Les ressources ont été chargées... Je charge...
  1. Carré
  2. Tendance multi-indicateur adaptative au marché suivant la stratégie

Tendance multi-indicateur adaptative au marché suivant la stratégie

Auteur:ChaoZhang est là., Date: 2024-12-12 15h23 et 28h
Les étiquettes:CMFLe DPOROCLa WMAATR

img

Résumé

Il s'agit d'une stratégie de suivi de tendance adaptative basée sur de multiples indicateurs techniques qui ajuste automatiquement les paramètres en fonction des différentes caractéristiques du marché. La stratégie combine le flux monétaire de Chaikin (CMF), l'oscillateur de prix détenu (DPO) et la courbe de Coppock pour capturer les tendances du marché, avec des facteurs d'ajustement de volatilité pour s'adapter aux différentes caractéristiques du marché. Elle comprend un système complet de gestion des positions et de contrôle des risques qui ajuste dynamiquement la taille des transactions en fonction de la volatilité du marché.

Principes de stratégie

La logique de base de la stratégie est de confirmer l'orientation de la tendance et le calendrier des transactions grâce à une coopération sur plusieurs indicateurs:

  1. Utilise l'indicateur CMF pour mesurer les flux de trésorerie et évaluer le sentiment du marché
  2. Emploie un DPO pour éliminer l'influence des tendances à long terme et se concentrer sur les fluctuations des prix à moyen et court terme
  3. Adopte l'indicateur Coppock modifié pour capturer les points tournants de la tendance
  4. Génère des signaux de négociation uniquement lorsque les trois indicateurs confirment
  5. Calcule dynamiquement les niveaux de stop-loss et de take-profit à l'aide de l'ATR
  6. Ajuste automatiquement les paramètres d'effet de levier et de volatilité en fonction des différentes caractéristiques du marché (actions, devises, contrats à terme)

Les avantages de la stratégie

  1. La validation croisée à plusieurs indicateurs filtre efficacement les faux signaux
  2. Une grande adaptabilité adaptée à différents environnements de marché
  3. Système complet de gestion des positions avec dimensionnement dynamique des positions basé sur la volatilité
  4. Ce modèle comprend les mécanismes d'arrêt des pertes et de prise de profit pour contrôler le risque tout en protégeant les bénéfices.
  5. Prise en charge de la négociation de plusieurs instruments pour la diversification des risques
  6. Une logique de trading claire, facile à maintenir et à optimiser

Risques stratégiques

  1. Le système à indicateurs multiples peut avoir un retard sur les marchés en évolution rapide
  2. L'optimisation des paramètres peut entraîner un surajustement
  3. Des signaux erronés peuvent se produire lors de changements de régime du marché
  4. Des paramètres de stop-loss serrés peuvent entraîner des stops fréquents
  5. Les coûts de négociation auront une incidence sur les rendements de la stratégie Recommandations en matière de gestion des risques:
  • Vérification régulière de la validité des paramètres
  • Surveillance de la position en temps réel
  • Contrôle adéquat du levier
  • Limites maximales de prélèvement

Directions d'optimisation

  1. Introduire un jugement sur l'état de la volatilité du marché pour utiliser différents ensembles de paramètres dans différents environnements de volatilité
  2. Ajouter davantage d'indicateurs d'identification des caractéristiques du marché pour améliorer l'adaptabilité de la stratégie
  3. Optimiser les mécanismes d'arrêt des pertes et de prise de bénéfices, envisager la mise en œuvre d'arrêts de retard
  4. Développer un système d'optimisation automatique des paramètres pour un ajustement périodique
  5. Ajouter le module d'analyse des coûts de négociation
  6. Mettre en œuvre un mécanisme d'alerte au risque

Résumé

Cette stratégie est un système global de suivi de tendance qui équilibre les rendements et les risques à travers de multiples indicateurs et mécanismes de contrôle des risques.

