Sumber daya yang dimuat... Pemuatan...
  1. Persegi
  2. Strategi Momentum Squeeze Beruang malas

Strategi Momentum Squeeze Beruang malas

Penulis:ChaoZhang, Tanggal: 2024-02-02 17:42:58
Tag:

img

Gambaran umum

Strategi Momentum Squeeze Lazy Bear adalah strategi perdagangan kuantitatif yang menggabungkan Bollinger Bands, Keltner Channels dan indikator momentum.

Keuntungan utama dari strategi ini adalah dapat secara otomatis mengidentifikasi awal pergerakan tren dan menentukan waktu masuk dengan indikator momentum.

Logika Strategi

Strategi Lazy Bear Squeeze Momentum membuat penilaian berdasarkan tiga indikator berikut:

  1. Bollinger Bands: Termasuk band tengah, band atas dan band bawah
  2. Saluran Keltner: Termasuk garis tengah, garis atas dan garis bawah
  3. Indikator Momentum: Harga saat ini dikurangi harga n hari yang lalu

Ketika band atas Bollinger berada di bawah garis atas Keltner dan band bawah Bollinger berada di atas garis bawah Keltner, kita menentukan pasar berada dalam tekanan.

Untuk menentukan waktu masuk, kita menggunakan indikator momentum untuk mengukur kecepatan perubahan harga. Sinyal beli dihasilkan ketika momentum melintasi di atas rata-rata bergerak, dan sinyal jual ketika momentum melintasi di bawah rata-rata bergerak.

Analisis Keuntungan

Keuntungan utama dari strategi Lazy Bear Squeeze Momentum:

  1. Mengidentifikasi secara otomatis entri awal dalam tren baru
  2. Kombinasi indikator mencegah sinyal palsu
  3. Menangkap baik tren dan rata-rata-reversi
  4. Parameter yang dapat disesuaikan untuk optimasi
  5. Kuat di berbagai produk

Analisis Risiko

Ada juga risiko tertentu untuk strategi Lazy Bear Squeeze Momentum:

  1. Kemungkinan sinyal palsu dari Bollinger & Keltner
  2. Momentum ketidakstabilan, hilang entri terbaik
  3. Kinerja yang buruk tanpa optimasi
  4. Korélasi tinggi dengan pemilihan produk

Untuk mengurangi risiko, rekomendasi termasuk: mengoptimalkan panjang untuk Bollinger & Keltner, menyesuaikan stop loss, memilih produk cair, memverifikasi sinyal dengan indikator lain.

Arahan Optimasi

Arah utama untuk meningkatkan kinerja lebih lanjut:

  1. Kombinasi uji parameter di seluruh produk dan kerangka waktu
  2. Mengoptimalkan panjang untuk Bollinger Bands dan Saluran Keltner
  3. Mengoptimalkan panjang indikator momentum
  4. Stop loss/take profit yang berbeda untuk long dan short
  5. Indikator tambahan untuk verifikasi sinyal

Melalui pengujian dan optimasi yang ketat, strategi ini dapat meningkatkan keunggulan dan profitabilitasnya.

Kesimpulan

Strategi Lazy Bear Squeeze Momentum memiliki generasi sinyal yang kuat melalui pendekatan multi-indikator, dan dapat secara efektif mengidentifikasi awal tren baru. tetapi juga membawa risiko yang memerlukan optimasi di seluruh instrumen perdagangan. dengan pengujian dan peningkatan terus-menerus, ini dapat menjadi sistem perdagangan algoritmik yang kuat.

