ChaoZhang
Ringkasan
Strategi ini menggunakan persilangan rata-rata bergerak sederhana dari dua periode yang berbeda untuk menilai arah tren dan melakukan perdagangan ketika tren muncul. Selain itu, strategi ini juga memperkenalkan panel ekspektasi untuk menghitung dan menampilkan ekspektasi keuntungan dari strategi ini dalam skala waktu yang berbeda, sehingga pengguna dapat menilai kinerja strategi dengan lebih baik.
Prinsip Strategi
Inti dari strategi ini adalah menggunakan cross-over dari simple moving average dari dua periode yang berbeda (dalam hal ini 14 dan 28 hari) untuk menilai tren pasar. Ketika rata-rata jangka pendek dari bawah ke atas melewati rata-rata jangka panjang, pasar dianggap masuk ke tren naik, strategi membuka posisi lebih banyak; sebaliknya, ketika rata-rata jangka pendek dari atas ke bawah melewati rata-rata jangka panjang, pasar dianggap masuk ke tren turun, strategi membuka posisi kosong. Dengan cara ini, strategi dapat beradaptasi dengan tren pasar yang berbeda, dan membangun posisi tepat waktu ketika tren muncul untuk mendapatkan keuntungan dari tren.
Selain penilaian tren dasar dan logika perdagangan, strategi ini juga memperkenalkan panel nilai ekspektasi untuk menghitung dan menampilkan pendapatan yang diharapkan dari strategi ini pada skala waktu yang berbeda (bulan dan tahun). Perhitungan nilai ekspektasi didasarkan pada indikator statistik kunci strategi selama periode sejarah, termasuk:
- Rasio kemenangan: persentase dari jumlah total transaksi yang dihasilkan oleh strategi dalam periode waktu tersebut
- Rata-rata keuntungan: jumlah keuntungan rata-rata dari semua perdagangan keuntungan dari strategi dalam periode waktu
- Rata-rata kerugian: jumlah kerugian rata-rata dari semua transaksi yang merugikan strategi dalam periode waktu tersebut
Dengan menggunakan indikator-indikator ini, dapat dihitung nilai yang diharapkan dari strategi dalam periode waktu tersebut: Harapan = Rasio Kemenangan × Rata-rata Keuntungan - (1 - Rasio Kemenangan) × Rata-rata Kerugian
Dengan menampilkan nilai ekspektasi untuk berbagai periode waktu dalam bentuk grafik panas, pengguna dapat melihat dengan jelas bagaimana strategi diharapkan untuk bekerja dalam berbagai kondisi pasar, sehingga lebih memahami kelayakan dan risiko strategi.
Analisis Keunggulan
Adaptif terhadap tren: Strategi ini dapat menyesuaikan posisi tepat waktu dalam tren pasar yang berbeda dengan menggunakan persilangan rata-rata bergerak untuk menilai tren. Ini memungkinkan strategi ini untuk mendapatkan keuntungan yang lebih baik di pasar yang sedang tren.
Penilaian kinerja intuitif: panel ekspektasi yang dibangun dalam bentuk grafik panas menunjukkan hasil yang diharapkan dari strategi dalam periode waktu yang berbeda, memungkinkan pengguna untuk menilai kinerja strategi dalam berbagai lingkungan pasar dengan mata kepala. Presentasi kinerja yang visual ini memberikan lebih banyak referensi keputusan kepada pengguna.
Perhitungan nilai ekspektasi tidak hanya mempertimbangkan probabilitas kemenangan strategi, tetapi juga mempertimbangkan dampak dari keuntungan rata-rata dan kerugian rata-rata. Perhitungan ini dapat mencerminkan kinerja sebenarnya dari strategi secara lebih komprehensif dan lebih akurat, memberikan referensi yang lebih andal bagi pengguna.
Fleksibel pengaturan parameter: Pengguna dapat dengan fleksibel mengatur tampilan atau tidaknya panel nilai yang diinginkan, serta transparansi panel. Hal ini memungkinkan pengguna untuk menyesuaikan tampilan grafik sesuai dengan preferensi mereka sendiri, meningkatkan pengalaman penggunaan.
Analisis risiko
Performa buruk di pasar yang bergolak: Karena strategi ini bergantung pada tren untuk mendapatkan keuntungan, dalam pasar yang bergolak atau di pasar yang tidak jelas tren, perdagangan yang sering dapat menyebabkan slippage dan biaya perdagangan yang lebih besar, sehingga mempengaruhi kinerja strategi secara keseluruhan.
