資源の読み込みに... 荷物...
  1. スクエア
  2. KRK ADA 1H ストカスティック・スロー・戦略

KRK ADA 1H ストカスティック・スロー・戦略

作者: リン・ハーンチャオチャン,日付: 2024-04-12 16:26:06
タグ:エイマRSITPSLアールRNN

img

概要

この戦略は,ストコスタスティックスローオシレーターに基づく取引戦略であり,移動平均値,相対強度指数 (RSI),人工知能 (AI) 技術と組み合わせたものである.この戦略は,ストコスタスティックスローオシレーターのクロスオーバー信号を分析し,価格の位置を200日間の移動平均値と比較し,AIモデルによって生成された信号を組み込むことで,購入・売却信号を決定する.この戦略はリスク管理のためにテイク・プロフィートとストップ・ロスのレベルも設定する.

戦略の原則

  1. ストカスティック・スロー・オシレータを 30 の周期で計算する.このとき,K 値のスムージング期間は 18 で,D 値のスムージング期間は 7 である.
  2. 過剰購入値と過剰販売値をそれぞれ40と19で,最小K値を12で設定する.
  3. 傾向フィルターとして200日間の単純な移動平均を計算します.
  4. 購入・販売シグナルを生成するために,リキュラントニューラルネットワーク (RNN) モデルを使用します.
  5. ロングエントリー条件:価格が200日移動平均値を超越し,K値は過売値を下回り,最低K値は上回り,AI信号は1である.
  6. 短期入場条件:価格が200日移動平均値を下回り,K値は過剰購入の限界値と最低K値を超え,AI信号は-1である.
  7. ストカスティックオシレーターがクロスオーバーを示し,過剰購入または過剰販売条件を満たす場合も,買い/売る信号が生成されます.
  8. 利息のレベルを現在の価格より500ポイント上下,ストップ・ロスのレベルを現在の価格より200ポイント上下とします.

戦略 の 利点

  1. 複数の技術指標とAI技術を組み合わせて,戦略の堅牢性と適応性を向上させる.
  2. ストカスティック・スロー・オシレーターを使って,主要の買い・売る信号として,過剰購入・過剰販売の市場状況を効果的に把握します.
  3. 200日移動平均をトレンドフィルターとして導入し,トレンドに反する取引を避ける.
  4. 戦略のインテリジェンスを強化する 買い・売りシグナルを生成するために AIモデルを使用します
  5. リスクを効果的に管理するために 利得とストップ・ロスのレベルを明確に設定します

戦略リスク

  1. ストカスティックオシレーターは,特定の市場条件下で誤った信号を生成することがあります.
  2. AIモデルの有効性は 訓練データとモデル設計の質に依存し 不確実性が生じます
  3. 固定的な得益とストップ・ロスのレベルは,異なる市場変動条件にうまく適応できない可能性があります.
  4. この戦略には突然の市場動向や異常な変動に対応するメカニズムがない.

戦略の最適化方向

  1. ストカスティックオシレーターのパラメータを最適化し,例えばK値とD値の平滑期を調整し,指標の有効性を向上させる.
  2. 予測精度を向上させるため,より多くの市場特性とデータを組み込むことで,AIモデルの設計を改善する.
  3. 市場変動とリスクレベルに適応するダイナミックな収益とストップ・ロスのメカニズムを導入する.
  4. 市場情勢分析とイベント主導要因を導入し,突然の市場動向に対応する戦略の能力を強化する.
  5. 戦略の資本利用効率とリスク管理を最適化するために,ポジションサイズとマネジメントモジュールを追加することを検討します.

概要

この戦略は,ストーカスティックスローオシレーター,移動平均値,相対強度指数,AI技術を組み合わせて多要素の取引戦略を構築する.この戦略は,トレンドフィルターとインテリジェント信号生成を使用して強度と適応性を向上させる一方で,ストーカスティック・スローオシレーターを使用してオーバーバイトとオーバーセールシグナルを捕捉する.この戦略には,指標の失敗やモデル不確実性などの特定のリスクがありますが,指標パラメータを最適化し,AIモデルを強化し,ダイナミックなリスク管理措置を実施し,ポジションサイズ化とマネジメントのための追加のモジュールを組み込むことで軽減することができます.

/*backtest
start: 2024-03-12 00:00:00
end: 2024-04-11 00:00:00
period: 1h
basePeriod: 15m
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/

//@version=5
strategy("Stochastic Slow Strategy with More Entries and AI", overlay=true)

length = input.int(30, minval=1)
OverBought = input(40)
OverSold = input(19)
smoothK = input.int(18, minval=1)
smoothD = input.int(7, minval=1)
minKValue = input(12, title="Minimum K Value")

// Stochastic calculations
k = ta.sma(ta.stoch(close, high, low, length), smoothK)
d = ta.sma(k, smoothD)
co = ta.crossover(k, d)
cu = ta.crossunder(k, d)

// Trend filter (200-period simple moving average)
ema200 = ta.sma(close, 200)

// Define la función para calcular la señal de la red neuronal recurrente
rnn_signal(price_series) =>
    // Aquí implementa tu modelo de red neuronal recurrente para generar la señal
    // Puedes usar bibliotecas externas o implementar tu propio modelo aquí

    // Ejemplo de señal aleatoria
    signal = ta.rsi(price_series, 14) > 50 ? 1 : -1
    
    // Devuelve la señal generada por la red neuronal recurrente
    signal

// Calcula la señal utilizando la función definida anteriormente
ai_signal = rnn_signal(close)

// Entry conditions
longCondition = ta.crossover(close, ema200) and k < OverSold and k > minKValue and ai_signal == 1
shortCondition = ta.crossunder(close, ema200) and k > OverBought and k > minKValue and ai_signal == -1

if (not na(k) and not na(d))
    if (co and k < OverSold and k > minKValue)
        strategy.entry("LONG", strategy.long, comment="LONG")
        strategy.exit("ExitLong", "LONG", profit = close * 500, loss = close * 200)
    if (cu and k > OverBought and k > minKValue)
        strategy.entry("SHORT", strategy.short, comment="SHORT")
        strategy.exit("ExitShort", "SHORT", profit = close * 500, loss = close * 200)
    
if (longCondition)
    strategy.entry("LongEntry", strategy.long, comment="LongEntry")
    strategy.exit("ExitLongEntry", "LongEntry", profit = close * 500, loss = close * 200)
if (shortCondition)
    strategy.entry("ShortEntry", strategy.short, comment="ShortEntry")
    strategy.exit("ExitShortEntry", "ShortEntry", profit = close * 500, loss = close * 200)

// Plotting
plot(ema200, color=color.blue, title="200 SMA")
関連性
もっと

2019 FMZ - すべての権利は保護されています.