Les ressources ont été chargées... Je charge...
  1. Carré
  2. Stratégie de croisement de l'élan d'adaptation et de l'inversion moyenne

Stratégie de croisement de l'élan d'adaptation et de l'inversion moyenne

Auteur:ChaoZhang est là., Date: 2025-01-10 15h26 et 18h
Les étiquettes:ROCBBSMA

Adaptive Momentum Mean-Reversion Crossover Strategy

Résumé

Cette stratégie est un système de négociation hybride qui combine les théories de l'élan et de la réversion moyenne. Elle identifie les conditions de surachat et de survente du marché à l'aide de l'indicateur de taux de changement (ROC) et des bandes de Bollinger, déclenchant des transactions lorsque des seuils spécifiques sont franchis. Le concept de base est de détecter les changements d'élan et de capitaliser sur les réversions de prix à leur moyenne.

Principes de stratégie

La stratégie utilise un indicateur ROC à 2 périodes pour calculer les variations de prix à court terme, ainsi que deux ensembles de bandes de Bollinger: à court terme (18 périodes, 1,7 écarts types) pour les conditions de survente et les signaux d'entrée, et à long terme (21 périodes, 2.1 écarts types) pour les conditions de survente et les signaux de sortie.

Les avantages de la stratégie

  1. Une grande adaptabilité: les bandes de Bollinger ajustent automatiquement leur largeur en fonction de la volatilité du marché, conservant ainsi leur efficacité dans différentes conditions de marché
  2. Contrôle robuste des risques: la pyramide est désactivée (pyramide = 0), ce qui garantit une seule position à la fois
  3. Signaux fiables: la combinaison de stratégies de dynamique et de réversion moyenne permet une meilleure identification des points de basculement du marché
  4. Pratique: inclut les coûts de transaction et les considérations de glissement pour les conditions réelles de négociation

Risques stratégiques

  1. Risque de marché perturbé: peut générer des transactions fréquentes entraînant des pertes sur les marchés à fourchette
  2. Risque de fausse rupture: l'indicateur ROC peut produire de faux signaux de rupture
  3. Sensitivité des paramètres: le rendement de la stratégie dépend fortement des bandes de Bollinger et des paramètres ROC
  4. Dépendance de l'environnement du marché: la stratégie fonctionne mieux sur les marchés tendance mais peut échouer en cas de volatilité extrême

Directions d'optimisation de la stratégie

  1. Introduire le filtre de tendance: ajouter des moyennes mobiles à long terme pour filtrer les tendances du marché et améliorer la précision directionnelle
  2. Optimiser les paramètres: effectuer un backtesting des données historiques pour trouver les combinaisons optimales de paramètres ROC et Bollinger Bands
  3. Ajouter des mécanismes de stop-loss: mettre en œuvre des stop-loss fixes ou de suivi pour contrôler les risques
  4. Inclure la confirmation du volume: intégrer des indicateurs de volume pour valider les écarts de prix

Résumé

La stratégie Adaptive Momentum Mean-Reversion Crossover construit un système de négociation capable de s'adapter à différents environnements de marché en combinant des indicateurs ROC et des bandes de Bollinger doubles. Tout en maintenant la flexibilité, la stratégie met l'accent sur le contrôle des risques et démontre une valeur pratique.

/*backtest
start: 2019-12-23 08:00:00
end: 2025-01-08 08:00:00
period: 1d
basePeriod: 1d
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/

//@version=6
strategy("Adaptive Momentum Reversion Strategy ", overlay=false, initial_capital=50000, pyramiding=0, commission_type=strategy.commission.cash_per_contract, commission_value=0.05, slippage=1)

// Input: ROC Period
rocPeriod = input.int(2, title="ROC Period", minval=1)

// Input: Bollinger Bands Settings (Lower Band)
bbLowerLength = input.int(18, title="Lower Bollinger Band Length", minval=1)
bbLowerStdDev = input.float(1.7, title="Lower Bollinger Band StdDev", minval=0.1, step=0.1)

// Input: Bollinger Bands Settings (Upper Band)
bbUpperLength = input.int(21, title="Upper Bollinger Band Length", minval=1)
bbUpperStdDev = input.float(2.1, title="Upper Bollinger Band StdDev", minval=0.1, step=0.1)

// ROC Calculation
rocValue = (close - close[rocPeriod]) / close[rocPeriod] * 100

// Bollinger Bands Calculation
bbLowerBasis = ta.sma(rocValue, bbLowerLength)  // Basis for Lower Band
bbLower = bbLowerBasis - bbLowerStdDev * ta.stdev(rocValue, bbLowerLength)  // Lower Band

bbUpperBasis = ta.sma(rocValue, bbUpperLength)  // Basis for Upper Band
bbUpper = bbUpperBasis + bbUpperStdDev * ta.stdev(rocValue, bbUpperLength)  // Upper Band

// Plot ROC
plot(rocValue, color=color.blue, linewidth=2, title="ROC Value")

// Plot Bollinger Bands
plot(bbLowerBasis, color=color.gray, linewidth=1, title="Lower BB Basis (SMA)")
plot(bbLower, color=color.green, linewidth=1, title="Lower Bollinger Band")
plot(bbUpperBasis, color=color.gray, linewidth=1, title="Upper BB Basis (SMA)")
plot(bbUpper, color=color.red, linewidth=1, title="Upper Bollinger Band")

// Add Zero Line for Reference
hline(0, "Zero Line", color=color.gray, linestyle=hline.style_dotted)

// Entry Condition: Long when ROC crosses above the lower Bollinger Band
longCondition = ta.crossover(rocValue, bbLower)
if (longCondition)
    strategy.entry("Long", strategy.long)

// Exit Condition: Exit on Upper Bollinger Band Cross or ROC drops below Lower Band again
exitCondition = ta.crossunder(rocValue, bbUpper)
if (exitCondition)
    strategy.close("Long")

// Background Color for Extreme Conditions
bgcolor(rocValue > bbUpper ? color.new(color.red, 80) : na, title="Overbought (ROC above Upper BB)")
bgcolor(rocValue < bbLower ? color.new(color.green, 80) : na, title="Oversold (ROC below Lower BB)")
Relationnée
Plus de

2019 FMZ - Tous les droits réservés