이중 이동 평균 역전 전략
저자:차오장, 날짜: 2023-11-17 16:56:24태그:
전반적인 설명
이중 이동 평균 반전 전략 (Dual Moving Average Reversion Strategy) 은 전형적인 단기 평균 반전 거래 전략이다. 이 전략은 다른 매개 변수 설정을 가진 두 개의 이동 평균에 의해 거래 신호를 생성한다. 트렌드 반전이 발생할 때 이익을 얻는 것을 목표로 한다.
전략 논리
이 전략은 두 개의 이동 평균을 사용하여 거래 신호를 생성합니다. 첫 번째 MA 마오프닝은 트렌드 방향을 결정하는 데 사용됩니다. 두 번째 MA 매클로싱은 거래 신호를 생성하는 데 사용됩니다.
마오프닝이 상승하면 현재 시장이 상승 추세에 있음을 나타냅니다. 마오프닝이 하락하면 현재 시장이 하락 추세에 있음을 나타냅니다. 매클로싱은 초기 반전 신호를 생성하는 데 더 민감하게 만들기 위해 1보다 큰 계수로 곱됩니다.
구체적으로, 마오페닝이 상승하고 마오페닝이 마오페닝 아래로 넘어가면 트렌드 역전을 나타냅니다. 전략은 짧은 포지션을 열 것입니다. 마오페닝이 하락하고 마오페닝이 마오페닝 위에 넘어가면 트렌드 역전을 나타냅니다. 전략은 긴 포지션을 열 것입니다.
전략의 매개 변수에는 MA 유형, 길이, 데이터 소스 등이 포함됩니다. 이러한 매개 변수를 조정하여 거래 성능을 최적화 할 수 있습니다. 또한 엔트리 규칙, 스톱 로스 등과 같은 구성 가능한 옵션이 있습니다.
이점 분석
이중 MA 반전 전략의 주요 장점은 다음과 같습니다.
-
짧은 기간 거래에 적합한 작은 드라우다운. 빠른 이동 평균은 짧은 기간의 반전을 더 작은 드라우다운으로 빠르게 포착 할 수 있습니다.
-
구현이 간단하고 이해하기 쉽습니다. 두 MA의 크로스오버는 명확한 거래 신호를 생성합니다.
-
여러 개의 조절 가능한 매개 변수와 함께 매우 구성 가능. 두 개의 MA와 계수의 매개 변수를 최적화 할 수 있습니다.
-
명확한 논리 흐름으로 자동화하기 쉽습니다. 간단한 논리와 높은 주파수 거래는 자동화 거래에 매우 적합합니다.
-
스톱 로스 메커니즘으로 제어 가능한 위험. 이동 스톱 로스 또는 가치 스톱 로스는 단일 거래의 손실을 제한할 수 있습니다.
위험 분석
이 전략에는 몇 가지 위험도 있습니다.
-
MA 크로스오버 신호의 지연. MA 자체는 가격에 지연합니다. 크로스오버는 추세가 잠시 뒤집어진 후에 발생할 수 있습니다.
-
윙사 트레이드 위험. 역전 추세는 빠르게 다시 역전되어 연속 손실을 초래할 수 있습니다.
-
마감률은 여전히 존재합니다. 단 하나의 손실을 제한하지만 연속적인 마감률은 여전히 큰 마감률으로 이어질 수 있습니다.
-
과도한 매개 변수 최적화는 실시간 거래에서 과도한 적합성과 저성능으로 이어질 수 있습니다.
그 해결책은 다음과 같습니다.
-
더 빠른 MAs를 찾기 위해 매개 변수를 최적화해
-
부피와 변동성 지표와 같은 필터를 추가하여 윙사 트레이드를 피합니다.
-
연속적인 스톱 로스의 확률을 낮추기 위해 스톱 로스 위치를 조정합니다.
-
과도한 장착 위험을 평가하기 위한 매개 변수 집합의 견고성 테스트
개선 방향
이 전략은 다음 측면에서 더 이상 최적화 될 수 있습니다.
