Sumber daya yang dimuat... Pemuatan...
  1. Persegi
  2. Strategi Peramalan Harga Logaritma

Strategi Peramalan Harga Logaritma

Penulis:ChaoZhang, Tanggal: 2023-12-20 14:40:23
Tag:

img

Gambaran umum

Strategi ini menggunakan fungsi logaritma untuk memodelkan perubahan harga berdasarkan standar deviasi dan rata-rata volume perdagangan untuk menghitung z-score sebagai parameter input untuk fungsi logaritma untuk memprediksi harga masa depan.

Prinsip Strategi

  1. Menghitung nilai ROC dari harga penutupan, akumulasi nilai positif ke volume_pos dan nilai negatif ke volume_neg
  2. Menghitung perbedaan antara volume_pos dan volume_neg sebagai net_volume
  3. Menghitung standar deviasi net_std dan rata-rata net_sma dari net_volume
  4. Hitung z-score dengan membagi net_sma dengan net_std
  5. Gunakan harga penutupan, standar deviasi 20 hari dari harga penutupan dan z-score sebagai parameter ke dalam fungsi logistik untuk memprediksi harga periode berikutnya
  6. Posisi panjang ketika harga yang diprediksi di atas harga aktual saat ini * 1.005, posisi dekat ketika di bawah * 0.995

Analisis Keuntungan

Strategi ini menggabungkan informasi statistik volume perdagangan dan prediksi harga menggunakan fungsi logaritma.

Manfaatnya adalah:

  1. Menggunakan perbedaan jangka pendek dalam volume perdagangan untuk mengukur sentimen pasar
  2. Fungsi logaritma cocok dengan kurva perubahan harga untuk prediksi
  3. Strategi sederhana dan langsung, mudah diterapkan

Analisis Risiko

Beberapa risiko juga ada dalam strategi ini:

  1. Indikator volume perdagangan memiliki keterlambatan, tidak dapat mencerminkan perubahan pasar secara tepat waktu
  2. Prediksi logaritma tidak selalu akurat, bisa menyesatkan
  3. Kurangnya langkah-langkah stop loss ketidakmampuan untuk mengendalikan kerugian

Risiko dapat dikurangi dengan:

  1. Gabungkan indikator lain untuk menilai keandalan sinyal volume
  2. Mengoptimalkan parameter fungsi logaritma untuk meningkatkan akurasi prediksi
  3. Tetapkan garis stop loss untuk membatasi kerugian maksimum per perdagangan dan secara keseluruhan

Arahan Optimasi

Strategi ini dapat lebih dioptimalkan dengan:

  1. Mengadopsi pembelajaran mesin untuk secara dinamis mengoptimalkan fungsi logaritma
  2. Menggabungkan indikator volatilitas untuk menyesuaikan ukuran posisi
  3. Tambahkan penyaringan Bayesian untuk menyaring sinyal yang tidak valid
  4. Gabungkan dengan strategi breakout untuk masuk ke titik breakout
  5. Menggunakan aturan asosiasi untuk mendeteksi sinyal perbedaan volume-harga

Menggabungkan beberapa metode dapat meningkatkan stabilitas dan profitabilitas.

Kesimpulan

Strategi ini mengintegrasikan indikator statistik volume perdagangan dan prediksi logaritma ke dalam metodologi perdagangan kuantitatif yang unik. Dengan optimasi terus-menerus, ini dapat menjadi sistem perdagangan otomatis yang efisien dan stabil. Dengan memanfaatkan teori pembelajaran mesin dan optimasi portofolio, kami yakin dapat meningkatkan kinerja perdagangan lebih lanjut.

/*backtest
start: 2023-11-19 00:00:00
end: 2023-12-10 00:00:00
period: 1h
basePeriod: 15m
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/

//@version=4
strategy("Logistic", overlay=true )

volume_pos = 0.0
volume_neg = 0.0
roc = roc(close, 1)

for i = 0 to 100
    if (roc > 0)
        volume_pos := volume
    else
        volume_neg := volume
    
volume_net = volume_pos - volume_neg
net_std    = stdev(volume_net, 100)
net_sma    = sma(volume_net, 10)
z          =  net_sma / net_std
std        = stdev(close, 20)

logistic(close, std, z) =>
    m = (close + std)
    a = std / close
    pt = m / ( 1 + a*exp(-z))
    pt
    
    
pred = logistic(close, std, z)

buy = pred > close * 1.005
sell = pred < close * 0.995

color = strategy.position_size > 0? #3BB3E4 : strategy.position_size == 0? #FF006E : #6b6b6b
barcolor(color)


if (buy == true)
    strategy.entry("Long", strategy.long, comment="Open L")
    
if (sell == true)
    strategy.close("Long", comment="Close L")
Lebih banyak

2019 FMZ - Semua hak dilindungi