Les ressources ont été chargées... Je charge...
  1. Carré
  2. Tendance du canal de Gauss à la suite d'une stratégie

Tendance du canal de Gauss à la suite d'une stratégie

Auteur:ChaoZhang est là., Date: 2024-03-29 16:26:26 Les résultats de cette enquête ont été publiés dans le Journal officiel de l'ONU.
Les étiquettes:

img

Résumé

L'indicateur Gaussian Channel Trend Following est une stratégie de trading basée sur l'indicateur Gaussian Channel. La stratégie vise à capturer les principales tendances du marché, en achetant et en détenant des positions pendant les tendances haussières et en fermant des positions pendant les tendances baissières.

Principe de stratégie

Le noyau de la stratégie de suivi de tendance du canal de Gauss est l'indicateur de canal de Gauss, proposé par Ehlers. Il combine les techniques de filtrage de Gauss avec la plage vraie pour analyser l'activité de tendance. L'indicateur calcule d'abord les valeurs bêta et alpha en fonction de la période d'échantillonnage et du nombre de pôles, puis applique un filtre aux données pour obtenir une courbe lissée (ligne médiane). Ensuite, la stratégie multiplie la plage vraie lissante par un multiplicateur pour générer les canaux supérieur et inférieur. Lorsque le prix traverse au-dessus / au-dessous du canal supérieur / inférieur, il génère un signal d'achat / vente. En outre, la stratégie offre des fonctionnalités pour réduire le décalage de l'indicateur et un mode de réponse rapide.

Les avantages de la stratégie

  1. Suivi de tendance: La stratégie excelle dans la capture des principales tendances du marché, en investissant dans la direction de la tendance, ce qui contribue à obtenir des rendements stables à long terme.
  2. Réduction de la fréquence de négociation: la stratégie n'entre en position que lorsqu'une tendance est confirmée et maintient les positions pendant la tendance, réduisant ainsi les coûts de négociation et de transaction inutiles.
  3. Réduction du décalage: grâce au mode de décalage réduit et au mode de réponse rapide, la stratégie peut réagir plus rapidement aux changements du marché.
  4. Paramètres flexibles: les utilisateurs peuvent ajuster les paramètres de la stratégie en fonction de leurs besoins, tels que la période d'échantillonnage, le nombre de pôles, le multiplicateur True Range, etc., afin d'optimiser les performances de la stratégie.

Risques stratégiques

  1. Risque d'optimisation des paramètres: des paramètres mal définis peuvent entraîner de mauvaises performances de la stratégie. Il est recommandé d'effectuer une optimisation des paramètres et un backtesting dans différents environnements de marché pour trouver la combinaison optimale de paramètres.
  2. Risque d'inversion de tendance: lorsque les tendances du marché s'inversent soudainement, la stratégie peut connaître des retombées significatives.
  3. Risque de marché lié à la plage: sur les marchés liés à la plage, la stratégie peut générer des signaux de trading fréquents, entraînant une diminution des rendements.

Directions d'optimisation de la stratégie

  1. Incorporer d'autres indicateurs techniques: combiner avec d'autres indicateurs de tendance ou d'oscillateur, tels que le MACD, le RSI, etc., pour améliorer l'exactitude et la fiabilité du signal.
  2. Optimisation dynamique des paramètres: Ajustez dynamiquement les paramètres de stratégie en fonction des changements dans les conditions du marché pour s'adapter à différents environnements du marché.
  3. Ajouter un module de contrôle des risques: définir des règles raisonnables de stop-loss et de prise de profit pour contrôler le risque commercial individuel et les niveaux globaux de tirage.
  4. Analyse multi-temporelle: combiner des signaux provenant de différentes périodes, tels que les graphiques quotidiens et les graphiques de 4 heures, pour obtenir des informations de marché plus complètes.

Résumé

La stratégie de suivi de tendance du canal de Gauss est une stratégie de trading basée sur les techniques de filtrage de Gauss, qui vise à capturer les principales tendances du marché pour des rendements stables à long terme. La stratégie utilise l'indicateur de canal de Gauss pour identifier la direction et la force de la tendance tout en offrant des fonctionnalités pour réduire le retard et fournir une réponse rapide. Les avantages de la stratégie résident dans sa forte capacité de suivi de tendance et sa faible fréquence de trading.

