Les ressources ont été chargées... Je charge...
  1. Carré
  2. Stratégie de seuil dynamique adaptatif de séries chronologiques basée sur les données de capitaux propres

Stratégie de seuil dynamique adaptatif de séries chronologiques basée sur les données de capitaux propres

Auteur:ChaoZhang est là., Date: 2024-04-01 10:48:52 Je suis désolé
Les étiquettes:

img

Résumé

Cette stratégie est basée sur les données de séries chronologiques de la valeur nette des actifs des actions ou d'autres actifs financiers. En calculant dynamiquement le ratio d'efficacité (ER) comme facteur de lissage de la moyenne mobile exponentielle (EMA), il ajuste adaptivement les bandes supérieure et inférieure pour déclencher des signaux d'achat et de vente.

Principe de stratégie

  1. Calculer le rapport d'efficacité (REA) des données sur la valeur nette des actifs, qui est le rapport entre la variation de la valeur nette des actifs et la variation totale.
  2. Utiliser ER comme facteur d'assouplissement alpha de la fonction pine_ema pour calculer dynamiquement la moyenne EMA et l'écart absolu de la valeur nette des actifs.
  3. Ajouter et soustraire l'écart absolu de la moyenne EMA pour obtenir les bandes supérieures et inférieures en évolution dynamique.
  4. Lorsque la valeur nette de l'actif actuel franchit la bande supérieure, ouvrir une position longue, et quand elle franchit la bande inférieure, fermer la position.

Les avantages de la stratégie

  1. Il utilise pleinement toutes les informations contenues dans les données de séries chronologiques de la valeur nette des actifs, sans avoir besoin de définir de paramètres et d'optimiser, la méthode est simple et naturelle.
  2. En calculant dynamiquement l'ER pour ajuster le facteur d'assouplissement de l'EMA, il peut s'adapter à la complexité des variations de la valeur nette des actifs et répondre de manière flexible aux variations du marché.
  3. Comparée à l'EMA traditionnelle à paramètre fixe, l'EMA dynamique peut réduire efficacement le nombre de transactions et le temps de détention, ce qui réduit les coûts et les risques liés aux transactions.
  4. Comparée à l'achat et à la détention, cette stratégie peut réduire le tirage maximum de 2 à 3 fois, ou augmenter le rendement de 2 à 3 fois avec le même tirage.
  5. Il peut être facilement appliqué à la combinaison de plusieurs stratégies pour atteindre l'objectif d'activation/arrêt automatique des stratégies.

Risques stratégiques

  1. Cette stratégie est basée sur les données des séries chronologiques de la valeur nette des actifs.
  2. Bien que cette stratégie puisse ajuster les paramètres de manière adaptative, sa capacité d'adaptation aux conditions extrêmes du marché nécessite un examen plus approfondi.
  3. Cette stratégie se concentre actuellement principalement sur les positions longues et doit être encore améliorée pour les positions courtes.
  4. Dans les applications pratiques, cette stratégie impose des exigences plus élevées en matière de qualité des cibles sélectionnées et nécessite la sélection d'objectifs à tendance à la hausse à long terme.

Directions d'optimisation de la stratégie

  1. Envisager d'optimiser davantage la méthode de calcul de l'ER, d'introduire davantage d'indicateurs qui reflètent les caractéristiques des variations de la valeur nette des actifs et d'améliorer la robustesse et l'efficacité de l'ER.
  2. Améliorer encore les conditions d'ouverture et de clôture, par exemple en envisageant d'ajouter un stop loss de suivi, un stop loss en pourcentage, etc., afin d'améliorer la rentabilité et la résistance au risque de la stratégie.
  3. Pour différents objectifs et environnements de marché, optimiser les paramètres et adapter la stratégie afin d'améliorer sa polyvalence.
  4. Combiner cette stratégie avec d'autres stratégies (telles que le suivi des tendances, la réversion moyenne, etc.) pour tirer parti des avantages des différentes stratégies et améliorer la robustesse et la rentabilité du portefeuille.

Résumé

Cette stratégie calcule dynamiquement le ratio d'efficacité (ER) en tant que facteur de lissage de la moyenne mobile exponentielle (EMA), ajuste adaptivement les bandes supérieure et inférieure et déclenche des signaux d'achat et de vente. Cette stratégie utilise pleinement les informations contenues dans les données de séries temporelles de la valeur nette des actifs, sans avoir besoin de trop de paramètres et d'optimisations, la méthode est simple et naturelle, et peut répondre de manière flexible aux changements du marché et contrôler efficacement les retraits. Cependant, l'adaptabilité de cette stratégie aux conditions extrêmes du marché nécessite un examen plus approfondi et l'attention doit être accordée à la sélection des cibles dans les applications pratiques.

/*backtest
start: 2023-03-26 00:00:00
end: 2024-03-31 00:00:00
period: 1d
basePeriod: 1h
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/

//@version=4
strategy('Equity control', 'EC')
// study('Exponential bands', 'EB', overlay = true)


er(src) =>
    var start = src
    var total = 0.0

    total += abs(src - nz(src[1], src))
    net    = abs(src - start          )
    
    net / total

pine_ema(src, alpha) =>
    mean = 0.0
    dev  = 0.0

    mean := na(mean[1]) ? src : (1 - alpha) * mean[1] + alpha *     src
    dev  := na(dev [1]) ? 0   : (1 - alpha) * dev [1] + alpha * abs(src - mean)

    [mean, dev]


src = input(close)


a           = er      (src   )
[mean, dev] = pine_ema(src, a)

dev_lower = mean - dev
dev_upper = mean + dev


// plot(dev_lower, 'lower deviation', color.silver, 2, plot.style_stepline)
// plot(mean     , 'basis'          , color.purple, 1, plot.style_stepline)
// plot(dev_upper, 'upper deviation', color.silver, 2, plot.style_stepline)


if src > dev_upper
    strategy.entry('event', true, comment = 'on')
if src < dev_lower
    strategy.close('event', comment = 'off')


plot(strategy.equity)

//bigDope
Plus de

2019 FMZ - Tous les droits réservés