Sumber daya yang dimuat... Pemuatan...
  1. Persegi
  2. Strategi Crossover Stochastic Multi Timeframe

Strategi Crossover Stochastic Multi Timeframe

Penulis:ChaoZhang, Tanggal: 2023-10-24 14:44:00
Tag:

img

Gambaran umum

Multi Timeframe Stochastic Crossover Strategy adalah strategi trend berikut yang khas. Strategi ini menghitung nilai standar deviasi di berbagai kerangka waktu (misalnya harian, mingguan, bulanan, dll), membangun beberapa garis K dan D, mengambil rata-rata garis ini untuk membangun rata-rata bergerak, dan pergi panjang ketika garis cepat melintasi di atas garis lambat dan pergi pendek ketika garis cepat melintasi di bawah garis lambat. Dengan menggabungkan garis standar deviasi di berbagai kerangka waktu, strategi ini dapat secara efektif menyaring kebisingan pasar dan menangkap tren dominan.

Logika Strategi

Logika inti dari strategi ini adalah untuk menghitung standar deviasi di beberapa kerangka waktu dan kemudian mengambil rata-rata untuk menghasilkan sinyal perdagangan.

Pertama, strategi ini menghitung nilai K dari standar deviasi di bawah parameter yang berbeda di lima kelompok, yang sesuai dengan kerangka waktu harian, mingguan dan bulanan:

smoothK = input(55)
SMAsmoothK = input(13)  
k = sma(stoch(price, high, low, smoothK), SMAsmoothK)

smoothK1 = input(89) 
SMAsmoothK1 = input(8)
k1 = sma(stoch(price, high, low, smoothK1), SMAsmoothK1) 

...

smoothK4 = input(377)
SMAsmoothK4 = input(2)
k4 = sma(stoch(price, high, low, smoothK4), SMAsmoothK4)

Kemudian menghitung D garis dengan parameter yang berbeda masing-masing:

smoothD = input(34)
d = sma(k, smoothD)  

...

smoothD4 = input(233) 
d4 = sma(k4, smoothD4)

Selanjutnya, menghitung rata-rata garis K dan D untuk mendapatkan garis cepat Kavg dan garis lambat Davg:

Kavg = avg(k,k1,k2,k3,k4)
Davg = avg(d,d1,d2,d3,d4)

Akhirnya, panjang ketika Kavg melintasi di atas Davg, dan pendek ketika Kavg melintasi di bawah Davg:

long = crossover(Kavg, Davg)  
short = crossunder(Kavg, Davg)

Dengan menggabungkan garis deviasi standar di beberapa kerangka waktu, strategi ini dapat menyaring kebisingan pasar dalam kerangka waktu yang lebih besar dan menangkap arah tren yang dominan.

Keuntungan

  • Menggunakan kekuatan prediktif standar deviasi di beberapa kerangka waktu untuk menyaring kebisingan dan menangkap tren
  • Fleksibilitas untuk menyesuaikan periode penahan dengan menyesuaikan parameter kerangka waktu
  • Penyimpangan standar itu sendiri memiliki tren yang kuat berikut karakteristik
  • Rata-rata bergerak crossover menghindari tertipu oleh tunggal palsu breakouts
  • Mudah untuk mengoptimalkan periode rata-rata bergerak untuk stabilitas yang lebih

Risiko dan Solusi

  • Multiple timeframe moving average crossover dapat menghasilkan banyak sinyal palsu, mengoptimalkan periode moving average
  • Penyimpangan standar rentan terhadap kesalahan dari pergerakan volatile, pertimbangkan untuk menambahkan filter
  • Periode tetap tidak dapat beradaptasi dengan perubahan pasar, mengadopsi periode adaptasi
  • Periode pemegang jangka panjang berisiko mengejar puncak dan terendah, gunakan trailing stop untuk mengunci keuntungan
  • Keandalan pada indikator KDJ saja terbatas, dikombinasikan dengan indikator lain

Solusi:

  1. Tambahkan filter untuk menghindari sinyal breakout palsu

  2. Menggunakan periode adaptasi berdasarkan volatilitas pasar

  3. Menggunakan trailing stop untuk keluar perdagangan tepat waktu

  4. Mengoptimalkan periode rata-rata bergerak untuk keseimbangan terbaik

  5. Masukkan lebih banyak indikator untuk meningkatkan ketahanan

Peluang Peningkatan

Strategi ini dapat ditingkatkan lagi di bidang berikut:

