बायेसियन सशर्त निर्णय का उपयोग करके आरएसआई ट्रेडिंग रणनीति
ChaoZhang
अवलोकन
इस आलेख में मुख्य रूप से एक आरएसआई ट्रेडिंग रणनीति का विश्लेषण किया गया है जिसका नाम है बेयज़ कंडीशनिंग को लागू करना। यह रणनीति आरएसआई सूचकांक के संभाव्यता वितरण की गणना करके आरएसआई सूचकांक के आगे बढ़ने या गिरने की संभावना का अनुमान लगाने के लिए बेयज़ विधि को लागू करती है।
रणनीति सिद्धांत
इस रणनीति का मूल तर्क हैः
- एक निश्चित अवधि में समापन मूल्य में वृद्धि की संभावना वितरण A की गणना करें
- आरएसआई के बढ़ते रहने की संभावना वितरण की गणना करें
- Bayes’ नियम को लागू करें और A और B के एक साथ होने की संभावना की गणना करें
- जब संभावना मूल्यह्रास से ऊपर है, तो ट्रेड सिग्नल का उपयोग करके ट्रेंड को जारी रखने के लिए
विशेष रूप से, रणनीति पहले पैरामीटर को परिभाषित करती है p आरएसआई सूचक की गणना के लिए चक्र पैरामीटर के रूप में, r भविष्य के मूल्य परिवर्तन की भविष्यवाणी करने के लिए समय सीमा के रूप में। इसके बाद, पी चक्र के भीतर, गणना की जाती है कि क्या स्टैटिस्टिक्स क्लोजिंग प्राइस बढ़ी है, गणना की जाती है संभावना वितरण A। उसी समय, पी चक्र के भीतर, गणना की जाती है कि क्या आरएसआई इस चक्र के अंत के बाद आर चक्र में बढ़ता रहता है, गणना की जाती है संभावना वितरण B।
इसके बाद, बेयज़ नियम के सूत्र को लागू करें, और अंत में संभावना के निर्णय के रूप में आरएसआई के बढ़ते रहने की संभावना और आरएसआई के बढ़ते रहने की संभावना की गणना करें। जब यह संभावना एक दिए गए थ्रेशोल्ड से अधिक होती है, तो यह निर्णय लिया जाता है कि प्रवृत्ति बढ़ती रहेगी, और अधिक व्यापार किया जाएगा; जब संभावना थ्रेशोल्ड से कम होती है, तो यह निर्णय लिया जाता है कि प्रवृत्ति उलट जाती है, और ब्लीडिंग की जाती है।
इस प्रकार, रणनीतिक विश्लेषण मूल्य जानकारी और तकनीकी संकेतक की जानकारी को ध्यान में रखता है, भविष्य के रुझानों के बारे में निर्णय लेने के लिए संभाव्यता सांख्यिकी और बेयज़ नियम का उपयोग करता है, जिससे व्यापारिक संकेत उत्पन्न होते हैं।
रणनीतिक लाभ
इस रणनीति के मुख्य फायदे हैंः
विभिन्न प्रकार की जानकारीयह रणनीति केवल मूल्य जानकारी को ध्यान में नहीं रखती है, बल्कि RSI जैसे तकनीकी संकेतक की जानकारी को भी शामिल करती है, जिससे भविष्य के रुझानों का समग्र आकलन किया जा सकता है, जिससे निर्णय की सटीकता में सुधार हो सकता है।
संभावना पूर्वानुमान: सांख्यिकीय संभावना वितरण के माध्यम से मूल्य और आरएसआई परिवर्तन की दिशा की संभावना पूर्वानुमान, सरल संख्यात्मक तुलना के बजाय, निर्णय को अधिक वैज्ञानिक बनाने के लिए।
बेयस अनुकूलन: बेयज़ नियम का उपयोग करें प्रासंगिक संभावनाओं की गणना करने के लिए, मूल सांख्यिकीय संभावनाओं का अनुकूलन करने के लिए, निर्णय अधिक सटीक बनाने के लिए।
लचीला पैरामीटर: अनुकूलन के लिए कई पैरामीटर प्रदान करना, विभिन्न बाजारों और परिसंपत्तियों के लिए पैरामीटर को अनुकूलित करने की क्षमता, रणनीति अनुकूलन में सुधार करना।
सरल और प्रभावी: रणनीति स्पष्ट है, सरल सांख्यिकी और संभावना परिचालन के माध्यम से व्यापार संकेतों का निर्णय करना, समझने और अनुकूलित करना आसान है, और प्रभाव स्पष्ट है।
रणनीतिक जोखिम
इस रणनीति में निम्नलिखित प्रमुख जोखिम भी हैं:
पैरामीटर निर्भरता: रणनीति प्रभाव पैरामीटर सेटिंग पर निर्भर करता है, विभिन्न बाजारों को अधिकतम प्रभाव प्राप्त करने के लिए बहुत सारे पैरामीटर को समायोजित करने की आवश्यकता होती है, जिससे रणनीति संचालन की कठिनाई बढ़ जाती है।
संभाव्यता त्रुटि: आंकड़ों के लिए समय और नमूने की सीमितता के कारण, गणना की गई संभावनाएं वास्तविक रुझानों से मेल नहीं खा सकती हैं, जिससे निर्णय में विचलन हो सकता है।
विशेष घटनाएँप्रमुख घटनाएं बाजार की कीमतों और आरएसआई सूचकांकों के बीच संबंध को प्रभावित कर सकती हैं, जिससे रणनीति अक्षम हो जाती है।
तकनीकी संकेतकों की विफलता: कुछ बाजार स्थितियों में, आरएसआई जैसे तकनीकी संकेतकों में विफलता के संकेत हो सकते हैं, जिससे रणनीति निर्णय विफल हो जाते हैं।
जोखिमों के लिए समाधानों में शामिल हैंः पैरामीटर सेट करने की प्रक्रिया को अनुकूलित करना, सांख्यिकीय समय और नमूना मात्रा को समायोजित करना, अधिक सहायक जानकारी, मानव हस्तक्षेप असामान्यताओं को जोड़ना आदि।
