संसाधन लोड हो रहा है... लोड करना...

बीईएएम बैंड्स के आधार पर बिटकॉइन डॉलर लागत औसत

लेखक:चाओझांग, दिनांकः 2024-02-18 15:40:42
टैगः

img

अवलोकन

यह रणनीति बेन कोवेन के जोखिम स्तर सिद्धांत पर आधारित है और बीईएएम बैंड स्तरों का उपयोग करके इसी तरह के दृष्टिकोण को लागू करने का लक्ष्य रखती है। ऊपरी बीईएएम स्तर लॉगरिदम लेने के बाद 200 सप्ताह का चलती औसत है, और निचला स्तर 200 सप्ताह का चलती औसत है। इससे हमें 0 से 1 तक की सीमा मिलती है। खरीद ऑर्डर तब जारी किए जाते हैं जब कीमत 0.5 स्तर बैंड से नीचे होती है, और बिक्री ऑर्डर तब जारी किए जाते हैं जब ऊपर होती है।

रणनीति तर्क

यह रणनीति मुख्य रूप से बेन कोवेन द्वारा प्रस्तावित बीईएएम बैंड सिद्धांत पर निर्भर करती है। बीटीसी के मूल्य परिवर्तनों के अनुसार, मूल्य को 0 और 1 के बीच 10 क्षेत्रों में विभाजित किया जा सकता है, जो जोखिम के 10 अलग-अलग स्तरों का प्रतिनिधित्व करते हैं। स्तर 0 200-सप्ताह के चलती औसत के करीब मूल्य के साथ सबसे कम जोखिम का प्रतिनिधित्व करता है। स्तर 5 मध्यम जोखिम मूल्य क्षेत्र का प्रतिनिधित्व करता है। स्तर 10 उच्चतम जोखिम का प्रतिनिधित्व करता है जिसमें कीमत ऊपरी रेल के करीब होती है।

जब कीमत कम हो जाती है, तो रणनीति धीरे-धीरे लंबी स्थिति को बढ़ाएगी। विशेष रूप से, यदि कीमत 0 और 0.5 बैंड के बीच है, तो हर महीने एक निर्धारित दिन पर खरीद ऑर्डर जारी किए जाएंगे। बैंड की संख्या घटने के साथ खरीद राशि धीरे-धीरे बढ़ेगी। उदाहरण के लिए, बैंड 5 के साथ खरीद राशि मासिक डीसीए कुल का 20% है। बैंड 1 के साथ, खरीद राशि मासिक डीसीए कुल का 100% तक बढ़ जाती है।

जब कीमतें उच्च स्तर तक बढ़ जाती हैं, तो रणनीति धीरे-धीरे अपनी स्थिति को कम करेगी। विशेष रूप से, यदि कीमत बैंड 0.5 से अधिक है, तो आनुपातिक रूप से बिक्री आदेश जारी किए जाएंगे। बैंड की संख्या बढ़ने के साथ बिक्री की स्थिति धीरे-धीरे बढ़ेगी। उदाहरण के लिए, बैंड 6 के साथ, 6.67% बेची जाएगी। बैंड 10 के साथ, सभी पद बेचे जाएंगे।

लाभ विश्लेषण

इस बीईएएम बैंड डीसीए रणनीति का सबसे बड़ा लाभ यह है कि यह मूल्य अपने सबसे निचले स्तर पर गिरने पर नीचे की मछली पकड़कर बीटीसी ट्रेडिंग की अस्थिरता विशेषताओं का पूरी तरह से उपयोग करता है और मूल्य अपने शिखर तक पहुंचने पर लाभ प्राप्त करता है। यह दृष्टिकोण किसी भी खरीद या बिक्री के अवसरों को याद नहीं करेगा। विशिष्ट लाभों को इस प्रकार सारांशित किया जा सकता हैः

