PSY 요인 업그레이드 및 변환

제 채널에 오신 모든 트레이더들을 환영합니다. 저는 CTA, HFT & Arbitrage 트레이딩 전략의 풀 스택 개발을 전문으로 하는 퀀트 개발자입니다. FMZ 플랫폼 덕분에 양적 개발과 관련된 더 많은 콘텐츠를 공유하고 양적 커뮤니티의 번영을 유지하기 위해 모든 거래자들과 함께 일할 것입니다.

오늘은 PSY (심리선) 요인의 업그레이드 및 변환을 소개합니다. 간단한 요인 관점에서 더 많은 시장 정보를 추가하고 단계적으로 변환하여 설명력과 논리력을 가진 강력한 요인으로 전환하는 방법을 보여드리겠습니다!!! 물론 이 기사를 읽은 후 변환 된 PSY 요인을 강력한 무기로 자신의 요인 라이브러리에 통합 할 수 있습니다~

PART1 초기 PSY 요인

PSY 요인 (Psychological Line) 은 시장 참여자의 감정이 가격 추세에 미치는 영향을 측정하는 데 사용되는 기술 분석 지표이다. 시장 상승과 하락에 대한 반응으로 투자자의 심리 변동을 연구하는 감정 지표이며 에너지와 상승-하락 지표의 일종이다. 단기 시장 추세를 판단하는 데 특정 참조 의미를 가지고 있습니다.

PSY 요인은 1991년 왕 야웨이 박사가 처음 제안했다. 그는 시장의 심리적 변화가 가격 추세와 밀접한 관련이 있다고 믿었고, 이러한 심리적 변화를 PSY 요인으로 정량화했다. 시장 변동을 분석하는 지표로, PSY 요인은 현재 시장이 강하거나 약하거나 과소매 또는 과소매 상태에 있는지 설명하기 위해 N K 라인 내의 전체 상승 및 하락 세력을 시간적으로 계산합니다. 주로 투자자의 심리적 내성을 측정합니다.

PSY 인수는 폐쇄 가격이 일정 기간 동안 상승 또는 하락하는 날 수를 기반으로합니다. 계산 방법은 매우 간단하며 계산 공식은 다음과 같습니다: PSY=(N K-라인 / N 내에서 상승하는 날 수) * 100. 여기서 N 기간은 선택된 계산 기간을 나타냅니다. 이는 여러 일, 몇 주 또는 몇 달이 될 수 있습니다. 상승하는 날 수는 N 기간 내에서 가격이 상승하는 거래 날 수를 나타냅니다. FMZ 플랫폼에 기반한 초기 PSY 함수 인수 소스 코드는:

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;
}

// Usage example
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 향상 (PSY+PRICE)

PSY 요인의 본질은 동력 요인이며, 어느 쪽이 과거에 더 강한지를 알아내는 것을 목표로 한 기간 동안 상승과 하락 세력의 근원 수를 비교하는 것을 측정합니다. 그러나 신중한 관찰을 통해 PSY 요인은 BAR 라인이 상승하고 있거나 떨어지는지 여부를 고려하고 BAR 자체에 대한 설명이 부족하고 시장 조건의 강도를 판단할 수 없다는 것을 발견 할 수 있습니다.

앞서 언급했듯이, 큰 상승 K 라인의 독특성은 PSY 지표에 반영되지 않으며, 이전 작은 하락 K 라인과 별다른 차이가없는 상승 라인으로만 취급됩니다. 상승과 하락의 수가 가격 변화의 규모와 방향을 완전히 설명 할 수 없기 때문에 문제가있는 곳입니다. 따라서 우리의 첫 번째 개선 아이디어는 상승과 하락 세력의 규모를 반영하기 위해 각 BAR의 가격 변화를 Abs (((C-C[1]) 로 가중화하는 것입니다. FMZ 플랫폼에 기반한 초기 PSY + PRICE 인수 함수의 소스 코드는:

PART3 최종 PSY 요인 (PSY+PRICE+VOL)