  1. Menggabungkan sinyal indikator lain seperti MACD, Bollinger Bands untuk meningkatkan kualitas sinyal

  2. Tambahkan filter tren seperti arah SMA, ADX untuk menghindari perdagangan kontra-trend

  3. Menggunakan periode adaptasi berdasarkan volatilitas pasar

  4. Mengimplementasikan trailing stop berdasarkan parameter strategi untuk keluar dari perdagangan

  5. Mengoptimalkan periode rata-rata bergerak cepat dan lambat untuk parameter terbaik

  6. Tambahkan filter masuk untuk menghindari sinyal palsu dari kebisingan jangka pendek

  7. Masuknya penembusan uji setelah penyeberangan rata-rata bergerak

  8. Evaluasi strategi keluar yang berbeda seperti Chandelier Exit untuk mengoptimalkan keluar

Kesimpulan

Multi Timeframe Stochastic Crossover Strategy menggabungkan kemampuan indikator stochastic dan stabilitas strategi moving average. Dengan mengambil rata-rata garis standar deviasi K dan D multi-periode untuk menghasilkan sinyal, strategi ini secara efektif memanfaatkan kekuatan prediktif deviasi standar di berbagai jangka waktu, menyaring kebisingan pasar, dan menangkap tren dominan. Strategi ini memiliki ruang untuk penyesuaian parameter dan peningkatan lebih lanjut seperti filter, stop, dll. Secara keseluruhan, strategi ini mengintegrasikan kekuatan dari beberapa alat analisis teknis dan merupakan strategi trend berikut yang efisien yang layak dijelajahi dan dioptimalkan.

/*backtest
start: 2023-09-23 00:00:00
end: 2023-10-23 00:00:00
period: 2h
basePeriod: 15m
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/

//@version=2
strategy(title="Slow Stochastic Multi K&D Average Crossover Strategy", overlay=false, pyramiding=0, calc_on_order_fills=true, initial_capital=100000, default_qty_type=strategy.percent_of_equity, currency="USD", default_qty_value=100)


price = input(close)

///////////////////////////////
smoothK = input(55) 

SMAsmoothK = input(13)
k = sma(stoch(price, high, low, smoothK), SMAsmoothK)



smoothD = input(34)
d = sma(k, smoothD)


///////////////////////////

smoothK1 = input(89) 

SMAsmoothK1 = input(8)
k1 = sma(stoch(price, high, low, smoothK1), SMAsmoothK1)

smoothD1 = input(55)
d1 = sma(k1, smoothD1)

//////////////////////////////////////

smoothK2 = input(144) 

SMAsmoothK2 = input(5)
k2 = sma(stoch(price, high, low, smoothK2), SMAsmoothK2)

smoothD2 = input(89)
d2 = sma(k2, smoothD2)

/////////////////////////////////////

smoothK3 = input(233) 

SMAsmoothK3 = input(3)
k3 = sma(stoch(price, high, low, smoothK3), SMAsmoothK3)

smoothD3 = input(144)
d3 = sma(k3, smoothD3)

////////////////////////////////////////////////

smoothK4 = input(377) 

SMAsmoothK4 = input(2)
k4 = sma(stoch(price, high, low, smoothK4), SMAsmoothK4)

smoothD4 = input(233)
d4 = sma(k4, smoothD4)

/////////////////////////////////////////////////

Kavg = avg(k,k1,k2,k3,k4, k4)
plot(Kavg, color=green)

Davg = avg(d,d1,d2,d3,d4, d4)
plot(Davg, color=red)


///////////////////////////////////////
hline(50, color=gray)


long = crossover(Kavg, Davg)// and d < 50
short = crossunder(Kavg, Davg)// and d > 50


last_long = long ? time : nz(last_long[1])
last_short = short ? time : nz(last_short[1])
long_signal = crossover(last_long, last_short) 
short_signal = crossover(last_short, last_long)



strategy.entry("Long", strategy.long, when=long_signal)
strategy.entry("Short", strategy.short, when=short_signal) 

//len1 = input(3)

//closelong = d[1] < k[len1]
//closeshort = d[1] > k[len1]

//strategy.close("Long", when=closelong)
//strategy.close("Short", when=closeshort)
Lebih banyak

2019 FMZ - Semua hak dilindungi