L'EMP1 - L'EMP2 est la longueur) * 100. La ligne Lorenzienne = EMA3 + CI.
La stratégie calcule la ligne de Lorenzian à la fois sur le calendrier actuel et sur un calendrier supérieur pour fournir une perspective de marché multidimensionnelle. Les signaux de négociation sont basés sur des croisements de prix avec la ligne de Lorenzian et sont confirmés par un mécanisme de lookback. Un signal d'achat est déclenché lorsque le prix traverse au-dessus de la ligne de Lorenzian et que le prix le plus bas au cours de la période de lookback est en dessous de la ligne de Lorenzian; le signal de vente fonctionne de la manière opposée.
La stratégie introduit également un mécanisme de prix cible, qui détermine les points de sortie en fonction des pourcentages cibles définis par l'utilisateur.
L'analyse à plusieurs délais: en combinant les lignes lorenziennes des délais actuels et supérieurs, la stratégie capte des tendances de marché plus complètes, réduisant ainsi les faux signaux.
Identification dynamique des tendances: la méthode de classification lorenzienne s'adapte rapidement aux changements du marché, fournissant des capacités sensibles d'identification des tendances.
Mécanisme de confirmation des signaux: l'utilisation d'une période de rétrospective pour confirmer les signaux de négociation réduit efficacement la probabilité de transactions erronées.
Optimisation des prix cibles: En fixant des pourcentages cibles, la stratégie peut maximiser les bénéfices dans des conditions de marché favorables.
Gestion des risques: l'introduction de mécanismes de stop-loss dynamiques permet de contrôler efficacement le risque pour chaque transaction.
Visualisation et statistiques: la stratégie fournit des affichages de graphiques intuitifs et des statistiques commerciales, facilitant l'analyse et l'optimisation des performances de la stratégie.
Flexibilité: de multiples paramètres réglables permettent aux traders d'optimiser la stratégie en fonction des différentes conditions du marché et des préférences personnelles.
Paramètre de sensibilité: La performance de la stratégie dépend fortement du choix des paramètres d'entrée.
Dépendance des conditions du marché: Dans les marchés instables, la stratégie peut générer de fréquents faux signaux, entraînant des pertes consécutives.
Risque de glissement: dans les marchés à fluctuation rapide, les prix d'exécution réels peuvent différer sensiblement des prix de signal.
Risque d'optimisation excessive: un ajustement excessif des paramètres pour s'adapter aux données historiques peut entraîner un surajustement, ce qui affecte les performances futures des transactions en direct.
Les défaillances techniques: le fait de s'appuyer sur des calculs complexes d'indicateurs techniques signifie que des défaillances du système ou des erreurs de données pourraient conduire à des décisions de négociation incorrectes.
Pour atténuer ces risques, il est recommandé:
Ajustement dynamique des paramètres: mettre en œuvre un mécanisme d'ajustement adaptatif des paramètres pour ajuster automatiquement la longueur et le seuil de l'EMA en fonction de la volatilité du marché.
Filtres supplémentaires: introduire des indicateurs techniques ou fondamentaux supplémentaires comme filtres pour améliorer la qualité du signal.
Intégration d'apprentissage automatique: Utiliser des algorithmes d'apprentissage automatique pour optimiser les processus de sélection de paramètres et de génération de signaux.
Analyse de la corrélation entre plusieurs actifs: examiner les données provenant de plusieurs actifs apparentés afin de fournir une perspective de marché plus complète.
Intégration d'événements d'actualité: Ajouter une fonctionnalité d'analyse d'événements d'actualité pour ajuster le comportement de la stratégie lors des communiqués de données économiques importants.
La valeur de l'épargne est calculée en fonction de l'évolution de l'épargne et de l'évolution de l'épargne.
Gestion améliorée des risques: mettre en œuvre des stratégies de gestion des positions et de contrôle des risques plus sophistiquées, telles que la dimensionnement des positions basé sur la volatilité.
Ces orientations d'optimisation visent à améliorer l'adaptabilité et la stabilité de la stratégie, lui permettant de maintenir de bonnes performances dans diverses conditions de marché.
La stratégie Lorenzienne est un système de trading complet qui combine des méthodes d'analyse technique avancées avec des mécanismes intelligents de gestion des risques. Grâce à l'analyse à plusieurs délais, à l'identification dynamique des tendances et à l'optimisation des prix cibles, cette stratégie a le potentiel d'obtenir des performances de trading cohérentes dans diverses conditions de marché. Cependant, elle fait également face à des défis tels que la sensibilité des paramètres et la dépendance du marché.
