Sumber daya yang dimuat... Pemuatan...

Rata-rata Biaya Dolar Bitcoin Berdasarkan pita BEAM

Penulis:ChaoZhang, Tanggal: 2024-02-18 15:40:42
Tag:

img

Gambaran umum

Strategi ini didasarkan pada teori tingkat risiko Ben Cowen dan bertujuan untuk menerapkan pendekatan yang sama menggunakan tingkat pita BEAM. Tingkat BEAM atas adalah rata-rata bergerak 200 minggu setelah mengambil logaritma, dan tingkat bawah adalah rata-rata bergerak 200 minggu itu sendiri. Ini memberi kita kisaran dari 0 sampai 1.

Logika Strategi

Strategi ini terutama didasarkan pada teori band BEAM yang diusulkan oleh Ben Cowen. Menurut perubahan harga BTC, harga dapat dibagi menjadi 10 area antara 0 dan 1, yang mewakili 10 tingkat risiko yang berbeda. Tingkat 0 mewakili risiko terendah dengan harga dekat dengan rata-rata pergerakan 200 minggu. Tingkat 5 mewakili area nilai risiko menengah. Tingkat 10 mewakili risiko tertinggi dengan harga mendekati rel atas.

Ketika harga turun ke titik terendah, strategi akan secara bertahap meningkatkan posisi panjang. Secara khusus, jika harga berada di antara band 0 dan 0.5, pesanan beli akan dikeluarkan pada hari yang ditetapkan setiap bulan. Jumlah pembelian akan secara bertahap meningkat karena jumlah band menurun. Misalnya, dengan band 5, jumlah pembelian adalah 20% dari total DCA bulanan. Dengan band 1, jumlah pembelian naik menjadi 100% dari total DCA bulanan.

Ketika harga naik ke level tertinggi, strategi akan secara bertahap mengurangi posisinya. Secara khusus, jika harga melebihi band 0.5, pesanan jual akan dikeluarkan secara proporsional. Posisi jual akan secara bertahap meningkat seiring meningkatnya jumlah band. Misalnya dengan band 6, 6, 67% akan dijual. Dengan band 10, semua posisi akan dijual.

Analisis Keuntungan

Keuntungan terbesar dari strategi DCA band BEAM ini adalah bahwa ia sepenuhnya memanfaatkan karakteristik volatilitas perdagangan BTC dengan memancing bawah ketika harga jatuh ke titik terendah dan mengambil keuntungan ketika harga naik ke puncaknya. Pendekatan ini tidak akan melewatkan peluang membeli atau menjual. Keuntungan spesifik dapat diringkas sebagai berikut:

  1. Menggunakan teori BEAM untuk menilai underestimation aset dan menghindari risiko secara ilmiah;
  2. Menggunakan sepenuhnya karakteristik volatilitas BTC untuk menangkap peluang pembelian dan penjualan terbaik;
  3. Mengadopsi metode rata-rata biaya untuk mengontrol biaya investasi secara efektif dan mendapatkan pengembalian stabil jangka panjang;
  4. Mengeksekusi transaksi pembelian dan penjualan secara otomatis tanpa intervensi manual untuk mengurangi risiko operasional;
  5. Parameter yang dapat disesuaikan memungkinkan penyesuaian strategi yang fleksibel untuk beradaptasi dengan perubahan pasar;

Singkatnya, ini adalah strategi penyesuaian parameter yang canggih yang dapat menghasilkan pengembalian stabil jangka panjang dalam kondisi pasar BTC yang berfluktuasi.

Analisis Risiko

Meskipun strategi DCA band BEAM memiliki banyak keuntungan, masih ada beberapa risiko potensial yang harus diketahui.

  1. Teori BEAM dan pengaturan parameter bergantung pada penilaian subjektif, yang memiliki beberapa kemungkinan kesalahan penilaian;
  2. Tren BTC sulit diprediksi dan ada risiko kerugian;
  3. Perdagangan otomatis dapat dipengaruhi secara merugikan oleh kegagalan sistem dan peretasan parameter;
  4. Fluktuasi yang berlebihan dapat menyebabkan peningkatan kerugian.