/*backtest
start: 2024-01-31 00:00:00
end: 2024-02-01 00:00:00
period: 1h
basePeriod: 15m
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/

//@version=5
// This source code is subject to the terms of the Mozilla Public License 2.0 at https://mozilla.org/MPL/2.0/
// © mtahreemalam original strategy by LazyBear

strategy(title = 'SQM Strategy, TP & SL',
         shorttitle = 'Squeeze.M Strat',
         overlay = true,
         pyramiding = 0,
         default_qty_type = strategy.percent_of_equity,
         default_qty_value = 100,
         initial_capital = 1000,
         commission_type=strategy.commission.percent, 
         commission_value=0.0,
         process_orders_on_close=true,
         use_bar_magnifier=true)
//Strategy logic
strategy_logic = input.string("Cross above 0", "Strategy Logic", options = ["LazyBear", "Cross above 0"])

// Date Range
testPeriodSwitch = input(false, "Custom Backtesting Date Range",group="Backtesting Date Range")
i_startTime = input(defval = timestamp("01 Jan 2022 00:01 +0000"), title = "Backtesting Start Time",group="Backtesting Date Range")
i_endTime = input(defval = timestamp("31 Dec 2022 23:59 +0000"), title = "Backtesting End Time",group="Backtesting Date Range")
timeCond = true
isPeriod = testPeriodSwitch == true ? timeCond : true

//// Stoploss and Take Profit Parameters
// Enable Long Strategy
enable_long_strategy = input.bool(true, title='Enable Long Strategy', group='SL/TP For Long Strategy', inline='1')
long_stoploss_value = input.float(defval=5, title='Stoploss %', minval=0.1, group='SL/TP For Long Strategy', inline='2')
long_stoploss_percentage = close * (long_stoploss_value / 100) / syminfo.mintick
long_takeprofit_value = input.float(defval=5, title='Take Profit %', minval=0.1, group='SL/TP For Long Strategy', inline='2')
long_takeprofit_percentage = close * (long_takeprofit_value / 100) / syminfo.mintick

// Enable Short Strategy
enable_short_strategy = input.bool(true, title='Enable Short Strategy', group='SL/TP For Short Strategy', inline='3')
short_stoploss_value = input.float(defval=5, title='Stoploss %', minval=0.1, group='SL/TP For Short Strategy', inline='4')
short_stoploss_percentage = close * (short_stoploss_value / 100) / syminfo.mintick
short_takeprofit_value = input.float(defval=5, title='Take Profit %', minval=0.1, group='SL/TP For Short Strategy', inline='4')
short_takeprofit_percentage = close * (short_takeprofit_value / 100) / syminfo.mintick

//// Inputs
//SQUEEZE MOMENTUM STRATEGY
length = input(20, title='BB Length', group = "Squeeze Momentum Settings")
mult = input(2.0, title='BB MultFactor', group = "Squeeze Momentum Settings")
source = close
lengthKC = input(20, title='KC Length', group = "Squeeze Momentum Settings")
multKC = input(1.5, title='KC MultFactor', group = "Squeeze Momentum Settings")
useTrueRange = input(true, title='Use TrueRange (KC)', group = "Squeeze Momentum Settings")
signalPeriod=input(5, title="Signal Length", group = "Squeeze Momentum Settings")
show_labels_sqm = input(title='Show Buy/Sell SQM Labels', defval=true, group = "Squeeze Momentum Settings")
h0 = hline(0)

// Defining MA
ma = ta.sma(source, length)

// Calculate BB
basis = ma
dev = mult * ta.stdev(source, length)
upperBB = basis + dev
lowerBB = basis - dev

// Calculate KC
range_1 = useTrueRange ? ta.tr : high - low
rangema = ta.sma(range_1, lengthKC)
upperKC = ma + rangema * multKC
lowerKC = ma - rangema * multKC


// SqzON | SqzOFF | noSqz
sqzOn = lowerBB > lowerKC and upperBB < upperKC
sqzOff = lowerBB < lowerKC and upperBB > upperKC
noSqz = sqzOn == false and sqzOff == false

