Sumber daya yang dimuat... Pemuatan...

Strategi perdagangan reversi rata-rata bergerak dua arah

Penulis:ChaoZhang, Tanggal: 2024-01-15 12:15:14
Tag:

Gambaran umum

Strategi perdagangan reversi rata-rata bergerak bidirectional adalah strategi perdagangan kuantitatif yang dibangun berdasarkan teori reversi rata-rata harga. strategi ini menangkap peluang pembalikan harga dengan mengatur beberapa rata-rata bergerak dan memasuki pasar ketika harga menyimpang secara signifikan dari rata-rata bergerak, dan keluar ketika kembali.

Logika Strategi

Ide inti dari strategi ini adalah harga rata-rata reversi, yang menunjukkan bahwa harga cenderung berfluktuasi di sekitar nilai rata-rata, dan memiliki kesempatan yang lebih tinggi untuk kembali ketika mereka menyimpang terlalu jauh dari rata-rata. Secara khusus, strategi ini menetapkan tiga kelompok rata-rata bergerak: rata-rata bergerak masuk, rata-rata bergerak keluar, dan rata-rata bergerak stop-loss.

Dari sudut pandang logika kode, ada dua rata-rata bergerak masuk - panjang dan pendek - yang terdiri dari rata-rata bergerak cepat dan lambat masing-masing. Penyimpangan antara mereka dan harga menentukan ukuran posisi. Selain itu, rata-rata bergerak keluar adalah rata-rata bergerak terpisah yang memberi sinyal kapan menutup posisi. Ketika harga mencapai garis ini, posisi yang ada akan rata.

Analisis Keuntungan

Keuntungan utama dari strategi reversi rata-rata bergerak bidirectional meliputi:

Menangkap pembalikan harga, cocok untuk pasar yang terikat rentang
Mengontrol risiko melalui stop loss
Parameter yang sangat dapat disesuaikan untuk kemampuan beradaptasi
Mudah dimengerti, nyaman untuk optimasi parameter

Strategi ini bekerja dengan baik dengan instrumen volatilitas rendah yang memiliki perubahan harga yang relatif kecil, terutama ketika memasuki siklus yang terikat kisaran. Ini dapat secara efektif menangkap peluang dari pembalikan harga sementara. Sementara itu, langkah-langkah pengendalian risiko cukup komprehensif, membatasi kerugian dalam kisaran yang wajar bahkan jika harga tidak kembali.

Analisis Risiko

Ada juga beberapa risiko yang terkait dengan strategi ini:

Mengikuti tren risiko Posisi baru berturut-turut dapat menyebabkan likuidasi selama pergerakan tren yang kuat.
Risiko perubahan harga yang berlebihan. Stop loss bisa dipengaruhi oleh peningkatan volatilitas.
Risiko optimasi parameter. pengaturan parameter yang tidak tepat dapat menyebabkan kinerja yang signifikan.

Beberapa cara untuk mengurangi risiko di atas meliputi:

Membatasi entri baru untuk menghindari overtrading
Mengurangi ukuran posisi untuk membatasi risiko likuidasi
Mengoptimalkan parameter seperti periode rata-rata bergerak dan pengganda garis keluar

Arahan Optimasi

Ada juga ruang yang cukup untuk lebih mengoptimalkan strategi ini:

Tambahkan logika entri tambahan untuk mencegah mengejar tren
Menggabungkan ukuran posisi adaptif terhadap volatilitas
Eksperimen dengan berbagai jenis rata-rata bergerak
Pembelajaran mesin untuk optimasi parameter otomatis
Menggabungkan trailing stop untuk manajemen risiko yang lebih dinamis

Kesimpulan

Strategi perdagangan reversi rata-rata bergerak bidirectional bertujuan untuk mendapatkan keuntungan dari pembalikan harga setelah penyimpangan yang signifikan dari tingkat rata-rata bergerak. Dengan langkah-langkah pengendalian risiko yang tepat, dapat mencapai keuntungan yang konsisten melalui penyesuaian parameter. Sementara risiko seperti mengejar tren dan volatilitas yang berlebihan masih ada, mereka dapat ditangani dengan meningkatkan logika masuk, mengurangi ukuran posisi dan banyak lagi. Strategi yang mudah dimengerti ini layak penelitian lebih lanjut dan optimasi dari pedagang kuantitatif.