/*backtest
start: 2023-07-31 00:00:00
end: 2024-07-30 00:00:00
period: 1d
basePeriod: 1h
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/
//@version=5
strategy("Lorenzian Classification Strategy with Target and Multi-Timeframe", overlay=true)
// Input parameters
length = input.int(5, "Lorenzian Length", minval=1)
threshold = input.float(1.0, "Threshold", step=0.1)
lookback = input.int(3, "Lookback Candles", minval=1, maxval=20)
targetPercentage = input.float(1.5, "Target Percentage (%)", step=0.1) // Target percentage for exit
higherTimeframe = input.timeframe("D", "Higher Timeframe") // Higher timeframe for multi-timeframe analysis
// Lorenzian Classification calculation for current timeframe
ema1 = ta.ema(hlc3, length)
ema2 = ta.ema(ema1, length)
ema3 = ta.ema(ema2, length)
d = ema1 - ema2
ci = d / (0.015 * ta.ema(math.abs(d), length)) * 100
lorenzian = ema3 + ci
// Lorenzian Classification calculation for higher timeframe
hlc3_htf = request.security(syminfo.tickerid, higherTimeframe, (high + low + close)/3 )
ema1_htf = ta.ema(hlc3_htf, length)
ema2_htf = ta.ema(ema1_htf, length)
ema3_htf = ta.ema(ema2_htf, length)
d_htf = ema1_htf - ema2_htf
ci_htf = d_htf / (0.015 * ta.ema(math.abs(d_htf), length)) * 100
lorenzian_htf = ema3_htf + ci_htf
// Signal generation
crossUp = ta.crossover(close, lorenzian)
crossDown = ta.crossunder(close, lorenzian)
// Determine color based on price position relative to the line
lineColor = close > ema3 ? color.green : color.red
lineColorH = close > ema3_htf ? color.blue : color.red
// Plot the line with dynamic color
plot(ema3, color=lineColor, title="EMA3", linewidth=2)
plot(ema3_htf, color=lineColorH, title="EMA3 HTF", linewidth=2)
// Function to check for opposite movement
oppositeMove(isLong) =>
if isLong
lowest = ta.lowest(low, lookback)
lowest < lorenzian[lookback]
else
highest = ta.highest(high, lookback)
highest > lorenzian[lookback]
// Generate buy and sell signals
buySignal = crossUp and oppositeMove(true)
sellSignal = crossDown and oppositeMove(false)
// Calculate and manage target price
var float targetPrice = na
var float plotTargetPrice = na
var float entryPrice = na
// Variables to track trade outcomes
var int targetMet = 0
var int targetNotMet = 0
var int totalTrades = 0
if (buySignal)
strategy.entry("Buy", strategy.long)
entryPrice := close
targetPrice := entryPrice * (1 + targetPercentage/100)
plotTargetPrice := targetPrice
totalTrades := totalTrades + 1
if (sellSignal)
strategy.entry("Sell", strategy.short)
entryPrice := close
targetPrice := entryPrice * (1 - targetPercentage/100)
plotTargetPrice := targetPrice
totalTrades := totalTrades + 1
// Check if target price is met to exit
if (not na(targetPrice))
if (strategy.position_size > 0 and high >= targetPrice) // Long position exit condition
strategy.close("Buy")
targetPrice := na
entryPrice := na
targetMet := targetMet + 1
else if (strategy.position_size > 0 and low < entryPrice * (1 - targetPercentage/100)) // Stop loss for long
strategy.close("Buy")
targetPrice := na
entryPrice := na
targetNotMet := targetNotMet + 1
if (strategy.position_size < 0 and low <= targetPrice) // Short position exit condition
strategy.close("Sell")
targetPrice := na
entryPrice := na
targetMet := targetMet + 1
else if (strategy.position_size < 0 and high > entryPrice * (1 + targetPercentage/100)) // Stop loss for short
strategy.close("Sell")
targetPrice := na
entryPrice := na
targetNotMet := targetNotMet + 1
// Reset plotTargetPrice when position is closed
if (strategy.position_size == 0)
plotTargetPrice := na
// Plot signals and target price
plotshape(buySignal, title="Buy Signal", location=location.belowbar, color=color.green, style=shape.triangleup, size=size.small)
plotshape(sellSignal, title="Sell Signal", location=location.abovebar, color=color.purple, style=shape.triangledown, size=size.small)
plot(plotTargetPrice, color=color.yellow, title="Target Price", style=plot.style_circles, linewidth=2)
// Add alerts
alertcondition(buySignal, title="Buy Signal", message="Lorenzian Buy Signal")
alertcondition(sellSignal, title="Sell Signal", message="Lorenzian Sell Signal")
// Calculate success percentage
successPercentage = totalTrades > 0 ? (targetMet / totalTrades) * 100 : 0
// Create a table to display trade outcomes
var table tradeStats = table.new(position.top_right, 2, 3, border_width=1)
table.cell(tradeStats, 0, 0, "Targets Met", bgcolor=color.new(color.green, 30))
table.cell(tradeStats, 1, 0, "Targets Missed", bgcolor=color.new(color.red, 30))
table.cell(tradeStats, 0, 1, str.tostring(targetMet), bgcolor=color.new(color.green, 30))
table.cell(tradeStats, 1, 1, str.tostring(targetNotMet), bgcolor=color.new(color.red, 30))
table.cell(tradeStats, 0, 2, "Success Rate", bgcolor=color.new(color.blue, 30))
table.cell(tradeStats, 1, 2, str.tostring(successPercentage, "#.##") + "%", bgcolor=color.new(color.blue, 30))