// Momentum
val = ta.linreg(source - math.avg(math.avg(ta.highest(high, lengthKC), ta.lowest(low, lengthKC)), ta.sma(close, lengthKC)), lengthKC, 0)

red_line = ta.sma(val,signalPeriod)
blue_line = val

// lqm = if val > 0
//         if val > nz(val[1])
        // long_sqm_custom
        // if val < nz(val[1])
        // short_sqm_custom
// Plots
//plot(val, style = plot.style_line, title = "blue line", color= color.blue, linewidth=2)
//plot(ta.sma(val,SignalPeriod), style = plot.style_line, title = "red line",color = color.red, linewidth=2)

//plot(val, color=blue, linewidth=2)
//plot(0, color=color.gray, style=plot.style_cross, linewidth=2)
//plot(red_line, color=red, linewidth=2)

//LOGIC
//momentum filter
//filterMom = useMomAverage ? math.abs(val) > MomentumMin / 100000 ? true : false : true
//}

////SQM Long Short Conditions
//Lazy Bear Buy Sell Condition
// long_sqm_lazy = (blue_line>red_line)
// short_sqm_lazy = (blue_line<red_line)

long_sqm_lazy = ta.crossover(blue_line,red_line)
short_sqm_lazy = ta.crossunder(blue_line,red_line)


//Custom Buy Sell Condition
dir_sqm = val < 0 ? -1 : 1
long_sqm_custom = dir_sqm == 1 //and dir_sqm[1] == -1
short_sqm_custom = dir_sqm == -1 //and dir_sqm[1] == 1

long_sqm = strategy_logic == "LazyBear" ? long_sqm_lazy : long_sqm_custom 
short_sqm = strategy_logic == "LazyBear" ? short_sqm_lazy : short_sqm_custom 


// Plot Stoploss & Take Profit Levels
long_stoploss_price = strategy.position_avg_price * (1 - long_stoploss_value / 100)
long_takeprofit_price = strategy.position_avg_price * (1 + long_takeprofit_value / 100)
short_stoploss_price = strategy.position_avg_price * (1 + short_stoploss_value / 100)
short_takeprofit_price = strategy.position_avg_price * (1 - short_takeprofit_value / 100)
plot(enable_long_strategy and not enable_short_strategy ? long_stoploss_percentage : na, color=color.red, style=plot.style_linebr, linewidth=2, title='Long SL Level')
plot(enable_long_strategy and not enable_short_strategy ? long_takeprofit_percentage : na, color=color.green, style=plot.style_linebr, linewidth=2, title='Long TP Level')
plot(enable_short_strategy and not enable_long_strategy ? short_stoploss_price : na, color=color.red, style=plot.style_linebr, linewidth=2, title='Short SL Level')
plot(enable_short_strategy and not enable_long_strategy ? short_takeprofit_price : na, color=color.green, style=plot.style_linebr, linewidth=2, title='Short TP Level')


// Long Strategy
if long_sqm and enable_long_strategy == true
    strategy.entry('Long', strategy.long)
    strategy.exit('Long  SL/TP', from_entry='Long', loss=long_stoploss_percentage, profit=long_takeprofit_percentage)
    strategy.close('Long', comment = "L. CL")

// Short Strategy
if short_sqm and enable_short_strategy == true 
    strategy.entry('Short', strategy.short)
    strategy.exit('Short SL/TP', from_entry='Short', loss=short_stoploss_percentage, profit=short_takeprofit_percentage)
    strategy.close('Short', comment = "S.Cl")

plot_sqm_long = long_sqm and not long_sqm[1]
plot_sqm_short = short_sqm and not short_sqm[1]

plotshape(plot_sqm_long and show_labels_sqm, title='Buy', style=shape.labelup, location=location.belowbar, size=size.normal, text='Buy', textcolor=color.new(color.white, 0), color=color.new(color.green, 0))
plotshape(plot_sqm_short and show_labels_sqm, title='Sell', style=shape.labeldown, location=location.abovebar, size=size.normal, text='Sell', textcolor=color.new(color.white, 0), color=color.new(color.red, 0))

// Date Range EXIT
if (not isPeriod) 
    strategy.cancel_all()
    strategy.close_all()
Lebih banyak

2019 FMZ - Semua hak dilindungi