리소스 로딩... 로딩...

RSI 다레데빌 스쿼드러 융합 전략

저자:차오장, 날짜: 2023-11-02 14:52:03
태그:

전반적인 설명

이치모쿠 클라우드 (RSI Daredevil Squadron Fusion Strategy) 는 RSI 지표, 이치모쿠 클라우드 및 200일 이동 평균을 결합한 융합 전략이다. 이치모쿠 클라우드를 사용하여 트렌드 방향을 결정하고 200일 MA를 사용하여 거래 신호를 생성하기 전에 추가 신호 확인을 위한 지원/저항으로 사용한다.

전략 논리

우선, 이 전략은 RSI 지표를 사용하여 상승 또는 하락의 대담 패턴을 식별합니다. RSI 대담 패턴은 가격이 새로운 최고치를 달성하지만 RSI가 그렇지 않을 때 하락 패턴 또는 가격이 새로운 최저치를 달성하지만 RSI가하지 않을 때 상승 패턴을 의미합니다. 이 패턴은 종종 임박한 가격 반전을 암시합니다.

두 번째로, 전략은 이치모쿠 클라우드의 유도선 1과 유도선 2를 사용하여 트렌드 방향을 결정한다. 유도선 1이 유도선 2보다 높을 때 상승 추세가 확인되고, 이치모쿠 클라우드의 아래에서 하락 추세가 확인된다. 이치모쿠 클라우드는 전환선, 기본선, 그리고 뒤떨어진 스판의 조합을 통해 트렌드 방향을 결정하며 신뢰할 수 있는 트렌드 식별 도구로 간주된다.

마지막으로, 200일 이동 평균도 도입된다. MA는 종종 중요한 지지/저항 수준으로 간주된다. 이치모쿠 클라우드가 상승 추세를 보이고 가격이 200일 MA보다 높을 때, 상승 신호를 준다. 반대로, 클라우드가 하락 추세를 보이고 가격이 200일 MA보다 낮을 때, 하락 신호를 준다.

여러 지표의 신호를 결합함으로써 일부 잘못된 신호를 필터링하여 거래 결정을 더 신뢰할 수 있습니다. RSI가 과감한 패턴을 표시하고 Ichimoku 클라우드가 트렌드 방향을 확인하고 가격-MA 관계가 기대에 부응 할 때만이 전략이 실제 거래 신호를 생성 할 것입니다.

장점

이 다중 지표 융합 전략의 가장 큰 장점은 잘못된 신호를 필터링하고 거래 결정의 신뢰성을 향상시키는 것입니다.

첫째, RSI의 대담한 패턴 자체는 잠재적인 가격 반전을 미리 감지 할 수있는 예측 능력을 가지고 있습니다. 그러나 패턴 만으로는 거래 신호를 결정하기에 충분하지 않습니다.

둘째, 이치모쿠 클라우드 도입은 범위 제한 시장에서 잘못된 신호를 피하여 트렌드 방향 판단을 향상시킵니다. 선도 라인의 조합은 트렌드 식별에 매우 효과적입니다.

마지막으로, 200일 MA의 지지/저항 효과는 신호 신뢰성을 더욱 확인하는 데 도움이 됩니다. 이치모쿠 클라우드가 트렌드를 확인하고 가격-MA 관계가 적절할 때만 거래 신호가 생성됩니다.

요약하자면, 여러 지표에 대한 합의가 필요하기 때문에, 이 다중 지표 전략은 많은 잘못된 신호를 차단할 수 있으며, 정렬이 있을 때만 실제 신호를 생성할 수 있습니다. 이것이 전략의 가장 큰 장점입니다.

위험성

다중 지표 전략은 신호 품질을 향상시키는 데 도움이 되기는 하지만, 몇 가지 위험 요소가 주목되어야 합니다.

첫째, 더 복잡한 전략은 개별 지표가 잡을 수있는 기회를 놓칠 수 있습니다. 너무 보수적 인 것은 신호 생성 부족으로 이어질 수 있습니다.

두 번째로, 다른 지표들 사이에 충돌이 있을 수 있다. 예를 들어, RSI는 과감한 패턴을 보일 수 있고 이치모쿠 클라우드 트렌드는 충돌한다. 다른 지표들을 어떻게 균형 잡는지는 도전이다.

셋째, 매개 변수 설정 또한 전략에 큰 영향을 미칩니다. 부적절한 이동 평균 기간, RSI 매개 변수 등은 전략 성과를 약화시킬 수 있습니다.

마지막으로, 여전히 구성 요소 간의 최적화를 위한 많은 공간이 있습니다. 기계 학습 알고리즘은 변화하는 시장 조건에 기반한 동적 매개 변수 최적화를 가능하게 할 수 있습니다. 더 많은 지표가 더 나은 조합을 찾기 위해 테스트 될 수도 있습니다.

일반적으로 가장 큰 위험은 복합 지표 조합을 최적화하는 복잡성과 어려움이 증가합니다. 전략이 최대 잠재력을 발휘하려면 다양한 시장 환경에서 지속적인 테스트와 최적화가 필요합니다.

최적화 기회

이 전략에 대한 최적화 기회는 다음과 같습니다.