Keterbatasan dalam menghitung nilai ekspektasi: Meskipun panel nilai ekspektasi memberikan cara yang intuitif untuk menilai kinerja strategi, itu masih dihitung berdasarkan data historis. Data historis mungkin tidak mencerminkan dengan baik kinerja strategi yang sebenarnya ketika ada perubahan besar di pasar atau ketika terjadi situasi ekstrem, dan nilai ekspektasi mungkin memiliki nilai referensi yang lebih rendah.
Pilihan parameter sangat berpengaruh: Kinerja strategi sangat tergantung pada pilihan siklus rata-rata bergerak. Kombinasi siklus yang berbeda dapat menghasilkan hasil perdagangan yang sangat berbeda. Jika parameter yang dipilih tidak sesuai dengan karakteristik pasar, kinerja sebenarnya dari strategi dapat menyimpang jauh dari nilai yang diharapkan.
Arah optimasi
Masukkan lebih banyak indikator teknis: Berdasarkan rata-rata bergerak yang ada, pertimbangkan untuk memasukkan indikator teknis lain seperti MACD, RSI, dan lain-lain untuk lebih memahami kekuatan dan keberlanjutan tren, sehingga meningkatkan waktu masuk dan keluar dari strategi.
Optimalkan manajemen posisi: Strategi saat ini mengambil pendekatan posisi tetap ketika sinyal perdagangan muncul. Anda dapat mempertimbangkan untuk menyesuaikan posisi secara dinamis sesuai dengan faktor-faktor seperti volatilitas pasar, kekuatan tren, dan lain-lain untuk mengendalikan risiko dan meningkatkan keuntungan.
Menambahkan mekanisme stop loss: Menambahkan mekanisme stop loss yang masuk akal ke dalam strategi dapat membantu strategi untuk mengunci keuntungan yang telah ada pada waktu yang tepat, sementara membatasi kemungkinan kerugian. Ini membantu meningkatkan rasio risiko / keuntungan strategi, sehingga dapat mempertahankan kinerja yang relatif stabil di berbagai lingkungan pasar.
Optimalkan penghitungan nilai ekspektasi: Metode penghitungan nilai ekspektasi dapat dioptimalkan lebih lanjut, seperti mempertimbangkan biaya transaksi, memperkenalkan jendela bergerak, dan lain-lain, untuk meningkatkan efektivitas dan kepraktisan indikator nilai ekspektasi. Selain itu, indikator penilaian kinerja strategi lainnya dapat dieksplorasi, memberikan referensi yang lebih komprehensif bagi pengguna.
Meringkaskan
Strategi ini menilai tren pasar dengan menggunakan persimpangan rata-rata bergerak dan mengambil posisi tepat waktu ketika tren muncul untuk mendapatkan keuntungan dari tren tersebut. Selain itu, strategi ini juga memperkenalkan panel ekspektasi yang intuitif untuk menampilkan ekspektasi strategi dalam skala waktu yang berbeda, memberikan referensi keputusan yang lebih banyak bagi pengguna. Meskipun strategi ini mungkin berkinerja buruk di pasar yang bergolak dan ekspektasi memiliki keterbatasan tertentu dalam perhitungan, dengan memperkenalkan lebih banyak indikator teknis, mengoptimalkan manajemen posisi, dan menambahkan langkah-langkah stop loss, strategi ini dapat ditingkatkan lebih lanjut untuk meningkatkan risiko-penghasilan, sehingga lebih dapat beradaptasi dengan banyak perubahan lingkungan pasar.
/*backtest
start: 2023-06-11 00:00:00
end: 2024-06-16 00:00:00
period: 1d
basePeriod: 1h
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/
// This Pine Script™ code is subject to the terms of the Mozilla Public License 2.0 at https://mozilla.org/MPL/2.0/
// © ir0nantc2
//@version=5
strategy("Expected Value Panel", overlay=true)
// ロングエントリー条件 / Long entry condition
longCondition = ta.crossover(ta.sma(close, 14), ta.sma(close, 28))
if (longCondition)
strategy.entry("My Long Entry Id", strategy.long)
// ショートエントリー条件 / Short entry condition
shortCondition = ta.crossunder(ta.sma(close, 14), ta.sma(close, 28))
if (shortCondition)
strategy.entry("My Short Entry Id", strategy.short)
// ■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■
// Please copy the code below and paste it into the strategy where you want to display the expected value.
