S&P500 Hybrid Seasonal Trading Strategy
Penulis:ChaoZhang, Tanggal: 2024-01-22 11:59:58Tag:
Gambaran umum
S&P500 Hybrid Seasonal Trading Strategy adalah strategi kuantitatif yang memperdagangkan saham berdasarkan pola musiman. Strategi ini menggabungkan sistem buy & hold yang ditingkatkan, kondisi indikator teknis, dan indikator aliran volume untuk berputar antara bulan terbaik dan terburuk tahun ini.
Logika Strategi
Sinyal dan aturan perdagangan utama adalah:
- Pergi panjang di buka pada hari perdagangan pertama bulan Oktober setiap tahun.
- Jika VIX lebih dari 60% atau ATR 15 hari lebih dari 90%, hentikan perdagangan musiman sampai volatilitas mereda di akhir bulan atau tahun.
- Exit long/short di buka pada hari perdagangan pertama bulan Agustus setiap tahun.
- Keluar panjang/pendek juga jika VIX melebihi 120% atau jika VFI melintasi di bawah -20 sementara MA 10 hari menunjuk ke bawah.
- Opsional jual pendek diaktifkan.
Strategi ini memanfaatkan kinerja pasar saham yang tidak merata sepanjang tahun, pergi panjang selama Oktober-April yang secara statistik berkinerja lebih baik dan mengambil keuntungan atau shorting selama bulan-bulan yang berkinerja lebih buruk Mei-September.
Analisis Keuntungan
Strategi perdagangan musiman hibrida S&P500 memiliki keuntungan utama sebagai berikut:
- Leverage ditetapkan, pola musiman yang stabil didasarkan pada kinerja bulanan yang tidak merata yang diamati secara empiris dari indeks S&P500 sepanjang tahun.
- Menggabungkan beberapa kondisi filter seperti VIX, ATR dan VFI untuk secara efektif menyaring kebisingan dan menghasilkan sinyal perdagangan yang lebih dapat diandalkan.
- Aturan perdagangan yang dapat dikonfigurasi untuk jangka panjang/pendek dan periode khusus untuk masuk dan keluar musiman yang memfasilitasi pengujian dan optimalisasi.
- Mekanisme penghindaran risiko tertanam melalui langkah-langkah volatilitas seperti ambang VIX dan ATR untuk menghindari efek dari perubahan pasar yang keras.
- Masukan sinyal tambahan dari indikator aliran volume yang mencerminkan potensi perubahan dalam partisipasi pasar.
Analisis Risiko
Beberapa risiko potensial meliputi:
- Risiko invalidasi dari pola historis. Pasar berevolusi secara stokastik sehingga tren historis mungkin tidak selalu bertahan.
- Risiko sinyal yang salah dari indikator teknis. VIX, ATR dan VFI juga dapat menghasilkan sinyal palsu.
- Risiko parameter suboptimal. pengujian dan penyesuaian parameter lebih lanjut dimungkinkan karena nilai saat ini mungkin tidak optimal secara global.
- Risiko shorting tambahan seperti kerugian tak terbatas.
Risiko dapat dikurangi melalui kontrol risiko yang lebih ketat, kombinasi indikator, penyesuaian parameter, pembelajaran mesin, dll.
Peluang Peningkatan
Peluang optimasi yang mungkin:
- Periode backtest yang lebih panjang untuk data pelatihan yang lebih banyak.
- Memperkenalkan mekanisme stop loss untuk mengendalikan kerugian per perdagangan.
- Perbaiki parameter indikator seperti VIX, ATR dan VFI untuk menemukan kombinasi terbaik.
- Mengerahkan model pembelajaran mesin untuk memungkinkan optimasi adaptif.
- Mengumpulkan strategi untuk mengurangi risiko pasar sistemik melalui non-korélasi.
Kesimpulan
S&P500 Hybrid Seasonal Trading Strategy mensintesis tren musiman yang mapan, indikator waktu teknis dan pengukuran arus uang. Dengan menghindari bulan-bulan berkinerja terburuk tahun ini dan memposisikan diri di bulan-bulan yang lebih kuat secara musiman yang dilengkapi dengan volatility gating yang efektif, kerangka kerja dapat menghasilkan alfa yang konsisten. Struktur yang dapat disesuaikan juga menyediakan komponen modular yang berguna bagi praktisi untuk menguji, mengoptimalkan dan membangun. Data tambahan, stop loss, penyesuaian parameter dan ensembel memberikan kesempatan lebih lanjut untuk meningkatkan kinerja.