다른 지표 매개 변수 설정을 테스트하고 매개 변수를 최적화합니다. 이동 평균 기간, RSI 매개 변수 등을 평가하여 최적의 조합을 찾을 수 있습니다.
MACD, 볼링거 밴드 같은 다른 지표를 도입하여 멀티 지표 믹스를 풍부하게 만들고 더 나은 조합을 찾습니다.
기계 학습 알고리즘을 활용하여 시장 조건에 따라 매개 변수를 동적으로 최적화하여 전략이 자동으로 설정을 조정할 수 있습니다.
거래 위험을 제어하기 위해 스톱 로스 전략을 포함합니다. 가격이 지원/저항 수준을 통과 할 때 스톱 로스를 고려하십시오.
더 많은 기회를 위해 필터링 기준을 줄임으로써 진입 기회를 최적화하고, 동시에 위험과 보상을 균형 잡습니다.
리소스 사용량을 줄이고 효율성을 높이기 위해 백테스팅 결과를 기반으로 코드를 최적화합니다.
더 강력한 결합 신호를 찾기 위해 지표들 사이의 더 복잡한 관계를 탐구하지만 과도한 최적화 위험을 경계하십시오.

결론

RSI 다레데빌 스쿼드런 퓨전 전략은 멀티 지표 확인 메커니즘을 통해 잡음을 필터링하여 신호 품질을 향상시킵니다. 주요 장점은 여러 지표 합의이며 이는 잘못된 신호를 줄이는 동시에 복잡성을 도입합니다. 특히 매개 변수 및 지표 조합에 대해 미래 최적화에 많은 공간이 남아 있습니다. 전반적으로 더 많은 연구와 탐구에 가치가있는 비교적 보수적이고 신뢰할 수있는 거래 전략을 나타냅니다.

/*backtest
start: 2023-10-02 00:00:00
end: 2023-11-01 00:00:00
period: 3h
basePeriod: 15m
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/

// This source code is subject to the terms of the Mozilla Public License 2.0 at https://mozilla.org/MPL/2.0/
// © tradethrills

//@version=4
strategy("RSI Divergence X Ichimoku Cloud X 200EMA", overlay=true)

//RSI Indicator
len = input(defval=14, minval=1)
src = input(defval=close)
lbR = input(defval=5)
lbL = input(defval=5)
takeProfitLevellong = input(minval = 70, defval = 75)
takeProfitLevelshort = input(minval = 30, defval = 25)

rangeUpper = input(defval=60)
rangeLower = input(defval=5)

//200 EMA
ema200 = ema(close, 200)

//Ichimoku Cloud Indicator
conversionPeriods = input(9, minval=1)
basePeriods = input(26, minval=1)
laggingSpan2Periods = input(52, minval=1)
displacement = input(26, minval=1)

donchian(len) => avg(lowest(len), highest(len))

conversionLine = donchian(conversionPeriods)
baseLine = donchian(basePeriods)
leadLine1 = avg(conversionLine, baseLine)
leadLine2 = donchian(laggingSpan2Periods)

abovecloud =  max(leadLine1, leadLine2)
belowcloud = min(leadLine1, leadLine2)

//RSI Divergence Strategy

osc = rsi(src, len)
_inrange(cond) =>
    bars = barssince(cond == true)
    rangeLower <= bars and bars <= rangeUpper

pricelowfound = na(pivotlow(osc, lbL, lbR)) ? false : true
pricehighfound = na(pivothigh(osc, lbL, lbR)) ? false : true

//Regular Bullish
osc_higherlow = osc[lbR] > valuewhen(pricelowfound, osc[lbR], 1) and _inrange(pricelowfound[1])
price_lowerlow = low[lbR] < valuewhen(pricelowfound, low[lbR], 1)

bullCond = price_lowerlow and osc_higherlow and pricelowfound

//Hidden Bullish
osc_lowerlow = osc[lbR] < valuewhen(pricelowfound, osc[lbR], 1) and _inrange(pricelowfound[1])
price_higherlow = low[lbR] > valuewhen(pricelowfound, low[lbR], 1)

hiddenbullCond = price_higherlow and osc_lowerlow and pricelowfound

//Regular Bearish
osc_lowerhigh = osc[lbR] < valuewhen(pricehighfound, osc[lbR], 1) and _inrange(pricehighfound[1])
price_higherhigh = high[lbR] > valuewhen(pricehighfound, high[lbR], 1)

bearCond = price_higherhigh and osc_lowerhigh and pricehighfound

//Hidden Bearish
osc_higherhigh = osc[lbR] > valuewhen(pricehighfound, osc[lbR], 1) and _inrange(pricehighfound[1])
price_lowerhigh = high[lbR] < valuewhen(pricehighfound, high[lbR], 1)

hiddenbearCond = price_lowerhigh and osc_higherhigh and pricehighfound

//Entry and Exit
longCondition = (bullCond or hiddenbullCond) and (abovecloud > ema200)
closelongCondition = crossover(osc, takeProfitLevellong) 

shortCondition = (bearCond or hiddenbearCond) and (ema200 > belowcloud)
closeshortCondition = crossover(osc, takeProfitLevelshort)

strategy.entry("Long", strategy.long,  when=longCondition)
strategy.close("Long", when=closelongCondition)

strategy.entry("Short", strategy.short,  when=shortCondition)
strategy.close("Short", when=closeshortCondition)

더 많은

2019 FMZ - 모든 권리 보호