Strategi perdagangan mata uang kripto frekuensi tinggi yang menggabungkan persilangan rata-rata pergerakan TrippleMACD dengan indeks kekuatan relatif


Tanggal Pembuatan: 2024-03-22 15:41:46 Akhirnya memodifikasi: 2024-03-22 15:41:46
menyalin: 0 Jumlah klik: 358
1
fokus pada
1166
Pengikut

Strategi perdagangan mata uang kripto frekuensi tinggi yang menggabungkan persilangan rata-rata pergerakan TrippleMACD dengan indeks kekuatan relatif

Ringkasan

Artikel ini membahas strategi perdagangan cryptocurrency frekuensi tinggi yang didasarkan pada TrippleMACD rata-rata crossover dengan indikator yang relatif kuat (RSI). Strategi ini menggunakan tiga set indikator MACD dengan parameter yang berbeda dan rata-rata garis sinyal mereka, sambil menggabungkan indikator RSI untuk menentukan waktu pembelian dan penjualan yang optimal. Strategi ini dirancang khusus untuk perdagangan otomatis dalam kerangka waktu 1 menit, hanya mempertimbangkan perdagangan multihead.

Prinsip Strategi

Inti dari strategi ini adalah menggunakan tiga set indikator MACD dengan parameter yang berbeda untuk menangkap sinyal tren pada skala waktu yang berbeda. Dengan rata-rata garis sinyal dari tiga set indikator MACD ini, dapat secara efektif meredam kebisingan dan memberikan sinyal perdagangan yang lebih andal. Sementara itu, indikator RSI digunakan untuk mengkonfirmasi kekuatan tren multihead.

Selain itu, strategi ini juga menggunakan regresi linier untuk mengidentifikasi tahap penutupan pasar. Dengan menghitung rasio garis bawah dan entitas pada grafik, strategi ini dapat menilai apakah pasar saat ini berada dalam keadaan penutupan. Jika panjang garis atas dan bawah lebih dari dua kali panjang entitas, maka pasar dianggap berada dalam tahap penutupan, dan strategi ini akan menghindari perdagangan.

Analisis Keunggulan

  1. Analisis multi-skala waktu: Dengan menggunakan tiga set indikator MACD dengan parameter yang berbeda, strategi ini dapat menangkap sinyal tren pada skala waktu yang berbeda, meningkatkan akurasi dan keandalan perdagangan.

  2. Signal smoothing: dengan melakukan rata-rata pada garis sinyal dari tiga set indikator MACD, dapat secara efektif meredam kebisingan, menghindari sinyal yang dapat menimbulkan kesalahan yang mungkin dihasilkan oleh satu indikator.

  3. Konfirmasi tren: Kombinasi dengan indikator RSI untuk mengkonfirmasi kekuatan tren multi-headed, dapat meningkatkan lebih lanjut keandalan sinyal perdagangan.

  4. Identifikasi Saldo: Menggunakan regresi linier untuk mengidentifikasi fase saldo pasar, menghindari perdagangan dalam situasi yang bergolak, mengurangi risiko strategi.

  5. Automated Trading: Strategi ini dirancang khusus untuk perdagangan otomatis dalam kerangka waktu 1 menit, yang dapat merespons perubahan pasar dengan cepat dan melakukan perdagangan, meningkatkan efisiensi perdagangan.

Analisis risiko

  1. Optimasi parameter: Strategi ini melibatkan beberapa parameter, seperti siklus garis cepat dan lambat dari tiga kelompok indikator MACD, siklus indikator RSI, dll. Pilihan parameter ini memiliki pengaruh penting pada kinerja strategi, dan jika optimasi parameter tidak tepat, dapat menyebabkan penurunan kinerja strategi.

  2. Risiko over-adaptasi: Strategi mungkin bekerja dengan baik pada data historis tertentu, tetapi mungkin tidak dapat beradaptasi dengan perubahan pasar dalam aplikasi nyata, menyebabkan strategi gagal.

  3. Black Swan Event: Strategi ini didasarkan pada indikator-indikator teknis dan mungkin kurang responsif terhadap beberapa peristiwa fundamental yang signifikan, yang dapat menyebabkan strategi tidak berkinerja baik dalam kondisi pasar yang ekstrim.

Arah optimasi

  1. Adaptasi parameter dinamis: Bergantung pada perubahan kondisi pasar, parameter dalam strategi yang disesuaikan secara dinamis, seperti siklus garis cepat dan lambat MACD, siklus RSI, dan sebagainya, untuk menyesuaikan diri dengan lingkungan pasar yang berbeda.

  2. Menambahkan lebih banyak indikator: Berdasarkan indikator MACD dan RSI yang ada, pertimbangan untuk menambahkan indikator teknis lainnya, seperti Brinks, Moving Averages, dan lain-lain, dapat dipertimbangkan untuk meningkatkan akurasi dan keandalan sinyal perdagangan lebih lanjut.

