CT TTM 지표를 기반으로 한 양적 거래 전략


생성 날짜: 2023-11-15 16:06:37 마지막으로 수정됨: 2023-11-15 16:06:37
복사: 0 클릭수: 443
1
집중하다
1179
수행원

CT TTM 지표를 기반으로 한 양적 거래 전략

개요

이 전략은 CT TTM 지표를 사용하여 가격의 흐름을 식별하고, 트래킹 스톱을 사용하여 위험을 제어한다. 전략은 CT TTM 지표에 기반한 트렌드 트래킹 전략이라고 한다.

전략 원칙

이 전략은 CT TTM 지표를 사용하여 가격 동향을 판단한다. 구체적으로, 전략은 다음과 같은 변수를 정의한다:

  • e1 - 중간값
  • osc - e1 주기의 종식 가격과 e1의 차이를 계산하고 선형 회귀를 수행하여 얻은 진동기
  • diff - 브린 벨트와 켄터터 통로 사이의 차이
  • osc_color - osc의 다른 색을 지정합니다.
  • mid_color - 다른 색을 지정합니다.

0축을 가로질러 올라간다면, 녹색으로 표시되어, 다중을 나타냅니다. 0축을 가로질러 내려간다면, 빨간색으로 표시되어, 공백을 나타냅니다.

오스카가 양성일 때, 더 많이 하고, 오스카가 마이너스일 때, 공백을 한다.

이 전략은 진동기osc를 사용하여 트렌드 방향을 판단하고, diff를 사용하여 다공력도를 판단한다. 진동기osc가 0축을 통과할 때, 상향으로 이동한다고 생각하고, 더 많은 일을 한다.

전략적 강점 분석

이 전략은 다음과 같은 장점을 가지고 있습니다.

  1. CT TTM 지표를 사용하여 트렌드를 판단하는 정확도가 높습니다. CT TTM 지표는 이동 평균, 브린 띠 및 켄터 통로를 종합적으로 고려하여 가격 트렌드를 효과적으로 식별 할 수 있습니다.

  2. 진동기를 적용하여 특정 다공간 노드를 판단하여 트렌드하지 않은 지역에서 잘못된 신호를 방출 할 수 있습니다. 진동기는 거래 신호에 미치는 작은 가격 변동의 영향을 효과적으로 필터링 할 수 있습니다.

  3. 추적 스톱을 사용하여 위험을 제어하여 각 손실을 효과적으로 제한할 수 있습니다. 전략에서 입점 후 적시에 스톱을 설정하여 수익을 잠금하고 손실 확산을 최대한 방지 할 수 있습니다.

  4. 전략의 변수가 적고, 쉽게 최적화할 수 있다. 이 전략은 length length 단 하나의 변수에 의존하여 빠른 테스트를 통해 최적의 변수 조합을 찾는다.

  5. 지도 기능이 완성되어 신호를 명확하게 볼 수 있다. 전략은 다공간 신호와 강도를 구분하는 다양한 색상을 사용하고, 직관적으로 트렌드 판단 결과를 표시한다.

전략적 위험 분석

이 전략에는 다음과 같은 위험도 있습니다.

  1. CT TTM 지표는 특정 시장 상황에서 잘못된 신호를 내보낼 수 있으며 거래 손실을 초래할 수 있습니다. 가격이 급격히 변동할 때 지표는 잘못된 오프로 신호를 내보낼 수 있습니다.

  2. 진동기가 이탈하면 거래 신호 오류가 발생할 수 있다. 가격이 반전되었지만 진동기가 아직 돌리지 않은 경우 잘못된 신호가 발생한다.

  3. 추적 중지 손실이 너무 급진적일 경우 무의미한 손실이 발생할 수 있습니다. 정지점이 너무 가깝게 설정되면 정상적인 파동이 추적 중지 손실을 유발하여 퇴장 할 수 있습니다.

  4. 이 전략은 유동성이 강한 품종에만 적용되며, 시장을 정리하는 데 적합하지 않다. 이 전략은 유동성 거래가 주를 이루며, 시장을 정리하는 흔들림에서 효과가 좋지 않다.

  5. 지나치게 최적화하면 곡선 적합성이 발생할 수 있다. 매개 변수를 최적화할 때는 지나치게 최적화되어 발생하는 피드백 곡선 적합성 문제를 피하는 것이 좋다.

전략 최적화 방향

이 전략은 다음과 같은 부분에서 최적화될 수 있습니다.

  1. 복합적인 여러 지표들을 조합하여 신호 정확도를 높인다. MACD, KDJ 등의 다른 지표들을 추가하여 엔트리 신호를 최적화할 수 있다.

  2. 스톱모드 최적화 모듈을 추가하여 스톱모드를 더욱 지능화한다. 스톱모드 추적, 스톱모드 단축 등의 스톱모드에 테스트 파라미터가 적응할 수 있다.

  3. 자금 관리 전략을 최적화, 고정 지분 테스트, 케일리 공식 등의 자금 관리 방법. 최적화 후 단일 위험을 보장하는 전제 하에서 자금 사용 효율을 높일 수 있다.

  4. 특정 품종을 위한 변수 최적화, 전략 적응성을 향상한다. 다른 거래 품종의 특성에 따라 미세하게 조정된 변수, 특정 품종에 대한 전략 적합성을 향상시킬 수 있다.

  5. 기계 학습 알고리즘을 추가하여 전략의 적응 학습을 구현한다. RNN, LSTM 등을 사용하여 전략을 강화하고 전략의 적응력을 향상시킨다.

요약하다

이 전략은 CT TTM 지표를 사용하여 트렌드 방향을 판단하고, 진동기 백값을 입력 신호로 삼고, 손해 관리 위험을 추적한다. 전략의 장점은 정확도가 높고, 매개 변수 최적화가 쉽지만, 지표 실패, 너무 급진적인 손해 차단 등의 위험도 존재한다. 향후 다중 지표 조합, 손해 차단 최적화, 자금 관리 최적화 등의 방법을 통해 전략 효과를 향상시킬 수 있다.

전략 소스 코드
/*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)