LazyBearの圧縮動量指標に基づく量化取引戦略

作者: リン・ハーンチャオチャン,日付: 2024-02-05 14:48:01
タグ:

基于LazyBear压缩动量指标的量化交易策略

概要

この戦略は,LazyBearの圧縮動力指標をベースに,動力フィルターを追加し,データソースを変更し,リスク管理システムを追加し,波動圧縮後の価格爆発を捉えるために,カスタマイズ可能な回計時間を追加した.

戦略の原理

この戦略は,ブリンズ帯指標とケルトナー通路指標を用いて価格通路を計算し,価格が通路を突破すると波動が増加する信号として見なされる.これはLazyBearの圧縮動力指標を組み合わせ,この指標は線形回帰方法を使用して価格動力の方向性を判断する.

戦略は動力フィルタを追加し,動力絶対値が値を超えるとのみ取引信号を発します. 波動が圧縮 (通路内収縮) され,動力フィルタが通過すると,戦略は傾向の方向を判断し,多減または空減します. 同時に,リスクを管理するために停止損失,停止阻害,追跡停止損失を設定します.

優位性分析

この戦略は,複数の指標判断を統合し,より包括的に比較する. リスク管理メカニズムを追加し,単一の損失を制限することができます. 変動が圧縮された後に,価格の傾向の方向を迅速に判断することができます. パラメータはカスタマイズされ,適応性が高い.

リスク分析

リスクは主に存在する:偽の突破が誤った判断を引き起こす;パラメータが正しく設定され,間に合わない逆転;ストップダメージが突破され,損失が拡大する.パラメータを最適化し,リスク管理パラメータを調整し,適切な品種と取引時間を選択してこれらのリスクを軽減することができます.

優化方向

取引量指標などの他の指標のフィルタリング信号を組み合わせたり,動量値をより正確に調整したり,リスクをさらにコントロールするためにリコールストップを設定したり,より多くの種類のデータ効果をテストしたり,これらの最適化により戦略がより安定し,一般化することが考えられます.

概要

この戦略は,価格の傾向と変動をより包括的に判断し,高度な統合度,リスク管理策がより完善し,最適化方向に合わせてさらに改善することができる.

/*backtest
start: 2024-01-05 00:00:00
end: 2024-02-04 00:00:00
period: 2h
basePeriod: 15m
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/

// @version=4
// Strategy based on LazyBear Squeeze Momentum Indicator
// © Bitduke
// All scripts: https://www.tradingview.com/u/Bitduke/#published-scripts

strategy(shorttitle="SMS", title="Squeeze Momentum Strategy", overlay=false )

length = input(12, title="BB Length")
mult = input(2.0, title="BB MultFactor")
lengthKC = input(16, title="KC Length")
mult_kc = input(1.5, title="KC MultFactor")


//FILTERS
useMomAverage = input(false, title="Filter for Momenutum value", type=input.bool)
MomentumMin = input(20, title="Min for momentum")

// Calculate BB
src = ohlc4

ma_1 = sma(src, length)
ma_2 = sma(src, lengthKC)
range_ma = sma(high - low, lengthKC)

dev = mult * stdev(src, length)

upper_bb = ma_1 + dev
lower_bb = ma_1 - dev

upper_kc = ma_2 + range_ma * mult_kc
lower_kc = ma_2 - range_ma * mult_kc

sqz_on = lower_bb > lower_kc and upper_bb < upper_kc
sqz_off = lower_bb < lower_kc and upper_bb > upper_kc
no_sqz = sqz_on == false and sqz_off == false

val = linreg(src - avg(avg(highest(hl2, lengthKC), lowest(low, lengthKC)), sma(hl2, lengthKC)), lengthKC, 0)

bcolor = iff(val > 0, iff(val > nz(val[1]), color.lime, color.green), iff(val < nz(val[1]), color.red, color.maroon))
scolor = no_sqz ? color.blue : sqz_on ? color.black : color.aqua
plot(val, color=bcolor, style=plot.style_histogram, linewidth=4)
plot(0, color=scolor, style=plot.style_cross, linewidth=2)

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

//standard condition
longCondition = scolor[1] != color.aqua and scolor == color.aqua and bcolor == color.lime and filterMom
exitLongCondition = bcolor == color.green
shortCondition = scolor[1] != color.aqua and scolor == color.aqua and bcolor == color.red and filterMom
exitShortCondition = bcolor == color.maroon

// Risk Management Sysyem
stop_loss = input(defval = 600, title="Stop Loss", minval = 0)
take_profit = input(defval = 1000, title="Take Profit", minval = 0)
trailing_stop = input(defval = 20, title="Trailing Stop", minval = 0)
// If the zero value is set for stop loss, take profit or trailing stop, then the function is disabled
s_loss = stop_loss >= 1 ? stop_loss : na
tk_profit = take_profit >= 1 ? take_profit : na
tr_stop = trailing_stop >= 1 ? trailing_stop : na


//STRATEGY
strategy.entry("SQ_Long", strategy.long, when=longCondition)
strategy.exit("Exit Long", from_entry = "SQ_Long", profit = take_profit, trail_points = trailing_stop, loss = s_loss)
strategy.close("SQ_Long", exitLongCondition)

strategy.entry("SQ_Short", strategy.short, when=shortCondition)
strategy.exit("Exit Short", from_entry = "SQ_Short", profit = take_profit, trail_points = trailing_stop, loss = s_loss )
strategy.close("SQ_Short", when=exitShortCondition)

もっと見る

2019 - FMZ - 発明者定量化