/*backtest
start: 2023-03-23 00:00:00
end: 2024-03-28 00:00:00
period: 1d
basePeriod: 1h
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/

//@version=5
strategy(title="Gaussian Channel Strategy v2.0", overlay=true, calc_on_every_tick=false, initial_capital=1000, default_qty_type=strategy.percent_of_equity, default_qty_value=100, commission_type=strategy.commission.percent, commission_value=0.1, slippage=3)

//-----------------------------------------------------------------------------------------------------------------------------------------------------------------
// Gaussian Channel Indicaor - courtesy of @DonovanWall
//----------------------------------------------------------------------------------------------------------------------------------------------------------------- 

// Date condition inputs
startDate = input(timestamp("1 January 2018 00:00 +0000"), "Date Start", group="Main Algo Settings")
endDate = input(timestamp("1 January 2060 00:00 +0000"), "Date Start", group="Main Algo Settings")
timeCondition = true

// This study is an experiment utilizing the Ehlers Gaussian Filter technique combined with lag reduction techniques and true range to analyze trend activity.
// Gaussian filters, as Ehlers explains it, are simply exponential moving averages applied multiple times.
// First, beta and alpha are calculated based on the sampling period and number of poles specified. The maximum number of poles available in this script is 9.
// Next, the data being analyzed is given a truncation option for reduced lag, which can be enabled with "Reduced Lag Mode".
// Then the alpha and source values are used to calculate the filter and filtered true range of the dataset.
// Filtered true range with a specified multiplier is then added to and subtracted from the filter, generating a channel.
// Lastly, a one pole filter with a N pole alpha is averaged with the filter to generate a faster filter, which can be enabled with "Fast Response Mode". 

// Custom bar colors are included.

// Note: Both the sampling period and number of poles directly affect how much lag the indicator has, and how smooth the output is.
//      Larger inputs will result in smoother outputs with increased lag, and smaller inputs will have noisier outputs with reduced lag.
//      For the best results, I recommend not setting the sampling period any lower than the number of poles + 1. Going lower truncates the equation.

//-----------------------------------------------------------------------------------------------------------------------------------------------------------------
// Updates:
// Huge shoutout to @e2e4mfck for taking the time to improve the calculation method!
// -> migrated to v4
// -> pi is now calculated using trig identities rather than being explicitly defined.
// -> The filter calculations are now organized into functions rather than being individually defined.
// -> Revamped color scheme.

//-----------------------------------------------------------------------------------------------------------------------------------------------------------------
// Functions - courtesy of @e2e4mfck
//----------------------------------------------------------------------------------------------------------------------------------------------------------------- 

// Filter function 
f_filt9x (_a, _s, _i) => 
    int _m2 = 0, int _m3 = 0, int _m4 = 0, int _m5 = 0, int _m6 = 0, 
    int _m7 = 0, int _m8 = 0, int _m9 = 0, float _f = .0, _x = (1 - _a)
    // Weights. 
    // Initial weight _m1 is a pole number and equal to _i
    _m2 := _i == 9 ? 36  : _i == 8 ? 28 : _i == 7 ? 21 : _i == 6 ? 15 : _i == 5 ? 10 : _i == 4 ? 6 : _i == 3 ? 3 : _i == 2 ? 1 : 0
    _m3 := _i == 9 ? 84  : _i == 8 ? 56 : _i == 7 ? 35 : _i == 6 ? 20 : _i == 5 ? 10 : _i == 4 ? 4 : _i == 3 ? 1 : 0
    _m4 := _i == 9 ? 126 : _i == 8 ? 70 : _i == 7 ? 35 : _i == 6 ? 15 : _i == 5 ? 5  : _i == 4 ? 1 : 0
    _m5 := _i == 9 ? 126 : _i == 8 ? 56 : _i == 7 ? 21 : _i == 6 ? 6  : _i == 5 ? 1  : 0 
    _m6 := _i == 9 ? 84  : _i == 8 ? 28 : _i == 7 ? 7  : _i == 6 ? 1  : 0 
    _m7 := _i == 9 ? 36  : _i == 8 ? 8  : _i == 7 ? 1  : 0 
    _m8 := _i == 9 ? 9   : _i == 8 ? 1  : 0 
    _m9 := _i == 9 ? 1   : 0
    // filter
    _f :=   math.pow(_a, _i) * nz(_s) + 
      _i  *     _x      * nz(_f[1])      - (_i >= 2 ? 
      _m2 * math.pow(_x, 2)  * nz(_f[2]) : 0) + (_i >= 3 ? 
      _m3 * math.pow(_x, 3)  * nz(_f[3]) : 0) - (_i >= 4 ? 
      _m4 * math.pow(_x, 4)  * nz(_f[4]) : 0) + (_i >= 5 ? 
      _m5 * math.pow(_x, 5)  * nz(_f[5]) : 0) - (_i >= 6 ? 
      _m6 * math.pow(_x, 6)  * nz(_f[6]) : 0) + (_i >= 7 ? 
      _m7 * math.pow(_x, 7)  * nz(_f[7]) : 0) - (_i >= 8 ? 
      _m8 * math.pow(_x, 8)  * nz(_f[8]) : 0) + (_i == 9 ? 
      _m9 * math.pow(_x, 9)  * nz(_f[9]) : 0)