Untuk mengurangi risiko, langkah-langkah berikut dapat diambil:

  1. Mengoptimalkan pengaturan parameter untuk meningkatkan akurasi penilaian teori BEAM;
  2. Mengurangi ukuran posisi dengan tepat untuk mengurangi jumlah kerugian tunggal;
  3. Meningkatkan kemampuan redundansi dan toleransi kesalahan untuk mengurangi risiko operasional untuk perdagangan otomatis;
  4. Tetapkan titik stop loss untuk menghindari kerugian tunggal yang terlalu besar.

Optimalisasi

Mengingat risiko di atas, optimalisasi strategi ini dapat berfokus pada:

  1. Mengoptimalkan parameter teori BEAM: menyesuaikan parameter log, siklus backtest, dll untuk meningkatkan akurasi model;
  2. Mengoptimalkan kontrol posisi: menyesuaikan jumlah DCA bulanan, rasio beli/jual untuk mengendalikan jumlah kerugian tunggal;
  3. Meningkatkan keamanan perdagangan otomatis: mengatur server redundant, pemrosesan lokal, dll untuk meningkatkan toleransi kesalahan;
  4. Tambahkan modul stop loss: tetapkan titik stop loss yang wajar berdasarkan volatilitas historis untuk mengontrol kerugian secara efektif.

Melalui langkah-langkah ini, stabilitas dan keamanan strategi dapat ditingkatkan secara signifikan.

Kesimpulan

Strategi biaya rata-rata BEAM band DCA adalah strategi perdagangan kuantitatif yang sangat praktis. Ini berhasil memanfaatkan teori BEAM untuk memandu keputusan perdagangan, dilengkapi dengan model rata-rata biaya untuk mengontrol biaya pembelian. Pada saat yang sama, ia memperhatikan manajemen risiko dengan menetapkan titik stop loss untuk mencegah ekspansi kerugian. Dengan optimasi parameter dan penambahan modular, strategi ini dapat menjadi alat penting untuk perdagangan kuantitatif untuk mendapatkan pengembalian stabil jangka panjang dari pasar BTC.


/*backtest
start: 2023-02-11 00:00:00
end: 2024-02-17 00:00:00
period: 1d
basePeriod: 1h
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/

// © gjfsdrtytru - BEAM DCA Strategy {
// Based on Ben Cowen's risk level strategy, this aims to copy that method but with BEAM band levels.
// Upper BEAM level is derived from ln(price/200W MA)/2.5, while the 200W MA is the floor price. This is our 0-1 range. 
// Buy limit orders are set at the < 0.5 levels and sell orders are set at the > 0.5 level.
//@version=5
strategy(
  title                 = "BEAM DCA Strategy Monthly", 
  shorttitle            = "BEAM DCA M",
  overlay               = true,
  pyramiding            = 500,
  default_qty_type      = strategy.percent_of_equity,
  default_qty_value     = 0,
  initial_capital       = 0) //}

// Inputs { ————————————————————————————————————————————————————————————————————
T_ceiling   = input.string("Off", "Diminishing Returns", ["Off","Linear","Parabolic"], "Account for diminishing returns as time increases")
day         = input.int(1, "DCA Day of Month",1,28,1,"Select day of month for buy orders.")
DCAamount   = input.int(1000,"DCA Amount",400,tooltip="Enter the maximum amount you'd be willing to DCA for any given month.")
T_buy       = input(true,"Buy Orders","Toggle buy orders.")
T_sell      = input(true,"Sell Orders","Toggle sell orders.")