/*backtest
start: 2023-12-15 00:00:00
end: 2024-01-14 00:00:00
period: 1h
basePeriod: 15m
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/

//@version=5
strategy(title = "hamster-bot MRS 2", overlay = true, default_qty_type = strategy.percent_of_equity, initial_capital = 100, default_qty_value = 30, pyramiding = 1, commission_value = 0.1, backtest_fill_limits_assumption = 1)
info_options = "Options"

on_close = input(false, title = "Entry on close", inline=info_options, group=info_options)
OFFS = input.int(0, minval = 0, maxval = 1, title = "| Offset View", inline=info_options, group=info_options)
trade_offset = input.int(0, minval = 0, maxval = 1, title = "Trade", inline=info_options, group=info_options)
use_kalman_filter = input.bool(false, title="Use Kalman filter", group=info_options)

//MA Opening
info_opening = "MA Opening Long"
maopeningtyp_l = input.string("SMA", title="Type", options=["SMA", "EMA", "TEMA", "DEMA", "ZLEMA", "WMA", "Hma", "Thma", "Ehma", "H", "L", "DMA"], title = "", inline=info_opening, group=info_opening)
maopeningsrc_l = input.source(ohlc4, title = "", inline=info_opening, group=info_opening)
maopeninglen_l = input.int(3, minval = 1, title = "", inline=info_opening, group=info_opening)
long1on    = input(true, title = "", inline = "long1")
long1shift = input.float(0.96, step = 0.005, title = "Long", inline = "long1")
long1lot   = input.int(10, minval = 0, maxval = 10000, step = 10, title = "Lot 1", inline = "long1")

info_opening_s = "MA Opening Short"
maopeningtyp_s = input.string("SMA", title="Type", options=["SMA", "EMA", "TEMA", "DEMA", "ZLEMA", "WMA", "Hma", "Thma", "Ehma", "H", "L", "DMA"], title = "", inline=info_opening_s, group=info_opening_s)
maopeningsrc_s = input.source(ohlc4, title = "", inline=info_opening_s, group=info_opening_s)
maopeninglen_s = input.int(3, minval = 1, title = "", inline=info_opening_s, group=info_opening_s)
short1on    = input(true, title = "", inline = "short1")
short1shift = input.float(1.04, step = 0.005, title = "short", inline = "short1")
short1lot   = input.int(10, minval = 0, maxval = 10000, step = 10, title = "Lot 1", inline = "short1")


//MA Closing
info_closing = "MA Closing"
maclosingtyp = input.string("SMA", title="Type", options=["SMA", "EMA", "TEMA", "DEMA", "ZLEMA", "WMA", "Hma", "Thma", "Ehma", "H", "L", "DMA"], title = "", inline=info_closing, group=info_closing)
maclosingsrc = input.source(ohlc4, title = "", inline=info_closing, group=info_closing)
maclosinglen = input.int(3, minval = 1, maxval = 200, title = "", inline=info_closing, group=info_closing)
maclosingmul = input.float(1, step = 0.005, title = "mul", inline=info_closing, group=info_closing)

startTime = input(timestamp("01 Jan 2010 00:00 +0000"), "Start date", inline = "period")
finalTime = input(timestamp("31 Dec 2030 23:59 +0000"), "Final date", inline = "period")