/*backtest
start: 2023-12-01 00:00:00
end: 2023-12-31 23:59:59
period: 1h
basePeriod: 15m
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/
// TASC Issue: April 2022 - Vol. 40, Issue 4
// Article: Sell In May? Stock Market Seasonality
// Article By: Markos Katsanos
// Language: TradingView's Pine Script v5
// Provided By: PineCoders, for tradingview.com
//@version=5
strategy(title = "TASC 2022.04 S&P500 Hybrid Seasonal System",
shorttitle = "HSS v2.0",
overlay = true,
default_qty_type = strategy.percent_of_equity,
default_qty_value = 10,
initial_capital = 100000,
currency = currency.USD,
commission_type = strategy.commission.percent,
commission_value = 0.01
)
// Helper Functions:
// @function Returns the ratio to max/min of a sample period
// @param src float, data source.
// @param length int, period of the sample.
// @returns [float, float] tuple.
volatility (float src, int length) =>
[(src / ta.highest(src, length)[1] - 1.0) * 100.0,
(src / ta.lowest (src, length)[1] - 1.0) * 100.0]
// @function Volume Flow Indicator.
// @param Period int, period of the data sample.
// @param VCoef float, Volume Volatility Coefficient.
// @param Coef float, Cutoff Coefficient.
// @returns float.
// ref: https://mkatsanos.com/volume-flow-vfi-indicator/
vfi (int Period = 130, float VCoef = 2.5, float Coef = 0.2) =>
lastHLC3 = nz(hlc3[1], hlc3)
MF = hlc3 - lastHLC3
Vinter = ta.stdev(math.log(hlc3) - math.log(lastHLC3), 30)
Vave = ta.sma(volume, Period)[1]
Cutoff = Coef * close * Vinter
VC = math.min(volume, Vave * VCoef)
VCP = MF > Cutoff ? VC :
MF < -Cutoff ? -VC : 0.0
VFI1 = nz(math.sum(VCP, Period) / Vave)
VFI = ta.ema(VFI1, 3)
// inputs:
// optional strategy obserservation window parameters:
string ig_ow = 'Observation Window:'
bool i_Sdate = input( title = 'Start date:',
defval = timestamp('2021-01-01'),
inline = 'Sdate',
group = ig_ow
) < time //
bool i_useSdate = input.bool( title = '',
defval = false,
group = ig_ow,
inline = 'Sdate',
tooltip = 'Optional start date to clamp strategy observation window.'
) //
bool i_Edate = input( title = 'End date:',
defval = timestamp('2022-01-01'),
inline = 'Edate',
group = ig_ow
) > time //
bool i_useEdate = input.bool( title = '',
defval = false,
group = ig_ow,
inline = 'Edate',
tooltip = 'Optional end date to clamp strategy observation window.'
) //
//
string ig_ro = 'Lookback Options:'
int i_lback = input.int( title = 'Lookback Shift:',
defval = 0, minval = 0,
group = ig_ro,
tooltip = 'Optional, inspect previous signal values.'
) //
//
string ig_so = 'Signal Options:'
bool i_onlyL = input.bool( title = 'Long Only:',
defval = true,
group = ig_so,
tooltip = 'If switched off, short entries are initiated by sell signals.'
) //
int i_sMonth = input.int( title = 'Sell Month:',
defval = 8, minval = 1, maxval = 12, step = 1,
group = ig_so,
tooltip = 'The worst performing month, originally clamped between months 5 and 8.'
) //
int i_maxVI = input.int( title = 'Max VIX up:',
defval = 60, minval = 50, maxval = 60, step = 5,
group = ig_so,
tooltip = 'Volatility maximum threshold.'
) //
int i_critVFI = input.int( title = 'Critical VFI Sell:',
defval = -20, minval = -20, maxval = -15, step = 5,
group = ig_so,
tooltip = 'Critical money float (VFI) threshold for sell signal.'
) //
float i_K = input.float( title = 'ATR/VIX Ratio:',
defval = 1.5, minval = 1.3, maxval = 1.7, step = 0.2,
group = ig_so,
tooltip = 'ATR to VIX ratio for sell signal.'
) //
//
string i_VIticker = input( title = 'Volatility Index:',
defval = 'VIX',
group = ig_so,
tooltip = 'Volatility Index Ticker.'
) //
string i_VItf = input.timeframe( title = '',
defval = 'D',
group = ig_so,
tooltip = 'Volatility Index Timeframe.'
) //
int i_VIiperiod = input.int( title = 'Implied Volatility period:',
defval = 25,
group = ig_so
) //
int i_VIhperiod = input.int( title = 'Historical Volatility period:',
defval = 15,
group = ig_so
) //
//
int i_VFIperiod = input.int( title = 'VFI period:',
defval = 130,
group = ig_so, inline = 'VFI1'
) //
int i_VFIMperiod = input.int( title = 'MA:',
defval = 10,
group = ig_so, inline = 'VFI1',
tooltip = 'VFI and Moving Average sampling period.'