-
다른 종류의 MAs를 테스트하여 KAMA, ZLEMA 등과 같이 더 민감한 MAs를 찾으십시오.
-
최적의 조합을 찾기 위해 MA 길이를 최적화하십시오. 일반적으로 짧은 기간은 더 나은 성능을 가지고 있습니다.
-
다른 데이터 소스를 테스트합니다. 밀접한 가격, 중간 가격, 전형적인 가격 등.
-
트렌드 필터를 추가해서 도
채널과 같은 부적절한 반전 신호를 피합니다. -
MACD, OBV 등과 같은 확인을 위한 다른 지표를 추가합니다.
-
위험 관리 메커니즘을 강화합니다. 예를 들어 스톱 로스, 최대 계좌 손실 등을 이동하는 것.
-
최적의 자산 배분을 찾기 위해 포트폴리오 최적화
-
부착 위험을 평가하기 위한 매개 변수의 견고성 테스트
결론
이중 MA 반전은 간단하고 실용적인 단기 거래 전략이다. 양적 거래로 단기 반전을 포착하는 데 적합하다. 그러나 지연 및 윙사 트레이드와 같은 위험이 존재한다. 이 전략은 매개 변수를 최적화하고 필터를 추가하고 위험 통제 등을 강화하여 안정적이고 효율적인 전략을 개발하여 좋은 실제 거래 성과를 낼 수 있다.
/*backtest
start: 2023-10-17 00:00:00
end: 2023-11-16 00:00:00
period: 1h
basePeriod: 15m
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/
//@version=5
strategy(title = "hamster-bot MRS 2", overlay = true, default_qty_type = strategy.percent_of_equity, initial_capital = 100, default_qty_value = 100, pyramiding = 9, commission_value = 0.045, backtest_fill_limits_assumption = 1)
info_options = "Options"
on_close = input(false, title = "Entry on close", inline=info_options, group=info_options)
OFFS = input.int(0, minval = 0, maxval = 1, title = "| Offset View", inline=info_options, group=info_options)
trade_offset = input.int(0, minval = 0, maxval = 1, title = "Trade", inline=info_options, group=info_options)
use_kalman_filter = input.bool(false, title="Use Kalman filter", group=info_options)
//MA Opening
info_opening = "MA Opening"
maopeningtyp = input.string("SMA", title="Type", options=["SMA", "EMA", "TEMA", "DEMA", "ZLEMA", "WMA", "Hma", "Thma", "Ehma", "H", "L", "DMA"], title = "", inline=info_opening, group=info_opening)
maopeningsrc = input.source(ohlc4, title = "", inline=info_opening, group=info_opening)
maopeninglen = input.int(3, minval = 1, maxval = 200, title = "", inline=info_opening, group=info_opening)
//MA Closing
info_closing = "MA Closing"
maclosingtyp = input.string("SMA", title="Type", options=["SMA", "EMA", "TEMA", "DEMA", "ZLEMA", "WMA", "Hma", "Thma", "Ehma", "H", "L", "DMA"], title = "", inline=info_closing, group=info_closing)
maclosingsrc = input.source(ohlc4, title = "", inline=info_closing, group=info_closing)
maclosinglen = input.int(3, minval = 1, maxval = 200, title = "", inline=info_closing, group=info_closing)
maclosingmul = input.float(1, step = 0.005, title = "mul", inline=info_closing, group=info_closing)
long1on = input(true, title = "", inline = "long1")
long1shift = input.float(0.96, step = 0.005, title = "Long", inline = "long1")
long1lot = input.int(10, minval = 0, maxval = 10000, step = 10, title = "Lot 1", inline = "long1")
short1on = input(true, title = "", inline = "short1")
short1shift = input.float(1.04, step = 0.005, title = "short", inline = "short1")