  1. परिसंपत्तियों के अवमूल्यन का आकलन करने और वैज्ञानिक रूप से जोखिमों से बचने के लिए बीईएएम सिद्धांत का उपयोग करें;
  2. सर्वोत्तम खरीद और बिक्री के अवसरों को पकड़ने के लिए बीटीसी अस्थिरता विशेषताओं का पूर्ण उपयोग करना;
  3. निवेश लागतों को प्रभावी ढंग से नियंत्रित करने और दीर्घकालिक स्थिर प्रतिफल प्राप्त करने के लिए लागत औसत पद्धति को अपनाना;
  4. परिचालन जोखिमों को कम करने के लिए मैन्युअल हस्तक्षेप के बिना खरीद और बिक्री लेनदेन को स्वचालित रूप से निष्पादित करें;
  5. अनुकूलन योग्य मापदंडों से बाजार परिवर्तनों के अनुकूल रणनीतियों के लचीले समायोजन की अनुमति मिलती है।

संक्षेप में, यह एक परिष्कृत पैरामीटर ट्यूनिंग रणनीति है जो उतार-चढ़ाव वाली बीटीसी बाजार स्थितियों में दीर्घकालिक स्थिर रिटर्न उत्पन्न कर सकती है।

जोखिम विश्लेषण

यद्यपि बीईएएम बैंड डीसीए रणनीति के कई फायदे हैं, फिर भी कुछ संभावित जोखिमों के बारे में पता होना चाहिए। मुख्य जोखिम बिंदुओं को निम्नानुसार सारांशित किया जा सकता हैः

  1. बीईएएम सिद्धांत और पैरामीटर सेटिंग्स व्यक्तिपरक निर्णयों पर निर्भर करती हैं, जिनमें गलत निर्णय की कुछ संभावना होती है।
  2. बीटीसी के रुझानों की भविष्यवाणी करना मुश्किल है और नुकसान का खतरा है;
  3. स्वचालित व्यापार प्रणाली की विफलताओं और पैरामीटर हैकिंग से प्रतिकूल रूप से प्रभावित हो सकता है।
  4. अत्यधिक उतार-चढ़ाव के कारण घाटे में वृद्धि हो सकती है।

जोखिमों को कम करने के लिए निम्नलिखित उपाय किए जा सकते हैंः

  1. बीईएएम सिद्धांत की सटीकता में सुधार के लिए पैरामीटर सेटिंग्स का अनुकूलन करना।
  2. एकल हानि की राशि को कम करने के लिए स्थिति के आकार को उचित रूप से कम करना;
  3. स्वचालित ट्रेडिंग के लिए परिचालन जोखिमों को कम करने के लिए अतिरेक और दोष सहन क्षमताओं को बढ़ाएं;
  4. अत्यधिक बड़े एकल नुकसान से बचने के लिए स्टॉप लॉस प्वाइंट सेट करें।

अनुकूलन

उपरोक्त जोखिमों को ध्यान में रखते हुए, इस रणनीति के अनुकूलन पर ध्यान केंद्रित किया जा सकता हैः

  1. बीईएएम सिद्धांत मापदंडों को अनुकूलित करेंः मॉडल की सटीकता में सुधार के लिए लॉग मापदंडों, बैकटेस्ट चक्र आदि को समायोजित करें;
  2. स्थिति नियंत्रण को अनुकूलित करना: एकल हानि राशि को नियंत्रित करने के लिए मासिक डीसीए राशि, खरीद/बिक्री अनुपात को समायोजित करना;
  3. स्वचालित ट्रेडिंग सुरक्षा को बढ़ाएंः त्रुटि सहिष्णुता में सुधार के लिए अतिरेक सर्वर, स्थानीय प्रसंस्करण आदि सेट करें;
  4. स्टॉप लॉस मॉड्यूल जोड़ेंः नुकसान को प्रभावी ढंग से नियंत्रित करने के लिए ऐतिहासिक अस्थिरता के आधार पर उचित स्टॉप लॉस बिंदु निर्धारित करें।