  3. Optimasi manajemen risiko: Menambahkan langkah-langkah manajemen risiko yang lebih baik ke dalam strategi, seperti stop loss dinamis, manajemen posisi, dan lain-lain, untuk mengurangi risiko keseluruhan strategi.

  4. Optimasi Pembelajaran Mesin: Menggunakan algoritma pembelajaran mesin, seperti jaringan saraf, mesin vektor pendukung, dan lain-lain, untuk mengoptimalkan parameter strategi dan aturan perdagangan, meningkatkan fleksibilitas dan stabilitas strategi.

Meringkaskan

Strategi ini menggunakan tiga set parameter berbeda dari indikator MACD dan RSI untuk menghasilkan sinyal perdagangan yang andal, dan menggunakan regresi linier untuk mengidentifikasi tahap konsolidasi pasar, untuk menghindari perdagangan dalam kondisi yang bergolak. Keunggulan dari strategi ini adalah analisis sinyal pada skala waktu yang banyak, penyeimbangan sinyal, konfirmasi tren, konsolidasi, identifikasi dan otomatisasi perdagangan, tetapi ada juga risiko seperti optimasi parameter, overfitting, dan peristiwa black swan.

Kode Sumber Strategi
/*backtest
start: 2024-02-01 00:00:00
end: 2024-02-29 23:59:59
period: 1h
basePeriod: 15m
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/

//@version=5
//indicator("Triplle",shorttitle="Triplle MACD", overlay=true, scale = scale.none)
//indicator("Triplle","TrippleMACD",true)
strategy(title="TrippleMACD", shorttitle="TrippleMACD + RSI strategy", format=format.price, precision=4, overlay=true)

// RSI 
ma(source, length, type) =>
    switch type
        "SMA" => ta.sma(source, length)
        "Bollinger Bands" => ta.sma(source, length)
        "EMA" => ta.ema(source, length)
        "SMMA (RMA)" => ta.rma(source, length)
        "WMA" => ta.wma(source, length)
        "VWMA" => ta.vwma(source, length)

rsiLengthInput = input.int(14, minval=1, title="RSI Length", group="RSI Settings")
rsiSourceInput = input.source(close, "Source", group="RSI Settings")
maTypeInput = input.string("SMA", title="MA Type", options=["SMA", "Bollinger Bands", "EMA", "SMMA (RMA)", "WMA", "VWMA"], group="MA Settings")
maLengthInput = input.int(14, title="MA Length", group="MA Settings")
bbMultInput = input.float(2.0, minval=0.001, maxval=50, title="BB StdDev", group="MA Settings")
showDivergence = input.bool(false, title="Show Divergence", group="RSI Settings")

up = ta.rma(math.max(ta.change(rsiSourceInput), 0), rsiLengthInput)
down = ta.rma(-math.min(ta.change(rsiSourceInput), 0), rsiLengthInput)
rsi = down == 0 ? 100 : up == 0 ? 0 : 100 - (100 / (1 + up / down))
rsiMA = ma(rsi, maLengthInput, maTypeInput)
isBB = maTypeInput == "Bollinger Bands"

//rsiPlot = plot(rsi, "RSI", color=#7E57C2)
//plot(rsiMA, "RSI-based MA", color=color.yellow)
//rsiUpperBand = hline(70, "RSI Upper Band", color=#787B86)
//midline = hline(50, "RSI Middle Band", color=color.new(#787B86, 50))
//rsiLowerBand = hline(30, "RSI Lower Band", color=#787B86)
//fill(rsiUpperBand, rsiLowerBand, color=color.rgb(126, 87, 194, 90), title="RSI Background Fill")
bbUpperBand = plot(isBB ? rsiMA + ta.stdev(rsi, maLengthInput) * bbMultInput : na, title = "Upper Bollinger Band", color=color.green)
bbLowerBand = plot(isBB ? rsiMA - ta.stdev(rsi, maLengthInput) * bbMultInput : na, title = "Lower Bollinger Band", color=color.green)
//fill(bbUpperBand, bbLowerBand, color= isBB ? color.new(color.green, 90) : na, title="Bollinger Bands Background Fill")

//midLinePlot = plot(50, color = na, editable = false, display = display.none)
//fill(rsiPlot, midLinePlot, 100, 70, top_color = color.new(color.green, 0), bottom_color = color.new(color.green, 100),  title = "Overbought Gradient Fill")
//fill(rsiPlot, midLinePlot, 30,  0,  top_color = color.new(color.red, 100), bottom_color = color.new(color.red, 0),      title = "Oversold Gradient Fill")