// Time period
testStartYear   = input.int(2018,   title="Backtest Start Year",    minval=2010,maxval=2100,group="Backtest Period")
testStartMonth  = input.int(1,      title="Backtest Start Month",   minval=1,   maxval=12,  group="Backtest Period")
testStartDay    = input.int(1,      title="Backtest Start Day",     minval=1,   maxval=31,  group="Backtest Period")
testPeriodLen   = input.int(9999,   title="Backtest Period (days)", minval=1,               group="Backtest Period",tooltip="Days until strategy ends") * 86400000 // convert days into UNIX time
testPeriodStart = timestamp(testStartYear,testStartMonth,testStartDay,0,0)
testPeriodStop  = testPeriodStart + testPeriodLen
testPeriod() => true
// ——————————————————————————————————————————————————————————————————————————— }
// Diminishing Returns { ———————————————————————————————————————————————————————
x = bar_index + 1
assetDivisor= 2.5
switch
    T_ceiling == "Linear"   => assetDivisor:= 3.50542 - 0.000277696 * x
    T_ceiling == "Parabolic"=> assetDivisor:= -0.0000001058992338 * math.pow(x,2) + 0.000120729 * x + 3.1982
// ——————————————————————————————————————————————————————————————————————————— }
// Risk Levels { ———————————————————————————————————————————————————————————————
cycleLen = 1400
getMaLen() =>
    if bar_index < cycleLen
        bar_index + 1
    else
        cycleLen

// Define Risk Bands
price       = close
riskLow     = ta.sma(price,getMaLen())
risk1       = riskLow * math.exp((assetDivisor)*0.1)
risk2       = riskLow * math.exp((assetDivisor)*0.2)
risk3       = riskLow * math.exp((assetDivisor)*0.3)
risk4       = riskLow * math.exp((assetDivisor)*0.4)
risk5       = riskLow * math.exp((assetDivisor)*0.5)
risk6       = riskLow * math.exp((assetDivisor)*0.6)
risk7       = riskLow * math.exp((assetDivisor)*0.7)
risk8       = riskLow * math.exp((assetDivisor)*0.8)
risk9       = riskLow * math.exp((assetDivisor)*0.9)
riskHigh    = riskLow * math.exp((assetDivisor))

// Plot Risk Bands
p_low       = plot(riskLow,   "Beam Risk 0.0",color.new(#0042F0,50),3,editable=false)
p_band1     = plot(risk1,     "Beam Risk 0.1",color.new(#0090F5,20),1,editable=false)
p_band2     = plot(risk2,     "Beam Risk 0.2",color.new(#00C6DB,20),1,editable=false)
p_band3     = plot(risk3,     "Beam Risk 0.3",color.new(#00F5BD,20),1,editable=false)
p_band4     = plot(risk4,     "Beam Risk 0.4",color.new(#00F069,20),1,editable=false)
p_band5     = plot(risk5,     "Beam Risk 0.5",color.new(#00DB08,50),3,editable=false)
p_band6     = plot(risk6,     "Beam Risk 0.6",color.new(#E8D20C,20),1,editable=false)
p_band7     = plot(risk7,     "Beam Risk 0.7",color.new(#F2B40C,20),1,editable=false)
p_band8     = plot(risk8,     "Beam Risk 0.8",color.new(#DC7A00,20),1,editable=false)
p_band9     = plot(risk9,     "Beam Risk 0.9",color.new(#F2520C,20),1,editable=false)
p_band10    = plot(riskHigh,  "Beam Risk 1.0",color.new(#F01102,50),3,editable=false)
// ——————————————————————————————————————————————————————————————————————————— }
// Order Execution { ———————————————————————————————————————————————————————————
band5   = price<risk5 and price>risk4
band4   = price<risk4 and price>risk3
band3   = price<risk3 and price>risk2
band2   = price<risk2 and price>risk1
band1   = price<risk1

// DCA buy order weights
y       = DCAamount / 5
switch
    band5 => y:= y * 1
    band4 => y:= y * 2
    band3 => y:= y * 3
    band2 => y:= y * 4
    band1 => y:= y * 5

// Contracts per order
contracts =(y/price)

if testPeriod()
// Buy orders
    if T_buy == true
        if dayofmonth == day
            strategy.entry("Risk Band 5",strategy.long,qty=contracts,when=band5)
            strategy.entry("Risk Band 4",strategy.long,qty=contracts,when=band4)
            strategy.entry("Risk Band 3",strategy.long,qty=contracts,when=band3)
            strategy.entry("Risk Band 2",strategy.long,qty=contracts,when=band2)
            strategy.entry("Risk Band 1",strategy.long,qty=contracts,when=band1)
// Sell orders 
    if T_sell == true
        if strategy.opentrades > 5
            strategy.exit("Risk Band 6",qty_percent=6.67,limit=risk6) 
            strategy.exit("Risk Band 7",qty_percent=14.28,limit=risk7)
            strategy.exit("Risk Band 8",qty_percent=25.00,limit=risk8)
            strategy.exit("Risk Band 9",qty_percent=44.44,limit=risk9)
            strategy.exit("Risk Band 10",qty_percent=100,limit=riskHigh)
// ——————————————————————————————————————————————————————————————————————————— }
// Info { ——————————————————————————————————————————————————————————————————————