इन उपायों से रणनीति की स्थिरता और सुरक्षा में काफी सुधार किया जा सकता है।

निष्कर्ष

बीईएएम बैंड डीसीए औसत लागत रणनीति एक अत्यधिक व्यावहारिक मात्रात्मक ट्रेडिंग रणनीति है। यह सफलतापूर्वक व्यापार निर्णयों का मार्गदर्शन करने के लिए बीईएएम सिद्धांत का लाभ उठाती है, खरीद लागत को नियंत्रित करने के लिए लागत औसतकरण मॉडल द्वारा पूरक है। साथ ही, यह नुकसान के विस्तार को रोकने के लिए स्टॉप लॉस बिंदुओं को सेट करके जोखिम प्रबंधन पर ध्यान देता है। पैरामीटर अनुकूलन और मॉड्यूलर जोड़ों के साथ, यह रणनीति बीटीसी बाजार से दीर्घकालिक स्थिर रिटर्न प्राप्त करने के लिए मात्रात्मक ट्रेडिंग के लिए एक महत्वपूर्ण उपकरण बन सकती है। यह मात्रात्मक ट्रेडिंग चिकित्सकों द्वारा आगे के शोध और अनुप्रयोग का हकदार है।


/*backtest
start: 2023-02-11 00:00:00
end: 2024-02-17 00:00:00
period: 1d
basePeriod: 1h
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/

// © gjfsdrtytru - BEAM DCA Strategy {
// Based on Ben Cowen's risk level strategy, this aims to copy that method but with BEAM band levels.
// Upper BEAM level is derived from ln(price/200W MA)/2.5, while the 200W MA is the floor price. This is our 0-1 range. 
// Buy limit orders are set at the < 0.5 levels and sell orders are set at the > 0.5 level.
//@version=5
strategy(
  title                 = "BEAM DCA Strategy Monthly", 
  shorttitle            = "BEAM DCA M",
  overlay               = true,
  pyramiding            = 500,
  default_qty_type      = strategy.percent_of_equity,
  default_qty_value     = 0,
  initial_capital       = 0) //}

// Inputs { ————————————————————————————————————————————————————————————————————
T_ceiling   = input.string("Off", "Diminishing Returns", ["Off","Linear","Parabolic"], "Account for diminishing returns as time increases")
day         = input.int(1, "DCA Day of Month",1,28,1,"Select day of month for buy orders.")
DCAamount   = input.int(1000,"DCA Amount",400,tooltip="Enter the maximum amount you'd be willing to DCA for any given month.")
T_buy       = input(true,"Buy Orders","Toggle buy orders.")
T_sell      = input(true,"Sell Orders","Toggle sell orders.")

// Time period
testStartYear   = input.int(2018,   title="Backtest Start Year",    minval=2010,maxval=2100,group="Backtest Period")
testStartMonth  = input.int(1,      title="Backtest Start Month",   minval=1,   maxval=12,  group="Backtest Period")
testStartDay    = input.int(1,      title="Backtest Start Day",     minval=1,   maxval=31,  group="Backtest Period")
testPeriodLen   = input.int(9999,   title="Backtest Period (days)", minval=1,               group="Backtest Period",tooltip="Days until strategy ends") * 86400000 // convert days into UNIX time
testPeriodStart = timestamp(testStartYear,testStartMonth,testStartDay,0,0)
testPeriodStop  = testPeriodStart + testPeriodLen
testPeriod() => true
// ——————————————————————————————————————————————————————————————————————————— }
// Diminishing Returns { ———————————————————————————————————————————————————————
x = bar_index + 1
assetDivisor= 2.5
switch
    T_ceiling == "Linear"   => assetDivisor:= 3.50542 - 0.000277696 * x
    T_ceiling == "Parabolic"=> assetDivisor:= -0.0000001058992338 * math.pow(x,2) + 0.000120729 * x + 3.1982
// ——————————————————————————————————————————————————————————————————————————— }
// Risk Levels { ———————————————————————————————————————————————————————————————
cycleLen = 1400
getMaLen() =>
    if bar_index < cycleLen
        bar_index + 1
    else
        cycleLen