// Divergence
lookbackRight = 5
lookbackLeft = 5
rangeUpper = 60
rangeLower = 5
bearColor = color.red
bullColor = color.green
textColor = color.white
noneColor = color.new(color.white, 100)

plFound = na(ta.pivotlow(rsi, lookbackLeft, lookbackRight)) ? false : true
phFound = na(ta.pivothigh(rsi, lookbackLeft, lookbackRight)) ? false : true
_inRange(cond) =>
	bars = ta.barssince(cond == true)
	rangeLower <= bars and bars <= rangeUpper

//------------------------------------------------------------------------------
// Regular Bullish
// rsi: Higher Low

rsiHL = rsi[lookbackRight] > ta.valuewhen(plFound, rsi[lookbackRight], 1) and _inRange(plFound[1])

// Price: Lower Low

priceLL = low[lookbackRight] < ta.valuewhen(plFound, low[lookbackRight], 1)
bullCondAlert = priceLL and rsiHL and plFound
bullCond = showDivergence and bullCondAlert

// plot(
//      plFound ? rsi[lookbackRight] : na,
//      offset=-lookbackRight,
//      title="Regular Bullish",
//      linewidth=2,
//      color=(bullCond ? bullColor : noneColor)
//      )

// plotshape(
// 	 bullCond ? rsi[lookbackRight] : na,
// 	 offset=-lookbackRight,
// 	 title="Regular Bullish Label",
// 	 text=" Bull ",
// 	 style=shape.labelup,
// 	 location=location.absolute,
// 	 color=bullColor,
// 	 textcolor=textColor
// 	 )

//------------------------------------------------------------------------------
// Regular Bearish
// rsi: Lower High

rsiLH = rsi[lookbackRight] < ta.valuewhen(phFound, rsi[lookbackRight], 1) and _inRange(phFound[1])

// Price: Higher High

priceHH = high[lookbackRight] > ta.valuewhen(phFound, high[lookbackRight], 1)

bearCondAlert = priceHH and rsiLH and phFound
bearCond = showDivergence and bearCondAlert

// plot(
// 	 phFound ? rsi[lookbackRight] : na,
// 	 offset=-lookbackRight,
// 	 title="Regular Bearish",
// 	 linewidth=2,
// 	 color=(bearCond ? bearColor : noneColor)
// 	 )

// plotshape(
// 	 bearCond ? rsi[lookbackRight] : na,
// 	 offset=-lookbackRight,
// 	 title="Regular Bearish Label",
// 	 text=" Bear ",
// 	 style=shape.labeldown,
// 	 location=location.absolute,
// 	 color=bearColor,
// 	 textcolor=textColor
// 	 )
// END RSI

// Getting inputs
stopLuse          = input(1.040)
fast_length = input(title = "Fast Length", defval = 5)
slow_length = input(title = "Slow Length", defval = 8)
fast_length2 = input(title = "Fast Length2", defval = 13)
slow_length2 = input(title = "Slow Length2", defval = 21)
fast_length3 = input(title = "Fast Length3", defval = 34)
slow_length3 = input(title = "Slow Length3", defval = 144)
fast_length4 = input(title = "Fast Length3", defval = 68)
slow_length4 = input(title = "Slow Length3", defval = 288)
src = input(title = "Source", defval = close)
signal_length2 = input.int(title="Signal Smoothing", minval = 1, maxval = 200, defval = 11)
signal_length = input.int(title = "Signal Smoothing",  minval = 1, maxval = 50, defval = 9)
sma_source = input.string(title = "Oscillator MA Type",  defval = "EMA", options = ["SMA", "EMA"])
sma_signal = input.string(title = "Signal Line MA Type", defval = "EMA", options = ["SMA", "EMA"])
// Calculating
fast_ma = sma_source == "SMA" ? ta.sma(src, fast_length) : ta.ema(src, fast_length)
slow_ma = sma_source == "SMA" ? ta.sma(src, slow_length) : ta.ema(src, slow_length)

fast_ma2 = sma_source == "SMA2" ? ta.sma(src, fast_length2) : ta.ema(src, fast_length2)
slow_ma2 = sma_source == "SMA2" ? ta.sma(src, slow_length2) : ta.ema(src, slow_length2)

fast_ma3 = sma_source == "SMA3" ? ta.sma(src, fast_length3) : ta.ema(src, fast_length3)
slow_ma3 = sma_source == "SMA3" ? ta.sma(src, slow_length3) : ta.ema(src, slow_length3)

fast_ma4 = sma_source == "SMA3" ? ta.sma(src, fast_length3) : ta.ema(src, fast_length3)
slow_ma4 = sma_source == "SMA3" ? ta.sma(src, slow_length3) : ta.ema(src, slow_length3)