// 以下のコードをコピーして期待値を表示させたいストラテジーに貼り付けて下さい。
// ■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■
// 表示選択 / Display selection
show_performance = input.bool(true, '期待値ON/OFF (Show Expected Value)', group='Expected Value / ©ir0nantc2')
transparency = input.int(50, '透過度 (Transparency)', minval=0, maxval=100, group='Expected Value / ©ir0nantc2')
prec = 2
// 背景色 / Background color
bg_color(value) =>
na(value) ? color.new(color.gray, transparency) : value > 0.0 ? color.new(color.green, transparency) :
value < 0.0 ? color.new(color.red, transparency) :color.new(color.gray, transparency)
// 利益と損失の追跡 / Track profits and losses
var float total_monthly_profit = 0.0
var float total_yearly_profit = 0.0
if show_performance
new_month = month(time) != month(time[1])
new_year = year(time) != year(time[1])
cur_month_pnl = 0.0, cur_year_pnl = 0.0
eq = strategy.equity
bar_pnl = eq / eq[1] - 1
// 月次・年次 期待値 / Monthly & Yearly Expected Value
cur_month_pnl := new_month ? 0.0 : (1 + cur_month_pnl[1]) * (1 + bar_pnl) - 1
cur_year_pnl := new_year ? 0.0 : (1 + cur_year_pnl[1]) * (1 + bar_pnl) - 1
// 年次および月次期待値を格納 / Store monthly and yearly expected values
var month_pnl = array.new_float(), var month_time = array.new_int()
var year_pnl = array.new_float(), var year_time = array.new_int()
// 期待値計算の変数 / Variables for expected value calculation
var month_wins = array.new_int(), var month_losses = array.new_int()
var month_avg_win = array.new_float(), var month_avg_loss = array.new_float()
var year_wins = array.new_int(), var year_losses = array.new_int()
var year_avg_win = array.new_float(), var year_avg_loss = array.new_float()
// 月次および年次期待値の配列更新 / Update arrays for monthly and yearly expected values
bool last_computed = false
if (not na(cur_month_pnl[1]) and (new_month or barstate.islastconfirmedhistory))
if (last_computed and array.size(month_pnl) > 0)
array.pop(month_pnl), array.pop(month_time)
array.pop(month_wins), array.pop(month_losses)
array.pop(month_avg_win), array.pop(month_avg_loss)
array.push(month_pnl, cur_month_pnl[1]), array.push(month_time, time[1])
array.push(month_wins, 0), array.push(month_losses, 0)
array.push(month_avg_win, 0.0), array.push(month_avg_loss, 0.0)
if (not na(cur_year_pnl[1]) and (new_year or barstate.islastconfirmedhistory))
if (last_computed and array.size(year_pnl) > 0)
array.pop(year_pnl), array.pop(year_time)
array.pop(year_wins), array.pop(year_losses)
array.pop(year_avg_win), array.pop(year_avg_loss)
array.push(year_pnl, cur_year_pnl[1]), array.push(year_time, time[1])
array.push(year_wins, 0), array.push(year_losses, 0)
array.push(year_avg_win, 0.0), array.push(year_avg_loss, 0.0)
last_computed := barstate.islastconfirmedhistory ? true : last_computed
// 勝ち取引と負け取引を追跡 / Track winning and losing trades
if (strategy.closedtrades > 0 and na(strategy.closedtrades[1]) == false)
closed_profit = strategy.netprofit - strategy.netprofit[1]
if closed_profit > 0
if array.size(month_wins) > 0
wins = array.get(month_wins, array.size(month_wins) - 1) + 1
avg_win = (array.get(month_avg_win, array.size(month_avg_win) - 1) * (wins - 1) + closed_profit) / wins
array.set(month_wins, array.size(month_wins) - 1, wins)
array.set(month_avg_win, array.size(month_avg_win) - 1, avg_win)
if array.size(year_wins) > 0
wins = array.get(year_wins, array.size(year_wins) - 1) + 1
avg_win = (array.get(year_avg_win, array.size(year_avg_win) - 1) * (wins - 1) + closed_profit) / wins
array.set(year_wins, array.size(year_wins) - 1, wins)
array.set(year_avg_win, array.size(year_avg_win) - 1, avg_win)
else
if array.size(month_losses) > 0
losses = array.get(month_losses, array.size(month_losses) - 1) + 1
avg_loss = (array.get(month_avg_loss, array.size(month_avg_loss) - 1) * (losses - 1) + closed_profit) / losses
array.set(month_losses, array.size(month_losses) - 1, losses)
array.set(month_avg_loss, array.size(month_avg_loss) - 1, avg_loss)
if array.size(year_losses) > 0
losses = array.get(year_losses, array.size(year_losses) - 1) + 1