short1lot = input.int(10, minval = 0, maxval = 10000, step = 10, title = "Lot 1", inline = "short1")
startTime = input(timestamp("01 Jan 2010 00:00 +0000"), "Start date", inline = "period")
finalTime = input(timestamp("31 Dec 2030 23:59 +0000"), "Final date", inline = "period")
HMA(_src, _length) => ta.wma(2 * ta.wma(_src, _length / 2) - ta.wma(_src, _length), math.round(math.sqrt(_length)))
EHMA(_src, _length) => ta.ema(2 * ta.ema(_src, _length / 2) - ta.ema(_src, _length), math.round(math.sqrt(_length)))
THMA(_src, _length) => ta.wma(ta.wma(_src,_length / 3) * 3 - ta.wma(_src, _length / 2) - ta.wma(_src, _length), _length)
tema(sec, length)=>
tema1= ta.ema(sec, length)
tema2= ta.ema(tema1, length)
tema3= ta.ema(tema2, length)
tema_r = 3*tema1-3*tema2+tema3
donchian(len) => math.avg(ta.lowest(len), ta.highest(len))
ATR_func(_src, _len)=>
atrLow = low - ta.atr(_len)
trailAtrLow = atrLow
trailAtrLow := na(trailAtrLow[1]) ? trailAtrLow : atrLow >= trailAtrLow[1] ? atrLow : trailAtrLow[1]
supportHit = _src <= trailAtrLow
trailAtrLow := supportHit ? atrLow : trailAtrLow
trailAtrLow
f_dema(src, len)=>
EMA1 = ta.ema(src, len)
EMA2 = ta.ema(EMA1, len)
DEMA = (2*EMA1)-EMA2
f_zlema(src, period) =>
lag = math.round((period - 1) / 2)
ema_data = src + (src - src[lag])
zl= ta.ema(ema_data, period)
f_kalman_filter(src) =>
float value1= na
float value2 = na
value1 := 0.2 * (src - src[1]) + 0.8 * nz(value1[1])
value2 := 0.1 * (ta.tr) + 0.8 * nz(value2[1])
lambda = math.abs(value1 / value2)
alpha = (-math.pow(lambda, 2) + math.sqrt(math.pow(lambda, 4) + 16 * math.pow(lambda, 2)))/8
value3 = float(na)
value3 := alpha * src + (1 - alpha) * nz(value3[1])
//SWITCH
ma_func(modeSwitch, src, len, use_k_f=true) =>
modeSwitch == "SMA" ? use_kalman_filter and use_k_f ? f_kalman_filter(ta.sma(src, len)) : ta.sma(src, len) :
modeSwitch == "RMA" ? use_kalman_filter and use_k_f ? f_kalman_filter(ta.rma(src, len)) : ta.rma(src, len) :
modeSwitch == "EMA" ? use_kalman_filter and use_k_f ? f_kalman_filter(ta.ema(src, len)) : ta.ema(src, len) :
modeSwitch == "TEMA" ? use_kalman_filter and use_k_f ? f_kalman_filter(tema(src, len)) : tema(src, len):
modeSwitch == "DEMA" ? use_kalman_filter and use_k_f ? f_kalman_filter(f_dema(src, len)) : f_dema(src, len):
modeSwitch == "ZLEMA" ? use_kalman_filter and use_k_f ? f_kalman_filter(f_zlema(src, len)) : f_zlema(src, len):
modeSwitch == "WMA" ? use_kalman_filter and use_k_f ? f_kalman_filter(ta.wma(src, len)) : ta.wma(src, len):
modeSwitch == "VWMA" ? use_kalman_filter and use_k_f ? f_kalman_filter(ta.vwma(src, len)) : ta.vwma(src, len):
modeSwitch == "Hma" ? use_kalman_filter and use_k_f ? f_kalman_filter(HMA(src, len)) : HMA(src, len):