HMA(_src, _length) =>  ta.wma(2 * ta.wma(_src, _length / 2) - ta.wma(_src, _length), math.round(math.sqrt(_length)))
EHMA(_src, _length) =>  ta.ema(2 * ta.ema(_src, _length / 2) - ta.ema(_src, _length), math.round(math.sqrt(_length)))
THMA(_src, _length) =>  ta.wma(ta.wma(_src,_length / 3) * 3 - ta.wma(_src, _length / 2) - ta.wma(_src, _length), _length)
tema(sec, length)=>
    tema1= ta.ema(sec, length)
    tema2= ta.ema(tema1, length)
    tema3= ta.ema(tema2, length)
    tema_r = 3*tema1-3*tema2+tema3
donchian(len) => math.avg(ta.lowest(len), ta.highest(len))
ATR_func(_src, _len)=>
    atrLow = low - ta.atr(_len)
    trailAtrLow = atrLow
    trailAtrLow := na(trailAtrLow[1]) ? trailAtrLow : atrLow >= trailAtrLow[1] ? atrLow : trailAtrLow[1]
    supportHit = _src <= trailAtrLow
    trailAtrLow := supportHit ? atrLow : trailAtrLow
    trailAtrLow
f_dema(src, len)=>
    EMA1 = ta.ema(src, len)
    EMA2 = ta.ema(EMA1, len)
    DEMA = (2*EMA1)-EMA2
f_zlema(src, period) =>
    lag = math.round((period - 1) / 2)
    ema_data = src + (src - src[lag])
    zl= ta.ema(ema_data, period)
f_kalman_filter(src) =>
    float value1= na
    float value2 = na
    value1 := 0.2 * (src - src[1]) + 0.8 * nz(value1[1])
    value2 := 0.1 * (ta.tr) + 0.8 * nz(value2[1])
    lambda = math.abs(value1 / value2)
    alpha = (-math.pow(lambda, 2) + math.sqrt(math.pow(lambda, 4) + 16 * math.pow(lambda, 2)))/8
    value3 = float(na)
    value3 := alpha * src + (1 - alpha) * nz(value3[1])
//SWITCH
ma_func(modeSwitch, src, len, use_k_f=true) =>
      modeSwitch == "SMA"   ? use_kalman_filter and use_k_f ? f_kalman_filter(ta.sma(src, len))  : ta.sma(src, len) :
      modeSwitch == "RMA"   ? use_kalman_filter and use_k_f ? f_kalman_filter(ta.rma(src, len))  : ta.rma(src, len) :
      modeSwitch == "EMA"   ? use_kalman_filter and use_k_f ? f_kalman_filter(ta.ema(src, len))  : ta.ema(src, len) :
      modeSwitch == "TEMA"  ? use_kalman_filter and use_k_f ? f_kalman_filter(tema(src, len))    : tema(src, len):
      modeSwitch == "DEMA"  ? use_kalman_filter and use_k_f ? f_kalman_filter(f_dema(src, len))  : f_dema(src, len):
      modeSwitch == "ZLEMA" ? use_kalman_filter and use_k_f ? f_kalman_filter(f_zlema(src, len)) : f_zlema(src, len):
      modeSwitch == "WMA"   ? use_kalman_filter and use_k_f ? f_kalman_filter(ta.wma(src, len))  : ta.wma(src, len):
      modeSwitch == "VWMA"  ? use_kalman_filter and use_k_f ? f_kalman_filter(ta.vwma(src, len)) : ta.vwma(src, len):
      modeSwitch == "Hma"   ? use_kalman_filter and use_k_f ? f_kalman_filter(HMA(src, len))     : HMA(src, len):
      modeSwitch == "Ehma"  ? use_kalman_filter and use_k_f ? f_kalman_filter(EHMA(src, len))    : EHMA(src, len):
      modeSwitch == "Thma"  ? use_kalman_filter and use_k_f ? f_kalman_filter(THMA(src, len/2))  : THMA(src, len/2):
      modeSwitch == "ATR"   ? use_kalman_filter and use_k_f ? f_kalman_filter(ATR_func(src, len)): ATR_func(src, len) :
      modeSwitch == "L"   ? use_kalman_filter and use_k_f ? f_kalman_filter(ta.lowest(len)): ta.lowest(len) :
      modeSwitch == "H"   ? use_kalman_filter and use_k_f ? f_kalman_filter(ta.highest(len)): ta.highest(len) :
      modeSwitch == "DMA"   ? donchian(len) : na

//Var
sum = 0.0
maopening_l = 0.0
maopening_s = 0.0
maclosing = 0.0
pos = strategy.position_size
p = 0.0
p := pos == 0 ? (strategy.equity / 100) / close : p[1]
truetime = true
loss = 0.0
maxloss = 0.0
equity = 0.0

//MA Opening
maopening_l := ma_func(maopeningtyp_l, maopeningsrc_l, maopeninglen_l)
maopening_s := ma_func(maopeningtyp_s, maopeningsrc_s, maopeninglen_s)

//MA Closing
maclosing := ma_func(maclosingtyp, maclosingsrc, maclosinglen) * maclosingmul

long1 = long1on == false ? 0 : long1shift == 0 ? 0 : long1lot == 0 ? 0 : maopening_l == 0 ? 0 : maopening_l * long1shift
short1 = short1on == false ? 0 : short1shift == 0 ? 0 : short1lot == 0 ? 0 : maopening_s == 0 ? 0 : maopening_s * short1shift
//Colors
long1col = long1 == 0 ? na : color.green
short1col = short1 == 0 ? na : color.red
//Lines
// plot(maopening_l, offset = OFFS, color = color.new(color.green, 50))
// plot(maopening_s, offset = OFFS, color = color.new(color.red, 50))
plot(maclosing, offset = OFFS, color = color.fuchsia)
long1line = long1 == 0 ? close : long1
short1line = short1 == 0 ? close : short1
plot(long1line, offset = OFFS, color = long1col)
plot(short1line, offset = OFFS, color = short1col)

//Lots
lotlong1 = p * long1lot
lotshort1 = p * short1lot

//Entry
if truetime
    //Long
    sum := 0
    strategy.entry("L", strategy.long, lotlong1, limit = on_close ? na : long1, when = long1 > 0 and pos <= sum and (on_close ? close <= long1[trade_offset] : true))
    sum := lotlong1

    //Short
    sum := 0
    pos := -1 * pos
    strategy.entry("S", strategy.short, lotshort1, limit = on_close ? na : short1, when = short1 > 0 and pos <= sum and (on_close ? close >= short1[trade_offset] : true))
    sum := lotshort1

strategy.exit("Exit", na, limit = maclosing)
if time > finalTime
    strategy.close_all()

Lebih banyak

2019 FMZ - Semua hak dilindungi