// 9 var declaration fun
f_pole (_a, _s, _i) =>
    _f1 =            f_filt9x(_a, _s, 1),      _f2 = (_i >= 2 ? f_filt9x(_a, _s, 2) : 0), _f3 = (_i >= 3 ? f_filt9x(_a, _s, 3) : 0)
    _f4 = (_i >= 4 ? f_filt9x(_a, _s, 4) : 0), _f5 = (_i >= 5 ? f_filt9x(_a, _s, 5) : 0), _f6 = (_i >= 6 ? f_filt9x(_a, _s, 6) : 0)
    _f7 = (_i >= 2 ? f_filt9x(_a, _s, 7) : 0), _f8 = (_i >= 8 ? f_filt9x(_a, _s, 8) : 0), _f9 = (_i == 9 ? f_filt9x(_a, _s, 9) : 0)
    _fn = _i == 1 ? _f1 : _i == 2 ? _f2 : _i == 3 ? _f3 :
      _i == 4     ? _f4 : _i == 5 ? _f5 : _i == 6 ? _f6 :
      _i == 7     ? _f7 : _i == 8 ? _f8 : _i == 9 ? _f9 : na
    [_fn, _f1]

//-----------------------------------------------------------------------------------------------------------------------------------------------------------------
// Inputs
//-----------------------------------------------------------------------------------------------------------------------------------------------------------------

// Source
src = input(defval=hlc3, title="Source")

// Poles
int N = input.int(defval=4, title="Poles", minval=1, maxval=9)

// Period
int per = input.int(defval=144, title="Sampling Period", minval=2)

// True Range Multiplier
float mult = input.float(defval=1.414, title="Filtered True Range Multiplier", minval=0)

// Lag Reduction
bool modeLag  = input.bool(defval=false, title="Reduced Lag Mode")
bool modeFast = input.bool(defval=false, title="Fast Response Mode")

//-----------------------------------------------------------------------------------------------------------------------------------------------------------------
// Definitions
//-----------------------------------------------------------------------------------------------------------------------------------------------------------------

// Beta and Alpha Components
beta  = (1 - math.cos(4*math.asin(1)/per)) / (math.pow(1.414, 2/N) - 1)
alpha = - beta + math.sqrt(math.pow(beta, 2) + 2*beta)

// Lag
lag = (per - 1)/(2*N)

// Data
srcdata = modeLag ? src + (src - src[lag]) : src
trdata  = modeLag ? ta.tr(true) + (ta.tr(true) - ta.tr(true)[lag]) : ta.tr(true)

// Filtered Values
[filtn, filt1]     = f_pole(alpha, srcdata, N)
[filtntr, filt1tr] = f_pole(alpha, trdata,  N)

// Lag Reduction
filt   = modeFast ? (filtn + filt1)/2 : filtn
filttr = modeFast ? (filtntr + filt1tr)/2 : filtntr

// Bands
hband = filt + filttr*mult
lband = filt - filttr*mult

// Colors
color1   = #0aff68
color2   = #00752d
color3   = #ff0a5a
color4   = #990032
fcolor   = filt > filt[1] ? #0aff68 : filt < filt[1] ? #ff0a5a : #cccccc
barcolor = (src > src[1]) and (src > filt) and (src < hband) ? #0aff68 : (src > src[1]) and (src >= hband) ? #0aff1b : (src <= src[1]) and (src > filt) ? #00752d : 
           (src < src[1]) and (src < filt) and (src > lband) ? #ff0a5a : (src < src[1]) and (src <= lband) ? #ff0a11 : (src >= src[1]) and (src < filt) ? #990032 : #cccccc

//-----------------------------------------------------------------------------------------------------------------------------------------------------------------
// Outputs
//-----------------------------------------------------------------------------------------------------------------------------------------------------------------

// Filter Plot
filtplot = plot(filt, title="Filter", color=fcolor, linewidth=3)

// Band Plots
hbandplot = plot(hband, title="Filtered True Range High Band", color=fcolor)
lbandplot = plot(lband, title="Filtered True Range Low Band", color=fcolor)

// Channel Fill
fill(hbandplot, lbandplot, title="Channel Fill", color=color.new(fcolor, 80))

// Bar Color
barcolor(barcolor)

longCondition = ta.crossover(close, hband) and timeCondition
closeAllCondition = ta.crossunder(close, hband) and timeCondition

if longCondition
    strategy.entry("long", strategy.long)

if closeAllCondition
    strategy.close("long")
Plus de

2019 FMZ - Tous les droits réservés