// Line plot of avg. entry price
plot(strategy.position_size > 0 ? strategy.position_avg_price : na,"Average Entry",color.red,trackprice=true,editable=false)

// Unrealised PNL
uPNL = price/strategy.position_avg_price

// Realised PNL
realPNL = 0.
for i = 0 to strategy.closedtrades-1
    realPNL += strategy.closedtrades.profit(i)

// Size of open position in ($)
openPosSize = 0.
for i = 0 to strategy.opentrades-1
    openPosSize += strategy.opentrades.size(i) * strategy.position_avg_price

// Size of closed position in ($)
closePosSize = 0.
if strategy.closedtrades > 0
    for i = 0 to strategy.closedtrades-1
        closePosSize += strategy.closedtrades.size(i) * strategy.closedtrades.entry_price(i)

invested    = openPosSize+closePosSize                              // Total capital ($) put into strategy
equity      = openPosSize+closePosSize+strategy.openprofit+realPNL  // Total current equity ($) in strategy (counting realised PNL)
ROI         = (equity-invested) / invested * 100                    // ROI of strategy (compare capital invested to excess return)

// // Info Table
// var table table1 = table.new(position.bottom_right,2,9,color.black,color.gray,1,color.gray,2)

// table.cell(table1,0,0,"Capital Invested",   text_color=color.white,text_halign=text.align_right)
// table.cell(table1,0,1,"Open Position",      text_color=color.white,text_halign=text.align_right)
// table.cell(table1,0,2,"Average Entry",      text_color=color.white,text_halign=text.align_right)
// table.cell(table1,0,3,"Last Price",         text_color=color.white,text_halign=text.align_right)
// table.cell(table1,0,4,"Open PNL (%)",       text_color=color.white,text_halign=text.align_right)
// table.cell(table1,0,5,"Open PNL ($)",       text_color=color.white,text_halign=text.align_right)
// table.cell(table1,0,6,"Realised PNL ($)",   text_color=color.white,text_halign=text.align_right)
// table.cell(table1,0,7,"Total Equity",       text_color=color.white,text_halign=text.align_right)
// table.cell(table1,0,8,"Strategy ROI",       text_color=color.white,text_halign=text.align_right)

// table.cell(table1,1,0,"$" + str.tostring(invested,                      "#,###.00"),      text_halign=text.align_right,text_color = color.white)
// table.cell(table1,1,1,"$" + str.tostring(openPosSize,                   "#,###.00"),      text_halign=text.align_right,text_color = color.white)
// table.cell(table1,1,2,"$" + str.tostring(strategy.position_avg_price,   "#,###.00"),      text_halign=text.align_right,text_color = color.white)
// table.cell(table1,1,3,"$" + str.tostring(price,                         "#,###.00"),      text_halign=text.align_right,text_color = color.white)
// table.cell(table1,1,4,      str.tostring((uPNL-1)*100,                  "#,###.00") + "%",text_halign=text.align_right,text_color = uPNL > 1 ? color.lime : color.red)
// table.cell(table1,1,5,"$" + str.tostring(strategy.openprofit,           "#,###.00"),      text_halign=text.align_right,text_color = uPNL > 1 ? color.lime : color.red)
// table.cell(table1,1,6,"$" + str.tostring(realPNL,                       "#,###.00"),      text_halign=text.align_right,text_color = color.white)
// table.cell(table1,1,7,"$" + str.tostring(equity,                        "#,###.00"),      text_halign=text.align_right,text_color = color.white)
// table.cell(table1,1,8,      str.tostring(ROI,                           "#,###.00") + "%",text_halign=text.align_right,text_color = ROI > 1 ? color.lime : color.red)
// // ——————————————————————————————————————————————————————————————————————————— }

Lebih banyak