) //
float i_VFIcoef = input.float( title = 'VFI Coef Cuttoff:',
defval = 0.2,
group = ig_so, inline = 'VFI2'
) //
float i_VFIvcoef = input.float( title = 'Volat.:',
defval = 2.5,
group = ig_so, inline = 'VFI2',
tooltip = 'VFI Cutoff and Volatility coefficient.'
) //
int i_ATRperiod = input.int( title = 'ATR length:',
defval = 15,
group = ig_so, inline = 'ATR',
tooltip = 'ATR length.'
) //
//
string ig_to = 'Table Options:'
bool i_showT = input.bool( title = 'Show Table:',
defval = false,
group = ig_to,
tooltip = 'Optional toggle.'
) //
string i_Tpos = input.string(title = 'Position:',
defval = position.middle_right,
options = [ position.top_left, position.top_center, position.top_right,
position.middle_left, position.middle_center, position.middle_right,
position.bottom_left, position.bottom_center, position.bottom_right ],
group = ig_to) //
int i_Ttransp = input.int( title = 'Transparency:',
defval = 0, minval = 1, maxval = 99,
group = ig_to
) //
//
color i_Tcframe = input.color( title = 'Table Colors:',
defval = #000000,
group = ig_to, inline = 'table color'
) //
color i_Tcrowe = input.color( title = '',
defval = #d6dae3,
group = ig_to, inline = 'table color'
) //
color i_Tcrowo = input.color( title = '',
defval = #cccccc,
group = ig_to, inline = 'table color',
tooltip = 'Table background colors, in order: frame, even row, odd row.'
) //
string i_Ttsize = input.string(title = 'Table Text:',
defval = size.small,
options = [size.auto, size.huge, size.large, size.normal, size.small, size.tiny],
group = ig_to, inline = 'table text'
) //
color i_Tcdeft = input.color( title = 'Text Colors:',
defval = #000000,
group = ig_to, inline = 'table text'
) //
color i_Tcsigt = input.color( title = '',
defval = color.red,
group = ig_to, inline = 'table text'
) //
color i_Tctitt = input.color( title = '',
defval = color.navy,
group = ig_to, inline = 'table text',
tooltip = 'Table text size and colors, in order: default, short signal, title.'
) //
// Comparison Index
float VIX = request.security(i_VIticker, i_VItf, close)
[VIdn, VIup] = volatility(VIX, i_VIiperiod) // Implied
[ATRdn, ATRup] = volatility(ta.atr(i_VIhperiod), i_VIiperiod) // Historical
float VFI = vfi(i_VFIperiod, i_VFIvcoef, i_VFIcoef)
float VFI10 = ta.sma(VFI, i_VFIMperiod)
//
bool VFIatCrit = VFI > i_critVFI
bool lowVolat = (VIup < i_maxVI) or (ATRup < (i_K * i_maxVI))
bool VolatC = VFIatCrit ? lowVolat : false
bool Long = ((month >= 10) or (month < i_sMonth)) and VolatC[1]
bool Sseasonal = month == i_sMonth // SEASONAL EXIT/SHORT
bool Svol = VIup > (2.0 * i_maxVI) // VOLATILITY EXIT/SHORT
bool Scrit = ta.cross(i_critVFI, VFI) and (VFI10 < VFI10[1]) // VFI EXIT/SHORT
bool Short = Sseasonal or Svol[1] or Scrit[1]
bool withinObsWindow = true
//
if withinObsWindow and strategy.equity > 0
_L = strategy.long
_S = strategy.short
strategy.entry('L' , direction = _L, when = Long )
if i_onlyL
strategy.close('L', comment = 'EXIT SEASONAL' , when = Sseasonal )
strategy.close('L', comment = 'EXIT VOLATILITY', when = Svol[1] )
strategy.close('L', comment = 'EXIT MF' , when = Scrit[1] )
else
strategy.entry('S Seasonal' , direction = _S, when = Sseasonal )
strategy.entry('S Volatility', direction = _S, when = Svol[1] )
strategy.entry('S MF Crit.' , direction = _S, when = Scrit[1] )
else
strategy.close_all()
string SIGNAL = switch
(Long) => 'Long Seasonal'
(Sseasonal and i_onlyL) => 'Exit Seasonal'
(Svol[1] and i_onlyL) => 'Exit Volatility'
(Scrit[1] and i_onlyL) => 'Exit Money Flow'
(Sseasonal and not i_onlyL) => 'Short Seasonal'
(Svol[1] and not i_onlyL) => 'Short Volatility'
(Scrit[1] and not i_onlyL) => 'Short Money Flow Bearish'
=> 'none'
string date = str.format(
'{0,number,0000}-{1,number,00}-{2,number,00}',
year, month, dayofmonth
)
var table dTable = table.new(position = i_Tpos,
columns = 2,
rows = 17,
frame_color = color.new(#000000, i_Ttransp),
frame_width = 4
) //
// @function Helper to populate the table rows.