// Define Risk Bands
price       = close
riskLow     = ta.sma(price,getMaLen())
risk1       = riskLow * math.exp((assetDivisor)*0.1)
risk2       = riskLow * math.exp((assetDivisor)*0.2)
risk3       = riskLow * math.exp((assetDivisor)*0.3)
risk4       = riskLow * math.exp((assetDivisor)*0.4)
risk5       = riskLow * math.exp((assetDivisor)*0.5)
risk6       = riskLow * math.exp((assetDivisor)*0.6)
risk7       = riskLow * math.exp((assetDivisor)*0.7)
risk8       = riskLow * math.exp((assetDivisor)*0.8)
risk9       = riskLow * math.exp((assetDivisor)*0.9)
riskHigh    = riskLow * math.exp((assetDivisor))

// Plot Risk Bands
p_low       = plot(riskLow,   "Beam Risk 0.0",color.new(#0042F0,50),3,editable=false)
p_band1     = plot(risk1,     "Beam Risk 0.1",color.new(#0090F5,20),1,editable=false)
p_band2     = plot(risk2,     "Beam Risk 0.2",color.new(#00C6DB,20),1,editable=false)
p_band3     = plot(risk3,     "Beam Risk 0.3",color.new(#00F5BD,20),1,editable=false)
p_band4     = plot(risk4,     "Beam Risk 0.4",color.new(#00F069,20),1,editable=false)
p_band5     = plot(risk5,     "Beam Risk 0.5",color.new(#00DB08,50),3,editable=false)
p_band6     = plot(risk6,     "Beam Risk 0.6",color.new(#E8D20C,20),1,editable=false)
p_band7     = plot(risk7,     "Beam Risk 0.7",color.new(#F2B40C,20),1,editable=false)
p_band8     = plot(risk8,     "Beam Risk 0.8",color.new(#DC7A00,20),1,editable=false)
p_band9     = plot(risk9,     "Beam Risk 0.9",color.new(#F2520C,20),1,editable=false)
p_band10    = plot(riskHigh,  "Beam Risk 1.0",color.new(#F01102,50),3,editable=false)
// ——————————————————————————————————————————————————————————————————————————— }
// Order Execution { ———————————————————————————————————————————————————————————
band5   = price<risk5 and price>risk4
band4   = price<risk4 and price>risk3
band3   = price<risk3 and price>risk2
band2   = price<risk2 and price>risk1
band1   = price<risk1

// DCA buy order weights
y       = DCAamount / 5
switch
    band5 => y:= y * 1
    band4 => y:= y * 2
    band3 => y:= y * 3
    band2 => y:= y * 4
    band1 => y:= y * 5

// Contracts per order
contracts =(y/price)

if testPeriod()
// Buy orders
    if T_buy == true
        if dayofmonth == day
            strategy.entry("Risk Band 5",strategy.long,qty=contracts,when=band5)
            strategy.entry("Risk Band 4",strategy.long,qty=contracts,when=band4)
            strategy.entry("Risk Band 3",strategy.long,qty=contracts,when=band3)
            strategy.entry("Risk Band 2",strategy.long,qty=contracts,when=band2)
            strategy.entry("Risk Band 1",strategy.long,qty=contracts,when=band1)
// Sell orders 
    if T_sell == true
        if strategy.opentrades > 5
            strategy.exit("Risk Band 6",qty_percent=6.67,limit=risk6) 
            strategy.exit("Risk Band 7",qty_percent=14.28,limit=risk7)
            strategy.exit("Risk Band 8",qty_percent=25.00,limit=risk8)
            strategy.exit("Risk Band 9",qty_percent=44.44,limit=risk9)
            strategy.exit("Risk Band 10",qty_percent=100,limit=riskHigh)
// ——————————————————————————————————————————————————————————————————————————— }
// Info { ——————————————————————————————————————————————————————————————————————

