Sumber daya yang dimuat... Pemuatan...
  1. Persegi
  2. Inverse Fisher RSI Moving Average Strategi Multi Timeframe

Inverse Fisher RSI Moving Average Strategi Multi Timeframe

Penulis:ChaoZhang, Tanggal: 2023-11-21 14:45:28
Tag:

img

Gambaran umum

Inverse Fisher RSI Moving Average Multi Timeframe Strategy adalah strategi perdagangan kuantitatif yang mencoba mengidentifikasi titik pembalikan pasar potensial dengan menghitung rata-rata bergerak dari indikator RSI yang disesuaikan secara terbalik pada jangka waktu yang lebih tinggi.

Logika Strategi

Strategi ini pertama-tama menghitung indikator RSI reguler, di mana parameter RSI_pm mewakili periode perhitungan RSI. RSI asli kemudian disesuaikan secara terbalik melalui fungsi matematika IF ((input) =>(exp(2input)-1)/(exp(2input) + 1). RSI yang disesuaikan diteruskan ke variabel IF_RSI.

Untuk menyaring terlalu banyak kebisingan, strategi selanjutnya menghitung rata-rata bergerak IF_RSI selama periode RSI_ps, memperoleh indikator akhir wma_RSI yang digunakan untuk menentukan sinyal beli dan jual. Indikator ini selanjutnya dipetakan ke kisaran 0-100.

Akhirnya, strategi memetakan indikator ini pada kerangka waktu yang lebih tinggi dan menetapkan garis ambang pada 0,8 dan -0,8. Sinyal beli dihasilkan ketika garis indikator melanggar di atas 0,8 dari bawah. Sinyal jual dihasilkan ketika garis indikator melanggar di bawah -0,8 dari atas.

Keuntungan

Strategi ini memproses tren RSI melalui double smoothing, yang secara efektif dapat menyaring terlalu banyak kebisingan dan mengunci sinyal pembalikan yang relatif jelas. double smoothing diterapkan masing-masing pada indikator RSI asli dan indikator RSI yang disesuaikan sepenuhnya.

Selain itu, metode analisis multi-frame waktu yang diadopsi oleh strategi mengidentifikasi penyimpangan indikator pada jangka waktu tingkat yang lebih tinggi, yang dapat menangkap peluang pembalikan jangka panjang dan menghindari gangguan dari kebisingan pasar jangka pendek yang berlebihan.

Risiko

Strategi ini bergantung pada indikator rata-rata bergerak untuk menentukan titik beli dan jual, yang memiliki beberapa keterlambatan.

Di sisi lain, penyesuaian juga dapat kehilangan peluang rebound setelah koreksi jangka pendek.

Optimalisasi

Cobalah menyesuaikan parameter indikator dengan tepat untuk lebih menyesuaikan mereka dengan kondisi pasar. Misalnya, siklus perhitungan RSI yang berbeda dan parameter periode perataan dapat diuji untuk menemukan kombinasi parameter yang optimal.

Hal ini juga layak untuk mempertimbangkan menggabungkan indikator tambahan lainnya untuk memverifikasi sinyal dan meningkatkan stabilitas strategi.

Kesimpulan

Inverse Fisher RSI Moving Average Multi Timeframe Strategy memiliki logika yang kuat secara keseluruhan, tetapi masih perlu dioptimalkan untuk beradaptasi dengan situasi pasar yang lebih luas.

/*backtest
start: 2022-11-14 00:00:00
end: 2023-11-20 00:00:00
period: 1d
basePeriod: 1h
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/

//@version=4
strategy(title = "Inverse Fisher RSI-MTF2", shorttitle="INRSIM2",overlay=true)
//Inputs
RSI_pm = input(5, title="RSI Main Period",minval=2)
RSI_ps = input(1, title="RSI Smooth Period",minval=0)

//Functions
IF(input)=>(exp(2*input)-1)/(exp(2*input)+1)

//RSI Calculation
raw_RSI=0.1*(rsi(close,RSI_pm)-50)
wma_RSI=wma(raw_RSI,RSI_ps)*100
IF_RSI = IF(wma_RSI)

resCustom = input(title="Timeframe", defval="1440" )
v=request.security(syminfo.tickerid, resCustom,IF_RSI)
a=v>0.8
b=v<-0.8

z=0.8
buy = crossover(v,z)
sell=crossunder(v,b)
 
plotshape(sell, title="sell", style=shape.triangledown,location=location.abovebar, color=red, transp=0, size=size.small)
plotshape(buy,  title="buy", style=shape.triangleup,location=location.belowbar, color=green, transp=0, size=size.small)


//Strategy
golong =  crossover(v,z)
goshort =  crossunder(v,b)

strategy.entry("Buy",strategy.long,when = golong)
strategy.entry("Sell",strategy.short,when = goshort)
Lebih banyak

2019 FMZ - Semua hak dilindungi