PSY (정신 라인) 요인 업그레이드 및 변형

안녕하세요~ 내 채널에 오신 것을 환영합니다!

트레이더 여러분, 제 채널에 오신 것을 환영합니다. 저는 CTA & HFT & Arbitrage와 같은 거래 전략을 개발하는 양자 개발자입니다. FMZ 플랫폼을 통해, 저는 제 양화 채널에서 양화 개발 관련 콘텐츠를 더 많이 공유하고, 거래자들과 함께 양화 커뮤니티의 번영을 유지합니다.

더 많은 정보를 얻으려면 제 채널로 이동하세요.수업자 양산집

오늘 수량화 가옥을 만드는 사람들은 PSY (정신 라인) 인자를 업그레이드하고 변형합니다. 어떻게 간단한 인자 관점에서 더 많은 시장 정보를 추가하고 단계적 인식을 할 수 있는지, 궁극적으로 더 설명 가능한 논리적인 강 인자가 될 수 있습니다.

PART1 초기 PSY 요인

PSY 요인 (psychological line) 은 시장 참여자의 감정이 가격 움직임에 미치는 영향을 측정하는 기술 분석 지표이며, 시장 하락에 대한 투자자의 감정 지표이며, 에너지 클래스 및 하락 클래스 지표이다. 그것은 시장 단기 흐름에 대한 연구 기기에 대한 특정 참조 의미를 가지고 있다.

PSY 요인은 1991년 Wang Yawei 박사가 처음 제시한 것으로, 시장의 심리적 변화는 가격운동과 밀접하게 연관되어 있으며, 심리적 변화는 PSY 요인으로 정량화된다. 시장 분석의 하락 지표로서, PSY 요인은 N 루트 K 라인 내의 복수공간 총력을 시간적 관점에서 계산하여 시장이 현재 강하거나 약하거나 과잉 구매 또는 과잉 판매 상태에 있는지 설명한다. 그것은 주로 N 루트 K 라인 내의 K 루트 K 라인 내의 어느 정도를 계산함으로써 투자자의 심리적 견딜 수 있는 능력을 측정하여 투자자에게 매매 작전을 수행할 수 있는 참조를 제공합니다.

PSY 인수는 한 기간 동안 마감 가격 상승하락의 날 수를 기준으로 계산하는 방법이다. 계산 방법은 간단합니다. 공식은 다음과 같습니다: PSY= ((N 루트 K 라인 내 상승하락의 날 수/N) * 100, 여기서, N 주기는 선택된 계산 주기를 나타냅니다. 며칠, 몇 주 또는 몇 달이 될 수 있습니다. 상승하락의 날 수는 N 주기에 상승한 가격이 발생하는 거래 날을 나타냅니다. FMZ 플랫폼에 기반한 초기 PSY 인수 함수 소스코드:

function calculatePSY(data, n) {
  let count = 0;
  for (let i = data.length - n; i < data.length; i++) {
    if (data[i] > data[i - 1]) {
      count++;
    }
  }
  return (count / n) * 100;
}

// 使用示例
let closePrices = [10, 12, 13, 11, 14, 15, 16, 17, 18, 20];
let nPeriod = 5;
let psyFactor = calculatePSY(closePrices, nPeriod);
Log(psyFactor);

PART2 PSY 요인을 강화하는 PSY+PRICE

PSY 요인은 본질적으로 동력 요인이며, 과거 시간 동안의 추락 힘의 근원 수를 비교하는 방법을 측정하는 방법이며, 이는 과거 시간 동안의 힘이 더 큰 쪽을 찾는 것을 목적으로 한다. 그러나, 신중한 관찰은 PSY 요인이 BAR 라인을 상승 또는 하락으로만 고려하는 것을 발견하고 있으며, BAR 자체에 대한 설명이 부족하여 시장 강도에 대한 판단이 불가능하여 다음과 같은 상황을 초래한다.