avg_loss = (array.get(year_avg_loss, array.size(year_avg_loss) - 1) * (losses - 1) + closed_profit) / losses
array.set(year_losses, array.size(year_losses) - 1, losses)
array.set(year_avg_loss, array.size(year_avg_loss) - 1, avg_loss)
// 月次テーブル / Monthly table
var monthly_table = table(na)
if (barstate.islastconfirmedhistory)
monthly_table := table.new(position.bottom_right, columns = 14, rows = array.size(year_time) + 1, border_width = 1)
table.cell(monthly_table, 0, 0, "", bgcolor = #bbbbbb00)
table.cell(monthly_table, 1, 0, "Jan", bgcolor = #bbbbbb)
table.cell(monthly_table, 2, 0, "Feb", bgcolor = #bbbbbb)
table.cell(monthly_table, 3, 0, "Mar", bgcolor = #bbbbbb)
table.cell(monthly_table, 4, 0, "Apr", bgcolor = #bbbbbb)
table.cell(monthly_table, 5, 0, "May", bgcolor = #bbbbbb)
table.cell(monthly_table, 6, 0, "Jun", bgcolor = #bbbbbb)
table.cell(monthly_table, 7, 0, "Jul", bgcolor = #bbbbbb)
table.cell(monthly_table, 8, 0, "Aug", bgcolor = #bbbbbb)
table.cell(monthly_table, 9, 0, "Sep", bgcolor = #bbbbbb)
table.cell(monthly_table, 10, 0, "Oct", bgcolor = #bbbbbb)
table.cell(monthly_table, 11, 0, "Nov", bgcolor = #bbbbbb)
table.cell(monthly_table, 12, 0, "Dec", bgcolor = #bbbbbb)
table.cell(monthly_table, 13, 0, "Year", bgcolor = #bbbbbb)
// 年次データの集計 / Collecting yearly data
var year_total_pnl = array.new_float()
var year_exp_val = array.new_float()
for yt = 0 to array.size(year_time) - 1
total_year_wins = 0, total_year_losses = 0
total_year_avg_win = 0.0, total_year_avg_loss = 0.0
total_year_pnl = 0.0
for mt = 1 to 12
idx = -1
for j = 0 to array.size(month_time) - 1
if year(array.get(month_time, j)) == year(array.get(year_time, yt)) and month(array.get(month_time, j)) == mt
idx := j
break
if idx != -1
total_year_pnl := total_year_pnl + array.get(month_pnl, idx)
total_year_wins := total_year_wins + array.get(month_wins, idx)
total_year_losses := total_year_losses + array.get(month_losses, idx)
total_year_avg_win := total_year_avg_win + (array.get(month_avg_win, idx) * array.get(month_wins, idx))
total_year_avg_loss := total_year_avg_loss + (array.get(month_avg_loss, idx) * array.get(month_losses, idx))
total_year_avg_win := total_year_wins > 0 ? total_year_avg_win / total_year_wins : 0.0
total_year_avg_loss := total_year_losses > 0 ? total_year_avg_loss / total_year_losses : 0.0
win_rate = total_year_wins + total_year_losses > 0 ? total_year_wins / (total_year_wins + total_year_losses) : na
exp_val = win_rate ? (win_rate * total_year_avg_win) - ((1 - win_rate) * math.abs(total_year_avg_loss)) : na
array.push(year_total_pnl, total_year_pnl)
array.push(year_exp_val, exp_val)
for yt = 0 to array.size(year_time) - 1
table.cell(monthly_table, 0, yt + 1, str.tostring(year(array.get(year_time, yt))), bgcolor = #bbbbbb)
y_color = bg_color(array.get(year_exp_val, yt))
value_to_display = na(array.get(year_exp_val, yt)) ? "" : str.tostring(math.round(array.get(year_exp_val, yt) * 100, prec))
table.cell(monthly_table, 13, yt + 1, value_to_display, bgcolor = y_color, text_color=color.new(color.white, 0))
for mt = 0 to array.size(month_time) - 1
m_row = year(array.get(month_time, mt)) - year(array.get(year_time, 0)) + 1
m_col = month(array.get(month_time, mt))
if array.size(month_wins) > mt and array.size(month_losses) > mt and array.size(month_avg_win) > mt and array.size(month_avg_loss) > mt
win_rate = array.get(month_wins, mt) / (array.get(month_wins, mt) + array.get(month_losses, mt))
exp_val = (win_rate * array.get(month_avg_win, mt)) - ((1 - win_rate) * math.abs(array.get(month_avg_loss, mt)))
m_color = bg_color(exp_val)
value_to_display = na(exp_val) ? "" : str.tostring(math.round(exp_val * 100, prec))
table.cell(monthly_table, m_col, m_row, value_to_display, bgcolor = m_color, text_color=color.new(color.white, 0))
else
table.cell(monthly_table, m_col, m_row, "", bgcolor = color.new(color.gray, transparency), text_color=color.new(color.white, 0))
// [EOF]