리소스 로딩... 로딩...
  1. 사각형
  2. CT TTM 압축에 기반한 양적 거래 전략

CT TTM 압축에 기반한 양적 거래 전략

저자:차오장, 날짜: 2023-11-15 16:06:37
태그:

img

전반적인 설명

이 전략은 CT TTM Squeeze 지표를 사용하여 가격 추세를 파악하고 위험을 제어하기 위해 트레일링 스톱을 적용합니다. 이 전략은 CT TTM Squeeze에 기반한 트렌드 다음 전략 (Trend Following Strategy Based on CT TTM Squeeze) 이라고합니다.

전략 논리

이 전략은 CT TTM Squeeze 지표를 사용하여 가격 추세를 결정합니다. 구체적으로 다음과 같은 변수가 전략에서 정의됩니다.

  • e1 - 중단계의 중간점
  • osc - 직선적으로 회귀된 기간 동안 닫기 가격과 e1 사이의 차이에서 계산된 오시레이터
  • Diff - 볼링거 반드와 켈트너 채널의 차이
  • osc_color - 오시일레이터 색상을 지정
  • mid_color - 다른 색상을 지정

osc가 0을 넘으면 녹색으로 표시되며 길이를 나타냅니다. osc가 0을 넘으면 빨간색으로 표시되며 짧습니다.

OSC가 양수일 때, 길게, OSC가 음수일 때 짧게

이 전략은 트렌드 방향을 결정하기 위해 오시레이터 OSC를 사용하며, 긴/단기 모멘텀을 측정하기 위해 디프 (diff) 을 사용합니다. OSC가 0을 넘으면 상승 추세를 신호하며, 따라서 길게 이동합니다. OSC가 0을 넘으면 하락 추세를 신호하여, 따라서 짧게 이동합니다.

이점 분석

이 전략은 다음과 같은 장점을 가지고 있습니다.

  1. 트렌드를 결정하기 위해 CT TTM Squeeze를 사용하는 것은 상대적으로 높은 정확도를 가지고 있습니다. CT TTM Squeeze는 가격 트렌드를 효과적으로 식별 할 수있는 이동 평균, 볼링거 밴드 및 켈트너 채널을 포괄적으로 고려합니다.

  2. 긴/단 신호를 결정하기 위해 오시일레이터를 적용하면 트렌드가 아닌 구역에서 잘못된 신호를 피할 수 있습니다. 오시일레이터는 거래 신호에 작은 가격 변동의 영향을 효과적으로 필터링 할 수 있습니다.

  3. 트레일링 스톱은 각 거래에 대한 손실을 제한하여 위험을 제어하는 데 사용됩니다. 전략은 진입 후 적시에 스톱 손실을 설정하여 이익을 잠금하고 과도한 손실을 피 할 수 있습니다.

  4. 전략은 몇 가지 매개 변수를 가지고 있으며 최적화하기가 쉽습니다. 길이 매개 변수만으로 최적의 매개 변수 조합을 찾기 위해 빠른 테스트를 촉진합니다.

  5. 그래팅 함수는 신호를 명확하게 표시합니다. 다른 색상이 긴 / 짧은 신호와 강도를 구별하여 시각적으로 트렌드 판단을 제시합니다.

위험 분석

이 전략은 또한 다음과 같은 위험을 가지고 있습니다.

  1. CT TTM 압축은 특정 시장 조건에서 잘못된 신호를 생성하여 거래 손실로 이어질 수 있습니다. 가격이 격렬하게 변동할 때 잘못된 긴 / 짧은 신호를 생성 할 수 있습니다.

  2. 오시일레이터에서의 오차는 잘못된 거래 신호로 이어질 수 있습니다. 가격이 반전되었지만 오시일레이터가 회전하지 않은 경우 신호가 잘못 될 수 있습니다.

  3. 지나치게 공격적인 트레일링 스톱은 불필요한 손실을 유발할 수 있습니다. 정상적인 변동은 트레일링 스톱을 유발하고 스톱 레벨이 너무 가까이 설정되면 강제 출구 할 수 있습니다.

  4. 이 전략은 강세를 보이는 상품에만 적합하며, 범위에 묶인 시장에는 적합하지 않습니다. 주로 트렌드를 거래하기 때문에 불안한 통합 시장에서 성과가 좋지 않습니다.

  5. 과도한 최적화는 곡선 부착으로 이어질 수 있습니다. 매개 변수 최적화에서 과부착을 피하기 위해 주의가 필요합니다.

최적화 방향

이 전략은 다음과 같은 측면에서 최적화 될 수 있습니다.

  1. 신호 정확성을 위해 여러 지표를 결합합니다. MACD, KDJ와 같은 다른 지표가 입력 신호를 최적화하기 위해 추가 될 수 있습니다.

  2. 더 지능적인 스톱을 위해 스톱 손실 최적화 모듈을 추가합니다. 적응 스톱, 리미트 스톱과 같은 후속 스톱 방법을 테스트 할 수 있습니다.

  3. 고정 분자, 켈리 공식 등을 테스트함으로써 돈 관리를 최적화하십시오. 이것은 거래 리스크를 보장하면서 자본 사용 효율성을 향상시킬 수 있습니다.

  4. 적응력을 향상시키기 위해 특정 제품에 대한 세밀한 조정 매개 변수 제품 특성에 따라 매개 변수를 조정하면 전략 적합성을 향상시킬 수 있습니다.

  5. 적응 학습을 위해 기계 학습 알고리즘을 추가합니다. RNN, LSTM 등을 사용하면 전략의 적응 능력을 향상시킬 수 있습니다.

결론

이 전략은 트렌드 방향을 결정하기 위해 CT TTM Squeeze를 사용하며, 오시일레이터가 0을 입력 신호로 통과하고 위험을 관리하기 위해 후속 스톱을 사용합니다. 이 전략의 장점은 높은 정확성, 쉬운 최적화, 그러나 지표 실패, 너무 긴 스톱과 같은 위험이 있습니다. 향후 개선은 성능을 더욱 향상시키기 위해 멀티 지표 콤보, 스톱 최적화, 돈 관리 등을 통해 수행 할 수 있습니다.

/*backtest
start: 2023-10-15 00:00:00
end: 2023-11-14 00:00:00
period: 1d
basePeriod: 1h
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/

//@version=2
strategy("CT TTM Squeeze") 
length = input(title="Length",  defval=20, minval=0) 
bband(length, mult) =>
	sma(close, length) + mult * stdev(close, length)
keltner(length, mult) =>
	ema(close, length) + mult * ema(tr, length)
	
	
// Variables
e1 = (highest(high, length) + lowest(low, length)) / 2 + sma(close, length)
osc = linreg(close - e1 / 2, length, 0)
diff = bband(length, 2) - keltner(length, 1)
osc_color = osc[1] < osc[0] ? osc[0] >= 0 ? #00ffff : #cc00cc : osc[0] >= 0 ? #009b9b : #ff9bff
mid_color = diff >= 0 ? green : red

// Strategy

long = osc > 0
short = osc < 0

if long
    strategy.entry("Long", strategy.long)

if short
    strategy.entry("Short", strategy.short) 


plot(osc, color=osc_color, style=histogram, linewidth=2)
plot(0, color=mid_color, style=circles, linewidth=3)
더 많은

2019 FMZ - 모든 권리 보호