위 그림에서 보여준 바와 같이, 큰 일선의 특수성은 PSY 지표에 나타나지 않으며, 단지 상승한 선과 앞의 작은 일선의 차이로만 나타난다. 이것이 바로 문제이다. 상승과 하락의 빈도는 가격 변화의 폭과 방향을 완전히 설명하지 못한다. 따라서, 우리가 처음으로 개선한 아이디어는 각 BAR와 무게 가격의 변화 Abs ((C-C[1]) 에 대한 반응으로 하락 힘의 크기이다. FMZ 플랫폼에 기반한 초기 PSY+PRICE 인수 함수 소스코드:

PART3 최종 PSY 요인 ((PSY+PRICE+VOL)

이전 단계의 개조를 거쳐, 개조된 PSY 요인은 과거의 강점과 약점을 더 잘 반영할 수 있지만, 지난 기간 동안 상승과 하락의 정도가 기본적으로 일치하는 경우 잘 구분할 수 없다. 이 때 우리는 거래량 요인을 추가하고, 동력 효과에서, 양량은 시장을 더 적극적으로 대표하고, 양량은 동력 방향을 더 잘 확인한다. 아래 그림에서 보여준 것처럼:

따라서 최종 PSY 인수에서 우리는 FMZ 플랫폼에 기반한 초기 PSY+PRICE 인수 함수의 소스코드인 트랜잭션 인수 가중, VOLUME*Abs ((C-C[1]) 를 추가합니다:

PART4 PSY 인자 트레이딩 신호 구조

앞서 구성된 최종 PSY+PRICE+VOL 요인을 바탕으로 다음과 같은 몇 가지 동력 신호의 구조를 제안하려고 시도했습니다.

• psy[0] > X (지난 시간 동안, 다방면 힘 비율은 X 값보다 크다)
• psy[0] < Y (지난 기간 동안, 다방위 힘 비율은 Y 값보다 작습니다)
• psy[0] > psy[1] or psy[0] > psyma (지난 기간 동안, 다방면 힘은 값보다 커졌다)
• psy[0] < psy[1] or psy[0] < psyma ((지난 한동안 다방위 힘의 비중이 감소했다)

우리는 신호를 사용하여 간단한 동력 전략을 설계했습니다.

• 더하기: PSY[0] > 70; 더하기: PSY[0] < 30;
• 공공: PSY[0] < 30; 평공: PSY[0] > 70;

이 코트에는 PSY 인수 파라미터로 설계된 12, BTC-USDT, ETH-USDT 코트 재검토가 적용되며, 2020-02-01에서 2021-12-31까지 유효기간이 있으며, 슬라이드 포인트 10, 처리 수수료 5만 10배의 레버리지, 각 포지션의 잔액 자본금 5%입니다.

BTC-USDT:

ETH-USDT:

PART5?? 요약??

이 책에서는 기존의 PSY 요인을 업그레이드하고 변형하여 PSY + PRICE + VOL 요인을 통해 지난 주기의 양쪽 힘의 강도와 약도를 측정할 수 있으며, 고정된 수치 비교 또는 자체 강도와 약도를 사용하여 적절한 동력/반응을 구축할 수 있다. 이 책은 최종적으로 고정된 수치 신호를 구축하고 간단한 전략 재검토를 실시하여 PSY + PRICE + VOL 요인이 큰 변동 시장에서 동력 움직임을 포착하고, 특정 수준에서 긍정적 인 수익을 얻은 후 더 많은 형태의 신호를 구성하고, 더 많은 카테고리 요인 검사를 수행하고, 최종적으로 전략 가구에 추가된 것으로 밝혀졌다.

FMZ 플랫폼에 감사하고, 문을 닫지 않고 바퀴를 만들어, 많은 거래자를 위해 이러한 좋은 교환 성지를 제공합니다. 거래의 길은 거칠고, 거래자는 따뜻하고, FMZ 플랫폼에서 모든 선두 주자의 공유를 계속 배우고 계속 성장합니다. FMZ가 점점 더 좋아지고, 거래자의 이익이 지속되기를 바랍니다.