Sumber daya yang dimuat... Pemuatan...
  1. Persegi
  2. Strategi SMA Adaptive Crossover Long Line yang diputar

Strategi SMA Adaptive Crossover Long Line yang diputar

Penulis:ChaoZhang, Tanggal: 2023-11-24 14:26:37
Tag:

img

Gambaran umum

Strategi ini menghasilkan sinyal masuk jangka panjang dengan menggabungkan 3 rata-rata bergerak sederhana (SMA) dari periode yang berbeda dengan rata-rata bergerak adaptif Kaufman. Ini menghasilkan sinyal beli ketika SMA periode yang lebih pendek melintasi SMA periode yang lebih lama. Selain itu, strategi ini juga menggabungkan warna lilin untuk menentukan tren utama, menghasilkan sinyal beli hanya selama tren naik untuk menghindari pecah palsu.

Logika Strategi

Strategi ini menggunakan 3 SMA dari periode yang berbeda, termasuk SMA 4, SMA 9, dan SMA 18. Kombinasi silang dari 3 SMA ini adalah indikator klasik untuk menilai arah tren. Ketika SMA 4 melintasi SMA 9, dan SMA 9 melintasi SMA 18, itu menghasilkan sinyal masuk panjang.

Untuk memfilter keluar breakout palsu, rata-rata bergerak adaptif Kaufman juga diperkenalkan. hanya ketika harga penutupan lebih tinggi dari rata-rata bergerak adaptif, yaitu dalam tren naik, sinyal salib emas SMA akan berlaku untuk memicu posisi panjang.

Selain itu, SMA 100 periode digunakan untuk menentukan tren utama. Ketika harga melintasi di atas SMA 100 periode, itu mengkonfirmasi bahwa tren naik telah dimulai. Strategi hanya menghasilkan sinyal beli selama tren naik utama.

Singkatnya, sinyal masuk jangka panjang dari strategi ini berasal dari kombinasi:

  1. SMA 4 melintasi atas SMA 9, dan SMA 9 melintasi atas SMA 18, membentuk salib emas SMA jangka pendek

  2. Harga penutupan lebih tinggi dari rata-rata bergerak adaptif Kaufman, dalam tren naik

  3. Harga melintasi SMA 100 periode, mengkonfirmasi tren utama naik

Ketika semua 3 kondisi terpenuhi pada saat yang sama, sinyal masuk panjang dihasilkan.

Analisis Keuntungan

Keuntungan utama dari strategi ini meliputi:

  1. Menggunakan silang SMA tiga untuk menentukan tren dapat secara efektif menyaring kebisingan dan meningkatkan keandalan sinyal

  2. Memperkenalkan rata-rata bergerak adaptif menghindari pecah palsu ketika tidak ada tren yang jelas

  3. Menggabungkan penilaian tren utama meningkatkan probabilitas keuntungan dengan menghindari membuka posisi berulang kali selama pergerakan yang terbatas pada kisaran

  4. SMA jangka panjang dan jangka pendek melintasi membentuk sinyal garis panjang yang menangkap pergerakan tren besar

  5. Cocok untuk waktu periodikitas tinggi seperti tingkat 4 jam atau harian, dengan sinyal yang lebih andal

Analisis Risiko

Ada juga beberapa risiko dengan strategi ini:

  1. Sebagai strategi jangka panjang, tidak dapat mewujudkan keuntungan secara tepat waktu, dengan risiko penarikan tertentu

  2. Relatif sedikit sinyal masuk, mungkin kehilangan beberapa run-up

  3. Tren jangka pendek, jangka menengah dan jangka panjang yang bertentangan dapat menghasilkan sinyal yang salah

Metode optimasi berikut dapat diadopsi:

  1. Mengurangi periode SMA jangka menengah dan panjang dengan tepat untuk meningkatkan peluang masuk

  2. Tambahkan indikator tambahan lainnya seperti volume untuk mengkonfirmasi keandalan tren

  3. Menggunakan pemberhentian yang bijaksana untuk secara wajar mengontrol penarikan

Arahan Optimasi

Ada ruang tambahan untuk mengoptimalkan strategi ini:

  1. Uji lebih banyak periode kombinasi SMA untuk menemukan parameter yang optimal

  2. Masukkan konfirmasi volume untuk menghindari pecah palsu

  3. Menambahkan indikator volatilitas untuk menyaring entri selama perubahan yang keras

  4. Memperkenalkan algoritma pembelajaran mesin untuk secara adaptif mengidentifikasi parameter optimal

  5. Tambahkan indikator sentimen untuk menghindari mengambil posisi selama pasar panik atau euforia

Kesimpulan

Strategi ini membentuk sinyal garis panjang melalui beberapa penyeberangan SMA, dikombinasikan dengan rata-rata bergerak adaptif dan penentuan tren utama. Ini dapat menangkap keuntungan yang signifikan selama pergerakan tren dengan logika yang stabil dan hasil praktis yang kuat. Tapi ada juga risiko yang perlu dikurangi melalui optimasi lebih lanjut.

/*backtest
start: 2022-11-17 00:00:00
end: 2023-11-23 00:00:00
period: 1d
basePeriod: 1h
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/

// This source code is subject to the terms of the Mozilla Public License 2.0 at https://mozilla.org/MPL/2.0/
// © Wielkieef


//@version=5
strategy(title='twisted SMA strategy [4h] ', overlay=true, pyramiding=1, initial_capital=10000, default_qty_type=strategy.percent_of_equity, default_qty_value=100, calc_on_order_fills=false, slippage=0, commission_type=strategy.commission.percent, commission_value=0.03)

src = close

Length1 = input.int(4, title='  1-SMA Lenght', minval=1, group='SMA')
Length2 = input.int(9, title='  2-SMA Lenght', minval=1, group='SMA')
Length3 = input.int(18, title='  3-SMA Lenght', minval=1, group='SMA')
SMA1 = ta.sma(close, Length1)
SMA2 = ta.sma(close, Length2)
SMA3 = ta.sma(close, Length3)

Long_ma = SMA1 > SMA2 and SMA2 > SMA3
Short_ma = SMA1 < SMA2 and SMA2 < SMA3

LengthMainSMA = input.int(100, title='  SMA Lenght', minval=1)

SMAas = ta.sma(src, LengthMainSMA)

//  Powered Kaufman Adaptive Moving Average by alexgrover (modificated by Wielkieef)
lengthas = input.int(25, title='    Lenght')
sp = input.bool(true, title='  Self Powered')

er = math.abs(ta.change(close, lengthas)) / math.sum(math.abs(ta.change(close)), lengthas)
pow = sp ? 1 / er : 2
per = math.pow(math.abs(ta.change(close, lengthas)) / math.sum(math.abs(ta.change(close)), lengthas), pow)
a = 0.
a := per * src + (1 - per) * nz(a[1], src)
mad4h = 0.
a_f = a / a[1] > .999 and a / a[1] < 1.001

///.

Bar_color = close > SMAas ? color.green : Long_ma ? color.blue : Short_ma ? color.maroon : color.gray

barcolor(color=Bar_color)

long_cond = Long_ma and SMAas < close and not a_f
  
long_stop = Short_ma 

if  long_cond
    strategy.entry('BUY', strategy.long)

strategy.close_all(when=long_stop)

//by wielkieef
Lebih banyak

2019 FMZ - Semua hak dilindungi