रणनीति अनुकूलन
इस रणनीति के मुख्य अनुकूलन दिशाएं हैंः
बहु-समय फ़्रेम: विभिन्न समय चक्रों (जैसे, सूर्य रेखा, सूर्य रेखा आदि) पर रणनीति चलाने, समग्र निर्णय लेने और स्थिरता बढ़ाने के लिए।
अधिक सूचकांक: अधिक तकनीकी संकेतक संकेतों को जोड़ें, जैसे कि के-लाइन आकार, गतिज औसत, आदि, निर्णय के लिए समृद्ध आधार।
मॉडल अनुकूलन: बेयज़ मॉडल को अनुकूलित करने के लिए मशीन लर्निंग जैसे तरीकों को लागू करना, जिससे गणना अधिक सटीक हो सके।
गतिशील पैरामीटर: जोड़े गए पैरामीटर के लिए एक गतिशील अनुकूलन मॉड्यूल, जो पैरामीटर को वास्तविक समय के बाजार परिवर्तनों के अनुसार समायोजित करने की अनुमति देता है
वायु नियंत्रण तंत्र: अधिकतम निकासी, एकल आवृत्ति और अन्य वायु नियंत्रण संकेतकों को सेट करें, चरम बाजारों में भारी नुकसान से बचें।
एकीकृत सुधार: अन्य प्रकार की रणनीतियों या मॉडलों के साथ एकीकरण, मतदान तंत्र का गठन, निर्णय की स्थिरता में सुधार।
संक्षेप
इस रणनीति के लिए सबसे पहले कीमत और आरएसआई संकेतक की संभावना वितरण की गणना की जाती है, फिर बेयज़ नियम का उपयोग करके मिश्रित संभावना की गणना की जाती है, जब संभावना दी गई थ्रेशोल्ड से अधिक होती है, तो ट्रेडिंग सिग्नल का उत्पादन किया जाता है, और लाभप्रदता प्राप्त की जाती है। यह रणनीति बहु-स्रोत जानकारी, एप्लिकेशन की संभावना की भविष्यवाणी और बेयज़ अनुकूलन को एकीकृत करती है, और निर्णय प्रभावशीलता बेहतर होती है। मुख्य अनुकूलन दिशाओं में समय सीमा का विस्तार, संकेतक वृद्धि, पैरामीटर गतिशीलता आदि शामिल हैं। कुल मिलाकर, यह रणनीति अद्वितीय है, प्रभाव उल्लेखनीय है, और यह खोज और आवेदन के लायक है।
/*backtest
start: 2022-12-11 00:00:00
end: 2023-03-15 00:00:00
period: 1d
basePeriod: 1h
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/
//@version=2
// Stealthy7 trading scripts are radikal. You have entered the mystical realm of demonic profit.
// If you like this script, check out my bots at cryptotrader.org/?r=51
// Let me know if you find any improvements to this script. It is beta.
// Please subscribe.
strategy("Stealthy7 Bayes Conditional RSI Trader Strategy", overlay=true)
p = input(title="Period", defval=30, minval=5, maxval=500)
t = input(title="Movement Thresh", type=float, defval=1.003, minval=1.001, maxval=1.5, step=0.001)
r = input(title="Look Range", defval=7, minval=1,maxval=500, step=1)
RSIT = input(title="Jump", defval=8, minval=1,maxval=99, step=1)
BAYEST = input(title="SM", defval=3, minval=1,maxval=99, step=1)
RSIP = input(title="RSIP", defval=14, minval=2,maxval=100, step=1)
countup = 1
countdn = 1
countupS = 1
countdnS = 1
for i = p to 1
if close[i]/close[i + r] > t
countup := countup + 1
else
countdn := countdn + 1
if close[i]/close[i + r] < 2 - t
countupS := countupS + 1
else
countdnS := countdnS + 1
rsi = rsi(open,RSIP)
countup2 = 1
countup3 = 1
countup2S = 1
countup3S = 1
for i = p to 1
if close[i]/close[i + r] > t and rsi[i + r + 1] > rsi[i + r + 2] + RSIT
countup2 := countup2 + 1
else
countup3 := countup3 + 1
if close[i]/close[i + r] < 2 - t and rsi[i + r + 1] < rsi[i + r + 2] - RSIT
countup2S := countup2S + 1
else
countup3S := countup3S + 1
countup2b = countup2 / p
countup3b = countup3 / p
countupb = countup / p
countdnb = countdn / p
countup2bS = countup2S / p
countup3bS = countup3S / p
countupbS = countupS / p
countdnbS = countdnS / p
bayes = 0
bayes := ((countupb * countup2b) / ((countupb * countup2b) + (countdnb * countup3b))) * 100
bayesS = 0
bayesS := ((countupbS * countup2bS) / ((countupbS * countup2bS) + (countdnbS * countup3bS))) * 100
SN1 = sma(bayes,BAYEST)
SN2 = sma(bayesS,BAYEST)
shortCondition = crossunder(bayesS, SN2) //and rsi < 49
longCondition = crossover(bayes, SN1) //and rsi > 59
if (longCondition)
strategy.entry("Long", strategy.long)
if (shortCondition)
strategy.entry("Short", strategy.short)