/*backtest
start: 2019-12-23 08:00:00
end: 2024-12-10 08:00:00
period: 1d
basePeriod: 1d
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/

//@version=5
strategy("Multi-Market Adaptive Trading Strategy", overlay=true, default_qty_type=strategy.percent_of_equity, default_qty_value=10)

// Input parameters
i_market_type = input.string("Crypto", "Market Type", options=["Forex", "Crypto", "Futures"])
i_risk_percent = input.float(1, "Risk Per Trade (%)", minval=0.1, maxval=100, step=0.1)
i_volatility_adjustment = input.float(1.0, "Volatility Adjustment", minval=0.1, maxval=5.0, step=0.1)
i_max_position_size = input.float(5.0, "Max Position Size (%)", minval=1.0, maxval=100.0, step=1.0)
i_max_open_trades = input.int(3, "Max Open Trades", minval=1, maxval=10)

// Indicator Parameters
i_cmf_length = input.int(20, "CMF Length", minval=1)
i_dpo_length = input.int(21, "DPO Length", minval=1)
i_coppock_short = input.int(11, "Coppock Short ROC", minval=1)
i_coppock_long = input.int(14, "Coppock Long ROC", minval=1)
i_coppock_wma = input.int(10, "Coppock WMA", minval=1)
i_atr_length = input.int(14, "ATR Length", minval=1)

// Market-specific Adjustments
volatility_factor = i_market_type == "Forex" ? 0.1 : i_market_type == "Futures" ? 1.5 : 1.0
volatility_factor *= i_volatility_adjustment
leverage = i_market_type == "Forex" ? 100.0 : i_market_type == "Futures" ? 20.0 : 3.0

// Calculate Indicators
mf_multiplier = ((close - low) - (high - close)) / (high - low)
mf_volume = mf_multiplier * volume
cmf = ta.sma(mf_volume, i_cmf_length) / ta.sma(volume, i_cmf_length)

dpo_offset = math.floor(i_dpo_length / 2) + 1
dpo = close - ta.sma(close, i_dpo_length)[dpo_offset]

roc1 = ta.roc(close, i_coppock_short)
roc2 = ta.roc(close, i_coppock_long)
coppock = ta.wma(roc1 + roc2, i_coppock_wma)

atr = ta.atr(i_atr_length)

// Define Entry Conditions
long_condition = cmf > 0 and dpo > 0 and coppock > 0 and ta.crossover(coppock, 0)
short_condition = cmf < 0 and dpo < 0 and coppock < 0 and ta.crossunder(coppock, 0)

// Calculate Position Size
account_size = strategy.equity
risk_amount = math.min(account_size * (i_risk_percent / 100), account_size * (i_max_position_size / 100))
position_size = (risk_amount / (atr * volatility_factor)) * leverage

// Execute Trades
if (long_condition and strategy.opentrades < i_max_open_trades)
    sl_price = close - (atr * 2 * volatility_factor)
    tp_price = close + (atr * 3 * volatility_factor)
    strategy.entry("Long", strategy.long, qty=position_size)
    strategy.exit("Long Exit", "Long", stop=sl_price, limit=tp_price)

if (short_condition and strategy.opentrades < i_max_open_trades)
    sl_price = close + (atr * 2 * volatility_factor)
    tp_price = close - (atr * 3 * volatility_factor)
    strategy.entry("Short", strategy.short, qty=position_size)
    strategy.exit("Short Exit", "Short", stop=sl_price, limit=tp_price)

// Plot Indicators
plot(cmf, color=color.blue, title="CMF")
plot(dpo, color=color.green, title="DPO")
plot(coppock, color=color.red, title="Coppock")
hline(0, "Zero Line", color=color.gray)

// Alerts
alertcondition(long_condition, title="Long Entry", message="Potential Long Entry Signal")
alertcondition(short_condition, title="Short Entry", message="Potential Short Entry Signal")

// // Performance reporting
// if barstate.islastconfirmedhistory
//     label.new(bar_index, high, text="Strategy Performance:\nTotal Trades: " + str.tostring(strategy.closedtrades) + 
//               "\nWin Rate: " + str.tostring(strategy.wintrades / strategy.closedtrades * 100, "#.##") + "%" +
//               "\nProfit Factor: " + str.tostring(strategy.grossprofit / strategy.grossloss, "#.##"))
Relationnée
Plus de

2019 FMZ - Tous les droits réservés