négociation sont simples et faciles à comprendre et à mettre en œuvre, ce qui convient au trading quantitatif algorithmique.

Analyse des risques

Cette stratégie comporte également des risques:

  1. Une consolidation prolongée sur le marché peut entraîner une probabilité plus élevée d'être piégé après son entrée.

  2. L'objectif fixe de profit et les points de stop-loss manquent de souplesse et peuvent sortir de position trop tôt ou trop tard.

  3. Une sortie périodique peut entraîner d'énormes pertes si des événements fortuits se produisent.

  4. Les échanges fréquents augmentent les coûts et l'influence du glissement.

  5. Des paramètres incorrects (comme les numéros de période) peuvent affecter les performances de la stratégie.

Certaines mesures d'optimisation peuvent être envisagées pour réduire les risques susmentionnés:

  1. Jugez les conditions du marché avant l'entrée pour éviter d'entrer dans une phase de consolidation.

  2. Définir des ratios fixes dynamiques ou multiples pour la prise de profit et le stop-loss.

  3. Suspendre les opérations autour d'événements importants pour éviter une volatilité extrême.

  4. Réduire la fréquence de négociation de manière appropriée pour réduire les coûts et les glissements.

  5. Optimiser les paramètres et effectuer des tests de robustesse pour rendre la stratégie plus stable.

Directions d'optimisation

Cette stratégie peut être encore optimisée dans les domaines suivants:

  1. Utiliser des modèles d'apprentissage automatique pour optimiser dynamiquement les paramètres de la moyenne mobile pour des signaux plus précis.

  2. Essayez de combiner plusieurs indicateurs pour concevoir des règles d'entrée et de sortie plus complexes.

  3. Concevoir des mécanismes adaptés de prise de profit et de stop-loss en fonction de différentes périodes et environnements de marché.

  4. Incorporer des modèles de gestion des risques pour une meilleure gestion des capitaux.

  5. Module d'ajustement des droits de conception pour gérer les événements comme les scissions de stocks en douceur.

  6. Ajouter un module de vérification des transactions réelles pour tester les performances de la stratégie sur les marchés en direct.

En combinant organiquement l'apprentissage automatique, le portefeuille d'indicateurs, la prise de profit / stop-loss adaptative, la gestion des risques et d'autres méthodes, cette stratégie peut atteindre une stabilité et une rentabilité plus fortes.

Conclusion

Cette stratégie est conçue sur la base des idées de l'entrée et de la sortie d'indicateurs de la moyenne mobile dynamique de Hull. Elle présente des avantages tels que des signaux précis et une faible probabilité de retrait, tout en contrôlant la prise de profit et le stop-loss d'une seule transaction. Mais des problèmes tels que le fait d'être piégé et des paramètres de prise de profit / stop-loss inappropriés existent également. Les directions d'optimisation futures comprennent l'introduction d'apprentissage automatique et de combinaisons multi-indicateurs plus complexes pour l'entrée, la conception de mécanismes de prise de profit / stop-loss adaptatifs, l'ajout d'ajustements de droits et de modules de vérification de trading réel, etc. En adoptant de manière globale ces mesures, la stabilité et la rentabilité de cette stratégie seront améliorées.


/*backtest
start: 2024-01-18 00:00:00
end: 2024-02-17 00:00:00
period: 2h
basePeriod: 15m
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/

// This Pine Script™ code is subject to the terms of the Mozilla Public License 2.0 at https://mozilla.org/MPL/2.0/
// © gnatskiller

//@version=5
strategy("Strategia HMA + LUN/MER", overlay=true)

// Inputs: stoploss %, takeProfit %
stopLossPercentage = input.float(defval=0.8, title='StopLoss %', minval=0.1, step=0.2) / 100
takeProfit = input.float(defval=1.5, title='Take Profit %', minval=0.3, step=0.2) / 100

// Calculate HMA 115
hma115 = ta.hma(close, 115)

// Exit and Entry Conditions - Check current day, session time, and price below HMA 115
isLong = dayofweek == dayofweek.monday  and not na(time(timeframe.period, "1000-1101")) and close < hma115
isExit = dayofweek == dayofweek.wednesday and not na(time(timeframe.period, "1000-1101"))

// Calculate Stoploss and Take Profit values
SL = strategy.position_avg_price * (1 - stopLossPercentage)
TP = strategy.position_avg_price * (1 + takeProfit)

// Strategy Enter, and exit when conditions are met
if isLong
    strategy.entry("Enter Long", strategy.long)
if strategy.position_size > 0 
    if isExit
        strategy.close("Enter Long", comment="Exit")
        strategy.exit("Exit", "Exit", stop=SL, limit=TP)

// Plot Stoploss and TakeProfit lines
plot(strategy.position_size > 0 ? SL : na, style=plot.style_linebr, color=color.red, linewidth=2, title="StopLoss")
plot(strategy.position_size > 0 ? TP : na, style=plot.style_linebr, color=color.green, linewidth=2, title="TakeProfit")

// Plot HMA 115
plot(hma115, color=color.blue, title="HMA 115")


Plus de