Les ressources ont été chargées... Je charge...
  1. Carré
  2. Stratégie quantitative de gestion des risques liés à l'intersection de tendances multi-ondes

Stratégie quantitative de gestion des risques liés à l'intersection de tendances multi-ondes

Auteur:ChaoZhang est là., Date: 2024-12-13 à 10h51
Les étiquettes:Le taux d'intérêtSMA

img

Résumé

Cette stratégie est un système de négociation quantitatif basé sur l'indicateur WaveTrend, incorporant des mécanismes de gestion dynamique des risques.

Principes de stratégie

Le noyau de la stratégie réside dans le calcul de l'indicateur WaveTrend en utilisant les prix HLC3. Il calcule d'abord une moyenne mobile exponentielle (EMA) de n1 périodes comme référence, puis calcule les écarts de prix par rapport à cette référence, les normalisant avec un coefficient de 0.015.

Les avantages de la stratégie

  1. Le système de signalisation présente d'excellentes capacités de suivi des tendances avec une fiabilité accrue grâce à des niveaux doubles de surachat/survente.
  2. Système complet de gestion des risques comprenant un stop-loss fixe, un take-profit et un stop-trailing dynamique
  3. Paramètres hautement réglables pour l'optimisation dans différentes conditions de marché
  4. Incorporer des mécanismes d'adaptation à la volatilité pour une meilleure adaptabilité
  5. La conception de systèmes de signalisation à couches réduit efficacement l'impact des faux signaux

Risques stratégiques

  1. Des stop-loss fréquents peuvent se produire sur des marchés très volatils
  2. Des paramètres mal réglés peuvent entraîner des coûts de négociation excessifs
  3. Peut générer des signaux erronés excessifs sur différents marchés
  4. Requiert un étalonnage minutieux des ratios stop-loss et take-profit pour maintenir l'équilibre risque-rendement
  5. Les arrêts de trailing pourraient entraîner des retraits importants lors d'inversions rapides du marché

Directions d'optimisation

  1. Incorporer des indicateurs de volume pour la confirmation des signaux afin d'améliorer la fiabilité des transactions
  2. Optimiser les paramètres d'arrêt de traction pour une meilleure adaptation aux différentes conditions du marché
  3. Ajouter des filtres de force de tendance pour réduire la fréquence de négociation sur les marchés variables
  4. Envisager la mise en œuvre de mécanismes de stop-loss dynamiques qui s'ajustent automatiquement en fonction de la volatilité du marché
  5. Mettre en place des filtres temporels pour éviter d'entrer dans des positions pendant des périodes de négociation défavorables

Résumé

Cette stratégie réalise une approche quantitative complète du trading en combinant l'indicateur WaveTrend avec un système de gestion des risques robuste. Ses principales forces résident dans son adaptabilité et son exposition au risque contrôlée, bien que les traders doivent optimiser les paramètres et améliorer la stratégie en fonction des conditions réelles du marché.

/*backtest
start: 2024-11-12 00:00:00
end: 2024-12-11 08:00:00
period: 3h
basePeriod: 3h
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/

//@version=5
strategy(title="WaveTrend [LazyBear] with Risk Management", shorttitle="WT_LB_RM", overlay=true)

// Input Parameters
n1 = input.int(10, "Channel Length")
n2 = input.int(21, "Average Length")
obLevel1 = input.int(60, "Over Bought Level 1")
obLevel2 = input.int(53, "Over Bought Level 2")
osLevel1 = input.int(-60, "Over Sold Level 1")
osLevel2 = input.int(-53, "Over Sold Level 2")

// Risk Management Inputs
stopLossPercent = input.float(50.0, "Stop Loss (%)", minval=0.1, maxval=100)
takeProfitPercent = input.float(5.0, "Take Profit (%)", minval=0.1, maxval=100)
trailingStopPercent = input.float(3.0, "Trailing Stop (%)", minval=0.1, maxval=100)
trailingStepPercent = input.float(2.0, "Trailing Stop Step (%)", minval=0.1, maxval=100)

// WaveTrend Calculation
ap = hlc3 
esa = ta.ema(ap, n1)
d = ta.ema(math.abs(ap - esa), n1)
ci = (ap - esa) / (0.015 * d)
tci = ta.ema(ci, n2)
 
wt1 = tci
wt2 = ta.sma(wt1, 4)

// Plotting Original Indicators
plot(0, color=color.gray)
plot(obLevel1, color=color.red)
plot(osLevel1, color=color.green)
plot(obLevel2, color=color.red, style=plot.style_line)
plot(osLevel2, color=color.green, style=plot.style_line)

plot(wt1, color=color.green)
plot(wt2, color=color.red, style=plot.style_line)
plot(wt1-wt2, color=color.blue, style=plot.style_area, transp=80)

// Buy and Sell Signals with Risk Management
longCondition = ta.crossover(wt1, osLevel1) or ta.crossover(wt1, osLevel2)
shortCondition = ta.crossunder(wt1, obLevel1) or ta.crossunder(wt1, obLevel2)

// Strategy Entry with Risk Management
if (longCondition)
    entryPrice = close
    stopLossPrice = entryPrice * (1 - stopLossPercent/100)
    takeProfitPrice = entryPrice * (1 + takeProfitPercent/100)
    
    strategy.entry("Long", strategy.long)
    strategy.exit("Long Exit", "Long", 
                  stop=stopLossPrice, 
                  limit=takeProfitPrice, 
                  trail_price=close * (1 + trailingStopPercent/100), 
                  trail_offset=close * (trailingStepPercent/100))

if (shortCondition)
    entryPrice = close
    stopLossPrice = entryPrice * (1 + stopLossPercent/100)
    takeProfitPrice = entryPrice * (1 - takeProfitPercent/100)
    
    strategy.entry("Short", strategy.short)
    strategy.exit("Short Exit", "Short", 
                  stop=stopLossPrice, 
                  limit=takeProfitPrice, 
                  trail_price=close * (1 - trailingStopPercent/100), 
                  trail_offset=close * (trailingStepPercent/100))
Relationnée
Plus de

2019 FMZ - Tous les droits réservés