modeSwitch == "Ehma" ? use_kalman_filter and use_k_f ? f_kalman_filter(EHMA(src, len)) : EHMA(src, len):
modeSwitch == "Thma" ? use_kalman_filter and use_k_f ? f_kalman_filter(THMA(src, len/2)) : THMA(src, len/2):
modeSwitch == "ATR" ? use_kalman_filter and use_k_f ? f_kalman_filter(ATR_func(src, len)): ATR_func(src, len) :
modeSwitch == "L" ? use_kalman_filter and use_k_f ? f_kalman_filter(ta.lowest(len)): ta.lowest(len) :
modeSwitch == "H" ? use_kalman_filter and use_k_f ? f_kalman_filter(ta.highest(len)): ta.highest(len) :
modeSwitch == "DMA" ? donchian(len) : na
//Var
sum = 0.0
maopening = 0.0
maclosing = 0.0
os = maopeningsrc
cs = maclosingsrc
pos = strategy.position_size
p = 0.0
p := pos == 0 ? (strategy.equity / 100) / close : p[1]
truetime = true
loss = 0.0
maxloss = 0.0
equity = 0.0
//MA Opening
maopening := ma_func(maopeningtyp, maopeningsrc, maopeninglen)
//MA Closing
maclosing := ma_func(maclosingtyp, maclosingsrc, maclosinglen) * maclosingmul
long1 = long1on == false ? 0 : long1shift == 0 ? 0 : long1lot == 0 ? 0 : maopening == 0 ? 0 : maopening * long1shift
short1 = short1on == false ? 0 : short1shift == 0 ? 0 : short1lot == 0 ? 0 : maopening == 0 ? 0 : maopening * short1shift
//Colors
maopeningcol = maopening == 0 ? na : color.blue
maclosingcol = maclosing == 0 ? na : color.fuchsia
long1col = long1 == 0 ? na : color.green
short1col = short1 == 0 ? na : color.red
//Lines
plot(maopening, offset = OFFS, color = maopeningcol)
plot(maclosing, offset = OFFS, color = maclosingcol)
long1line = long1 == 0 ? close : long1
short1line = short1 == 0 ? close : short1
plot(long1line, offset = OFFS, color = long1col)
plot(short1line, offset = OFFS, color = short1col)
//Lots
lotlong1 = p * long1lot
lotshort1 = p * short1lot
//Entry
if maopening > 0 and maclosing > 0 and truetime
//Long
sum := 0
strategy.entry("L", strategy.long, lotlong1, limit = on_close ? na : long1, when = long1 > 0 and pos <= sum and (on_close ? close <= long1[trade_offset] : true))
sum := lotlong1
//Short
sum := 0
pos := -1 * pos
strategy.entry("S", strategy.short, lotshort1, limit = on_close ? na : short1, when = short1 > 0 and pos <= sum and (on_close ? close >= short1[trade_offset] : true))
sum := lotshort1
strategy.exit("Exit", na, limit = maclosing)
if time > finalTime
strategy.close_all()
- 다중 요인 모멘텀 역전 콤보 전략
- 거래량 표준편차에 기초한 거래 전략
- 다중 시간 프레임 적응 추적 중지 손실 전략
- 두 배 강한 지표 전략
- 볼링거 밴드 및 기하급수적인 이동 평균에 기초한 트렌드 추적 전략
- 임멘텀 로테이션 시간 프레임에 걸쳐 트렌드 전략에 따라
- 다중 트렌드 추적 전략
- 적응적인 이동 평균 수량 전략
- 전략에 따른 주기 위치 트렌드
- 동력 이중 이동 평균 전략
- 전략에 따른 이선적 회귀 추세
- 양방향 브레이크아웃 역전 전략
- 추진력 고갈 전략
- 이중 이동 평균 크로스오버 전략
- 다중 시간 프레임 트렌드 추적 Intraday Scalping 전략
- MACD 트렌드 전략
- 이중 트랙 볼링거 밴드 모멘텀 거래 전략
- 이치모쿠 킨코 히오 거래 전략
- MZ MA 크로스 멀티 타임프레임 전략
- 이중 이동 평균 크로스오버 모멘텀 전략