// Line plot of avg. entry price
plot(strategy.position_size > 0 ? strategy.position_avg_price : na,"Average Entry",color.red,trackprice=true,editable=false)

// Unrealised PNL
uPNL = price/strategy.position_avg_price

// Realised PNL
realPNL = 0.
for i = 0 to strategy.closedtrades-1
    realPNL += strategy.closedtrades.profit(i)

// Size of open position in ($)
openPosSize = 0.
for i = 0 to strategy.opentrades-1
    openPosSize += strategy.opentrades.size(i) * strategy.position_avg_price

// Size of closed position in ($)
closePosSize = 0.
if strategy.closedtrades > 0
    for i = 0 to strategy.closedtrades-1
        closePosSize += strategy.closedtrades.size(i) * strategy.closedtrades.entry_price(i)

invested    = openPosSize+closePosSize                              // Total capital ($) put into strategy
equity      = openPosSize+closePosSize+strategy.openprofit+realPNL  // Total current equity ($) in strategy (counting realised PNL)
ROI         = (equity-invested) / invested * 100                    // ROI of strategy (compare capital invested to excess return)

// // Info Table
// var table table1 = table.new(position.bottom_right,2,9,color.black,color.gray,1,color.gray,2)

// table.cell(table1,0,0,"Capital Invested",   text_color=color.white,text_halign=text.align_right)
// table.cell(table1,0,1,"Open Position",      text_color=color.white,text_halign=text.align_right)
// table.cell(table1,0,2,"Average Entry",      text_color=color.white,text_halign=text.align_right)
// table.cell(table1,0,3,"Last Price",         text_color=color.white,text_halign=text.align_right)
// table.cell(table1,0,4,"Open PNL (%)",       text_color=color.white,text_halign=text.align_right)
// table.cell(table1,0,5,"Open PNL ($)",       text_color=color.white,text_halign=text.align_right)
// table.cell(table1,0,6,"Realised PNL ($)",   text_color=color.white,text_halign=text.align_right)
// table.cell(table1,0,7,"Total Equity",       text_color=color.white,text_halign=text.align_right)
// table.cell(table1,0,8,"Strategy ROI",       text_color=color.white,text_halign=text.align_right)

// table.cell(table1,1,0,"$" + str.tostring(invested,                      "#,###.00"),      text_halign=text.align_right,text_color = color.white)
// table.cell(table1,1,1,"$" + str.tostring(openPosSize,                   "#,###.00"),      text_halign=text.align_right,text_color = color.white)
// table.cell(table1,1,2,"$" + str.tostring(strategy.position_avg_price,   "#,###.00"),      text_halign=text.align_right,text_color = color.white)
// table.cell(table1,1,3,"$" + str.tostring(price,                         "#,###.00"),      text_halign=text.align_right,text_color = color.white)
// table.cell(table1,1,4,      str.tostring((uPNL-1)*100,                  "#,###.00") + "%",text_halign=text.align_right,text_color = uPNL > 1 ? color.lime : color.red)
// table.cell(table1,1,5,"$" + str.tostring(strategy.openprofit,           "#,###.00"),      text_halign=text.align_right,text_color = uPNL > 1 ? color.lime : color.red)
// table.cell(table1,1,6,"$" + str.tostring(realPNL,                       "#,###.00"),      text_halign=text.align_right,text_color = color.white)
// table.cell(table1,1,7,"$" + str.tostring(equity,                        "#,###.00"),      text_halign=text.align_right,text_color = color.white)
// table.cell(table1,1,8,      str.tostring(ROI,                           "#,###.00") + "%",text_halign=text.align_right,text_color = ROI > 1 ? color.lime : color.red)
// // ——————————————————————————————————————————————————————————————————————————— }

अधिक