Sumber daya yang dimuat... Pemuatan...

Low Lag Triple Moving Average Strategi Perdagangan Cepat

Penulis:ChaoZhang, Tanggal: 2023-12-25 14:24:38
Tag:

Strategi ini disebut Low Lag Triple Moving Average Fast Trading Strategy. Ide utamanya adalah untuk menentukan entri dan keluar berdasarkan golden cross dan death cross dari tiga moving average dengan parameter yang berbeda dan desain low lag.

Prinsip Strategi

Strategi ini menggunakan tiga rata-rata bergerak low-lag, termasuk 12-, 26-, dan 55-periode low-lag TEMA. Tiga MA ini mewakili MA cepat, menengah dan lambat. Ketika MA cepat melintasi MA menengah, sinyal beli dihasilkan. Ketika MA cepat melintasi di bawah MA menengah, sinyal jual dihasilkan. Dengan menggunakan silang tiga MA untuk menentukan titik masuk dan keluar pasar, perdagangan frekuensi tinggi dapat dicapai.

Fungsi templat tema() didefinisikan dalam kode untuk menghitung TEMA low-lag. Rumus perhitungannya adalah: TEMA = 2*EMA - EMA(EMA). Ini menggunakan rata-rata bergerak eksponensial ganda EWMA untuk perhitungan. Pada dasarnya ini adalah EMA double smoothed dengan keunggulan utama mengurangi efek lag. Dengan demikian dapat merespons perubahan harga lebih cepat dan meningkatkan ketepatan waktu sinyal perdagangan.

Secara khusus, aturan masuk dari strategi ini adalah: ketika MA cepat melintasi MA menengah dan MA cepat di atas MA lambat, sinyal beli dihasilkan.

Analisis Keuntungan

Keuntungan terbesar dari strategi ini adalah bahwa entri dan keluar ditentukan dengan cepat dan akurat. Desain low-lag dari tiga MA sangat mengurangi efek lag sehingga mereka dapat merespons perubahan harga dengan cepat.

Selain itu, strategi ini cocok untuk perdagangan frekuensi tinggi untuk menangkap keuntungan dari fluktuasi harga jangka pendek.

Analisis Risiko

Risiko terbesar adalah bahwa whipsaws jangka pendek dapat terjadi. Karena sensitivitas tinggi terhadap perubahan harga dari desain low-lag, beberapa pasar mungkin mengalami osilasi frekuensi tinggi.

Selain itu, perdagangan frekuensi tinggi membutuhkan pembayaran komisi yang relatif tinggi dan biaya slippage.

Selain itu, strategi ini mengharuskan pedagang memiliki kemampuan pemantauan real-time yang kuat untuk memperbarui stop loss dan mengambil keuntungan tepat waktu.

Arahan Optimasi

Strategi dapat dioptimalkan dari aspek berikut:

  1. Mengoptimalkan parameter periode dari tiga MA agar lebih sesuai dengan karakteristik pasar yang berbeda.

  2. Tambahkan indikator volatilitas atau indikator volume untuk mengkonfirmasi sinyal dan menghindari whipsaws di pasar yang bervariasi.

  3. Masukkan lebih banyak faktor untuk mengatur mekanisme penghentian trailing dinamis.

  4. Mengoptimalkan ukuran posisi untuk mengendalikan risiko perdagangan tunggal melalui teknik manajemen uang.

  5. Menggabungkan algoritma pembelajaran mesin untuk secara dinamis mengoptimalkan parameter strategi.

Kesimpulan

Ini adalah strategi perdagangan cepat dengan lag rendah. Melalui desain low-lagnya, entri dan keluar yang cepat dapat dicapai, yang cocok untuk perdagangan frekuensi tinggi untuk menangkap peluang jangka pendek. Keuntungan terbesar dari strategi ini adalah bahwa penentuan sinyalnya cepat dan akurat. Kelemahan terbesarnya adalah bahwa ia rentan terhadap whipsawed di berbagai pasar. Artikel ini secara komprehensif meringkas strategi perdagangan ini melalui analisis rinci tentang rasional, keuntungan, risiko dan arah optimasi.
[/trans]


/*backtest
start: 2023-11-24 00:00:00
end: 2023-12-24 00:00:00
period: 4h
basePeriod: 15m
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/

//@version=4
strategy("scalping low lag tema etal", shorttitle="Scalping tema",initial_capital=10000, overlay=true)
mav = input(title="Moving Average Type", defval="temadelay", options=["nkclose", "ema", "emadelay", "fastema", "tema", "temadelay"])
lenb = 3
N = input(8)
K = input(1.2)
fracCap = input(1.0)
in = close + K*mom(close,N)
source = close
length = 8
sigma  = 12.0
offset = 0.9
p = 4
// length = 10
// sigma  = 6.0
// offset = 0.85
tema(src,len) => fastemaOut = 2*ema(src, len) - ema(ema(src, len), len)


a = 0.0
b = 0.0
c = 0.0
if mav == "nkclose"
    a := ema(in, 12)
    b := a[1]
    c := a[2]
if mav == "ema"
    a := ema(close, 12)
    b := ema(close, 26)
    c := ema(close, 55)
if mav == "emadelay"
    a := ema(close, 12)
    b := a[1]
    c := a[2]
if mav == "fastema"
    a := ema(in, 12)
    b := ema(in, 26)
    c := ema(in, 55)
if mav == "tema"
    a := tema(close, 12)
    b := tema(close, 26)
    c := tema(close, 55)
if mav == "temadelay"
    a := tema(close, 12)
    b := a[1]
    c := a[2]

TP = input(200)
SL = input(130)
TS = input(1)
// TP = input(50)
// SL = input(110)
// TS = input(1)

orderSize = floor((fracCap * strategy.equity) / close)
long = cross(a, c) and a > b
short = cross(a, c) and a < b
plot(a, title="12", color=color.red, linewidth=1)
plot(b, title="26", color=color.blue, linewidth=1)
plot(c, title="55", color=color.green, linewidth=1)

strategy.entry("Long", strategy.long, qty=orderSize,  when=long)
strategy.entry("Short", strategy.short, qty=orderSize,  when=short)
// strategy.entry("Long", strategy.long,  100.0, when=long)
// strategy.entry("Short", strategy.short,  100.0, when=short)
// strategy.entry("Long", strategy.long, 100.0, when=long)
// strategy.entry("Short", strategy.short, 100.0, when=short)
// strategy.entry("Long", strategy.long, 1.0, when=long)
// strategy.entry("Short", strategy.short, 1.0, when=short)

TPP = (TP > 0) ? TP : na
SLP = (SL > 0) ? SL : na
TSP = (TS > 0) ? TS : na
// strategy.exit("Close Short", "Short", qty_percent=100, profit=TPP, loss=SLP, trail_points=TSP, when=long)
// strategy.exit("Close Long", "Long", qty_percent=100, profit=TPP, loss=SLP, trail_points=TSP, when=short)
// strategy.exit("Close Long", "Long", qty_percent=100, profit=TPP, loss=SLP, trail_points=TSP, when=long[1])
// strategy.exit("Close Short", "Short", qty_percent=100, profit=TPP, loss=SLP, trail_points=TSP, when=short[1])
strategy.exit("Close Long", "Long", qty_percent=100, profit=TPP, loss=SLP, trail_points=TSP)
strategy.exit("Close Short", "Short", qty_percent=100, profit=TPP, loss=SLP, trail_points=TSP)


Lebih banyak