macd = fast_ma - slow_ma
macd2 = fast_ma2 - slow_ma2
macd3 = fast_ma3 - slow_ma3
macd4 = fast_ma4 - slow_ma4

signal = sma_signal == "SMA" ? ta.sma(macd, signal_length) : ta.ema(macd, signal_length)
signal2 = sma_signal == "SMA" ? ta.sma(macd2, signal_length) : ta.ema(macd2, signal_length)
signal3 = sma_signal == "SMA" ? ta.sma(macd3, signal_length) : ta.ema(macd3, signal_length)
signal4 = sma_signal == "SMA" ? ta.sma(macd4, signal_length) : ta.ema(macd4, signal_length)
//hist = (macd + macd2 + macd3)/1 - (signal + signal2 + signal3)/1
hist = (macd + macd2 + macd3 + macd4)/4 - (signal + signal2 + signal3 + signal4)/4
signal5 = (signal + signal2 + signal3)/3

sma_signal2 = input.bool(title="Simple MA (Signal Line)", defval=true)

lin_reg = input.bool(title="Lin Reg", defval=true)
linreg_length = input.int(title="Linear Regression Length", minval = 1, maxval = 200, defval = 11)

bopen = lin_reg ? ta.linreg(open, linreg_length, 0) : open
bhigh = lin_reg ? ta.linreg(high, linreg_length, 0) : high
blow = lin_reg ? ta.linreg(low, linreg_length, 0) : low
bclose = lin_reg ? ta.linreg(close, linreg_length, 0) : close

shadow = (bhigh - bclose) + (bopen - blow)
body = bclose - bopen
perc = (shadow/body)
cond2 = perc >=2 and bclose+bclose[1]/2 > bopen+bopen[1]/2

r = bopen < bclose

//signal5 = sma_signal2 ? ta.sma(bclose, signal_length) : ta.ema(bclose, signal_length)
plotcandle(r ? bopen : na, r ? bhigh : na, r ? blow: na, r ? bclose : na, title="LinReg Candles", color= color.green, wickcolor=color.green, bordercolor=color.green, editable= true)
plotcandle(r ? na : bopen, r ? na : bhigh, r ? na : blow, r ? na : bclose, title="LinReg Candles", color=color.red, wickcolor=color.red, bordercolor=color.red, editable= true)
//alertcondition(hist[1] >= 0 and hist < 0, title = 'Rising to falling', message = 'The MACD histogram switched from a rising to falling state')
//alertcondition(hist[1] <= 0 and hist > 0, title = 'Falling to rising', message = 'The MACD histogram switched from a falling to rising state')

green = hist >= 0 ? (hist[1] < hist ? "G" : "GL") : (hist[1] < hist ? "RL" : "R")
Buy = green == "G" and green[1] != "G" and green[1] != "GL" and bopen < bclose and rsi < 55.0 //and not cond2
//StopBuy = (green == "R" or green == "RL" or green == "RL") and bopen > bclose and bopen[1] < bclose[1]
StopBuy = bopen > bclose and bopen[1] < bclose[1] and (green == "G" or green == "GL" or green == "R") and bopen[2] < bclose[2] and bopen[3] < bclose[3]
hists = close[3] < close[2] and close[2] < close[1]
//Buy = green == "RL" and hist[0] > -0.07 and hist[0] < 0.00 and rsi < 55.0 and hists
//StopBuy = green == "GL" or green == "R"
alertcondition(Buy, "Long","Покупка в лонг")
alertcondition(StopBuy, "StopLong","Закрытие сделки")

//hline(0, "Zero Line", color = color.new(#787B86, 50))
plot(hist + (close - (close * 0.03)), title = "Histogram", style = plot.style_line, color = (hist >= 0 ? (hist[1] < hist ? #26A69A : #B2DFDB) : (hist[1] < hist ? #FFCDD2 : #FF5252)))
plotshape(Buy ? low : na, 'Buy', shape.labelup, location.belowbar , color=color.new(#0abe40, 50), size=size.small, offset=0)
plotshape(StopBuy ? low : na, 'Buy', shape.cross, location.abovebar , color=color.new(#be0a0a, 50), size=size.small, offset=0)
plot(macd4  + (close - (close * 0.01)),   title = "MACD",   color = #2962FF)
plot(signal5 + (close - (close * 0.01)), title = "Signal", color = #FF6D00)

plotchar(cond2 , char='↓', color = color.rgb(0, 230, 119), text = "-")

if (Buy)
    strategy.entry("long", strategy.long)

// if (startShortTrade)
//     strategy.entry("short", strategy.short)

profitTarget = strategy.position_avg_price * stopLuse
strategy.exit("Take Profit", "long", limit=profitTarget)
// strategy.exit("Take Profit", "short", limit=profitTarget)