이전 단계의 수정 후, 변환 된 PSY 인수는 한 기간 동안의 강도와 약점을 더 잘 반영 할 수 있습니다. 그러나 상승 및 하락 범위가 그 기간 동안 기본적으로 일관되는지 잘 구별 할 수 없습니다. 이 시점에서 우리는 거래량 인수를 계속 추가합니다. 모멘텀 효과에서 증가 한 볼륨은 더 활동적인 시장을 나타냅니다. 증가 한 볼륨 상황은 모멘텀 방향을 더 잘 확인 할 수 있습니다. 아래 그림에서 보이는 것처럼:

지난 기간 동안 상승과 하락의 크기는 기본적으로 같았지만 상승의 부피는 우월한 상승력을 반영하여 하락의 부피를 훨씬 초과했습니다. 따라서 최종 PSY 인자에서 FMZ 플랫폼의 초기 PSY + PRICE 인자 함수 소스 코드를 기반으로 볼륨 인자 가중, VOLUME * ABS ((C-C [1]) 를 추가합니다.

PART4 PSY 요인 거래 신호의 구축

이전 기사에서 구성된 최종 PSY+PRICE+VOL 인자를 기반으로, 우리는 다음과 같이 모멘텀 신호의 몇 가지 구조를 제안하려고 노력합니다.

• psy[0] > X (과거의 한 기간 동안, 여러 힘의 비율은 X 값보다 크다.)
• psy[0] < Y (과거의 한 기간 동안, 여러 힘의 비율은 Y 값보다 작았습니다.)
• psy[0] > psy[1] 또는 psy[0] > psyma (지난 기간 동안 다양한 힘의 비율이 증가했습니다.)
• psy[0] < psy[1] 또는 psy[0] < psyma (시간이 지남에 따라 여러 힘의 비율이 감소했습니다.)

우리는 간단한 추진력 전략을 설계합니다. 요인을 탐지하기 위한 신호로요.

• 긴 포지션: PSY[0] > 70; 긴 포지션을 닫습니다: PSY[0] < 30;
• 가공: PSY[0] < 30; 가공 포지션을 닫습니다: PSY[0] > 70

바이낸스 U-표준 계약을 사용하여 PSY 요인 매개 변수는 12로 설계되었습니다. BTC-USDT 및 ETH-USDT 계약의 백테스팅은 2020년 2월 1일부터 2021년 12월 31일까지 10의 미끄러짐, 0.05%의 거래 수수료, 10배의 레버리지와 각 포지션의 5%의 원금으로 수행되었습니다.

BTC-USDT:

ETH-USDT:

5부 요약

이 기사에서는 전통적인 PSY 인수를 업그레이드하고 변형하여 PSY + 가격 + 볼륨 인수를 생성하여 지난 기간 동안의 황소와 곰의 힘을 볼륨과 가격 수준에서 측정할 수 있습니다. 고정된 수치 비교 또는 자기 강도 비교를 사용하여 대응하는 모멘텀 / 역전 신호를 구성 할 수 있습니다. 이 기사에서는 최종적으로 고정 된 수치 신호를 설정하고 간단한 전략 백테스팅을 수행하여 PSY + 가격 + 볼륨 인자가 불안정한 시장에서 어느 정도 모멘텀 움직임을 포착하여 긍정적 인 기대 수익을 얻을 수 있음을 발견했습니다. 더 많은 형태의 신호는 나중에 더 많은 유형의 요소 테스트를 위해 나중에 구축 할 수 있으며 최종적으로 기존 전략 라이브러리에 추가 될 수 있습니다.

FMZ 플랫폼 덕분에 문을 닫지 않고 바퀴를 재발견하지 않고 거래자들에게 소통할 수있는 훌륭한 장소를 제공했습니다. 거래의 길은 상승과 하락으로 가득 차 있지만 동료 거래자들의 따뜻함과 FMZ 플랫폼에서 노인들의 공유 경험에서 지속적인 학습으로 우리는 계속 성장 할 수 있습니다. FMZ에 모든 행운을 기원하며 모든 거래자가 장기적인 이익을 누릴 수 있습니다.