Sumber daya yang dimuat... Pemuatan...
  1. Persegi
  2. Strategi Optimasi Tingkat Perubahan

Strategi Optimasi Tingkat Perubahan

Penulis:ChaoZhang, Tanggal: 2024-02-20 13:54:49
Tag:

img

Gambaran umum

Strategi ini mengoptimalkan strategi Rate of Change (ROC) asli. Dibandingkan dengan strategi ROC asli, strategi ini memiliki optimasi berikut:

  1. Masukkan nilai ROC historis maksimum untuk perbandingan dinamis dengan ROC saat ini untuk mendapatkan nilai momentum relatif.
  2. Perlahankan nilai momentum relatif untuk menghasilkan sinyal.
  3. Tambahkan ambang sinyal beli dan jual.

Melalui langkah-langkah optimasi ini, banyak sinyal yang tidak valid dapat disaring untuk membuat strategi lebih stabil dan dapat diandalkan.

Prinsip Strategi

Indikator inti dari strategi ini adalah Rate of Change (ROC). ROC mengukur tingkat perubahan harga saham selama periode tertentu. Strategi ini pertama menghitung nilai ROC selama periode 9. Kemudian mencatat nilai maksimum indikator ROC ini dalam 200 periode terakhir dan menghitung ROC saat ini sebagai persentase dari ROC historis maksimum untuk mendapatkan kekuatan relatif momentum. Misalnya, jika ROC tertinggi dalam 200 hari terakhir mencapai 100, maka kekuatan relatif adalah 80% ketika ROC hari ini adalah 80.

Kekuatan relatif dihaluskan oleh SMA 10 periode untuk menyaring fluktuasi jangka pendek dan mendapatkan kurva halus. Ketika kurva halus meningkat terus menerus selama 3 hari dan nilainya di bawah -80%, dianggap bahwa penurunan harga saham mulai melambat dan tanda bawah muncul, jadi pergi panjang; ketika kurva halus turun terus menerus selama 3 hari dan nilainya di atas 80%, dianggap bahwa kenaikan harga saham mulai melambat dan tanda atas muncul, jadi posisi dekat.

Analisis Keuntungan

Dibandingkan dengan strategi ROC asli, strategi ini memiliki keuntungan utama sebagai berikut:

  1. Memperkenalkan perbandingan nilai ROC maksimum historis dapat secara efektif mengukur tingkat relatif indikator momentum dan menyaring sinyal yang tidak valid dengan nilai absolut yang tidak cukup tinggi.
  2. Pemrosesan yang halus menyaring kebisingan dan membuat sinyal lebih stabil dan dapat diandalkan.
  3. Menetapkan ambang jual beli mengurangi transaksi yang tidak valid.

Secara umum, strategi ini secara efektif memproses indikator ROC untuk membuatnya lebih cocok untuk perdagangan langsung.

Analisis Risiko

Risiko utama dari strategi ini adalah:

  1. Indikator ROC tidak dapat menentukan tren pasar dan ada beberapa penyimpangan.
  2. Peningkatan atau penurunan ambang batas pembelian dan penjualan akan mempengaruhi kinerja strategi.
  3. Pengaturan parameter SMA yang tidak tepat juga akan mempengaruhi hasil strategi.

Untuk mengurangi risiko di atas, pertimbangkan untuk menggabungkan indikator tren untuk menentukan tren utama; menyesuaikan parameter ambang dan menguji parameter optimal; mengoptimalkan parameter siklus SMA.

Arahan Optimasi

Strategi dapat dioptimalkan dengan cara berikut:

  1. Menggabungkan indikator tren untuk menentukan arah pasar secara keseluruhan dan menghindari kegagalan selama konversi bull-bear.
  2. Uji parameter panjang ROC dan parameter ambang beli dan jual untuk menemukan kombinasi parameter yang optimal.
  3. Mengoptimalkan SMA smoothing parameter untuk menemukan parameter terbaik.
  4. Meningkatkan mekanisme stop loss.

Ringkasan

Ini adalah strategi pengoptimalan berdasarkan pengembangan sekunder dari indikator ROC. Ini memperkenalkan sarana seperti perbandingan nilai maksimum historis, smoothing SMA, dan buy and sell threshold untuk menyaring sinyal yang tidak valid dan membuat strategi lebih stabil. Keuntungan utama adalah kualitas sinyal yang tinggi yang cocok untuk perdagangan langsung. Peningkatan tindak lanjut dapat dilakukan dari menggabungkan tren, pengoptimalan parameter dan sebagainya untuk meningkatkan kinerja strategi lebih lanjut.

/*backtest
start: 2024-02-12 00:00:00
end: 2024-02-19 00:00:00
period: 1m
basePeriod: 1m
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/

//@version=5
strategy(title="Rate Of Change Mod Strategy", shorttitle="ROC", format=format.price, precision=2)
//length = input.int(9, minval=1)
//source = input(close, "Source")
//roc = 100 * (source - source[length])/source[length]
//plot(roc, color=#2962FF, title="ROC")
//hline(0, color=#787B86, title="Zero Line")

length = input.int(9, minval=1, title="Length")
maxHistory = input(200, title="Max Historical Period for ROC")
lenghtSmooth = input.int(10, minval=1, title="Length Smoothed ROC")
lenghtBUY = input.int(-80, title="Buy Threshold")
lenghtSELL = input.int(80, title="Buy Threshold")

source = close
roc = 100 * (source - source[length]) / source[length]

// Calculate the maximum ROC value in the historical period
maxRoc = ta.highest(roc, maxHistory)

// Calculate current ROC as a percentage of the maximum historical ROC
rocPercentage = (roc / maxRoc) * 100


rocPercentageS = ta.sma(rocPercentage, lenghtSmooth)
if ta.rising(rocPercentageS, 3) and rocPercentageS < lenghtBUY
    strategy.entry("Buy", strategy.long)

if ta.falling(rocPercentageS, 3) and rocPercentageS > lenghtSELL
    strategy.close("Buy")


plot(rocPercentage, color=color.new(color.blue, 0), title="Percentage ROC")
plot(rocPercentageS, color=color.new(#21f32c, 0), title="Percentage ROC")
hline(0, color=color.new(color.gray, 0), title="Zero Line")
Lebih banyak

2019 FMZ - Semua hak dilindungi