tRow(tableId, idx, left, right, tcol=0) =>
color _bg = color.new(idx % 2 ? i_Tcrowo : i_Tcrowe, i_Ttransp)
color _tx = switch (tcol)
(1) => color.new(i_Tcsigt, i_Ttransp)
(2) => color.new(i_Tctitt, i_Ttransp)
=> color.new(i_Tcdeft, i_Ttransp)
// table.cell( table_id=tableId,
// column=0, row=idx,
// text=left, text_color=_tx, text_halign=text.align_right, text_size=i_Ttsize,
// bgcolor=_bg) //
// table.cell( table_id=tableId,
// column=1, row=idx,
// text=str.tostring(right), text_color=_tx, text_halign=text.align_left, text_size=i_Ttsize,
// bgcolor=_bg) //
if i_showT
float _atr10 = ta.atr(10)[i_lback]
string _nf = '0.00'
string _aru = '🔼 ', string _ard = '🔽 '
// id | idx | left label | right label | conditional color |
tRow(dTable, 00, 'S&P500 Hybrid Seasonal ' , '' , 2 )
tRow(dTable, 01, 'Created By: Markos Katsanos' , '' , 2 )
tRow(dTable, 02, 'Date:' , date[i_lback] )
tRow(dTable, 03, 'Signal:' , SIGNAL[i_lback] )
tRow(dTable, 04, 'Price:' , open[i_lback] )
tRow(dTable, 05, 'VIX:' , str.tostring( VIX[i_lback], _nf) )
tRow(dTable, 06, 'VFI:' , str.tostring( VFI[i_lback], _nf) , VFIatCrit ? 1 : 0 )
tRow(dTable, 07, 'ATR:' , str.tostring( _atr10, _nf) )
tRow(dTable, 08, 'VIup%:' , str.tostring( VIup[i_lback], _nf) , VIup > i_maxVI ? 1 : 0 )
tRow(dTable, 09, 'ATRup%:' , str.tostring(ATRup[i_lback], _nf) , ATRup > i_K * i_maxVI ? 1 : 0 )
tRow(dTable, 10, 'VIdn%:' , str.tostring( VIdn[i_lback], _nf) )
tRow(dTable, 11, 'ATRdn%:' , str.tostring(ATRdn[i_lback], _nf) )
tRow(dTable, 12, _aru + 'Long Seasonal:' , Long[i_lback] )
tmp = 12
if not i_onlyL
tmp := 13
tRow(dTable, 13, _ard + 'Short:' , Short[i_lback] , Short[i_lback] ? 1 : 0 )
tRow(dTable, tmp+1, _ard + 'Seasonal:' , Sseasonal[i_lback] , Sseasonal[i_lback] ? 1 : 0 )
tRow(dTable, tmp+2, _ard + 'Volatility:' , Svol[1+i_lback] , Svol[1 + i_lback] ? 1 : 0 )
tRow(dTable, tmp+3, _ard + 'Money Flow:' , Scrit[i_lback] , Scrit[i_lback] ? 1 : 0 )
Lebih banyak
- Pelacakan tren dan strategi perdagangan jangka pendek berdasarkan indikator ADX
- Momentum Trend Dual Strategi
- Strategi Dukungan dan Resistensi CCI yang Dinamis
- Strategi Perdagangan Momentum QQE
- Strategi Peramalan Gelombang Gauss
- Strategi kuantitas kombinasi EMA bergerak dinamis
- Tren Saluran Donchian Mengikuti Strategi
- Strategi EMA Ribbon
- Strategi crossover rata-rata bergerak yang tepat
- Strategi Tren Bullish Multi-EMA
- Strategi Pelacakan Tren Berbasis Penyimpangan
- Strategi Perdagangan Divergensi RSI
- Strategi Pohon Keputusan Multi-Indikator: IMACD, EMA dan Ichimoku
- Strategi perdagangan optimasi ganda MACD
- Dual EMA Golden Cross Strategi
- Strategi perdagangan RSI dan moving average multi-timeframe
- Strategi Perdagangan Swing Mingguan
- Strategi perdagangan MACD berdasarkan EVWMA
- Bollinger Bands Channel Breakout Mean Reverssion Strategi
- Strategi Pelacakan Tren Kuantitatif Berdasarkan Beberapa Indikator Teknis