피보트 역전 (Pivot Reversal) 에 기초한 양적 거래 전략
저자:차오장, 날짜: 2023-12-12 11:07:46태그:
전반적인 설명
이 거래 전략은 진입 신호로 피벗 포인트를 이용하는 양적 거래 전략입니다. 상승 피벗 포인트와 하락 피벗 포인트를 계산합니다. 가격이 이러한 피벗 포인트를 통과하면 긴 또는 짧은 포지션을 시작할 것입니다.
전략 원칙
이 전략은 주로 피보트 역전 이론에 기반합니다. 먼저 왼쪽 N 바와 오른쪽 M 바를 기반으로 피보트 포인트를 계산합니다. 그 다음 가격이 이러한 피보트 포인트를 통과하는지 실시간으로 모니터링합니다.
가격이 상승하는 회전점을 뚫고 갈 때, 상승 동력이 더 이상 가격을 계속 밀어붙이기에는 충분하지 않다는 것을 의미합니다. 이 시점에서, 단위로 가는 것은 좋은 수익을 얻을 수 있습니다. 가격이 떨어지는 회전점을 뚫고 갈 때, 하향 동력이 고갈되었다는 것을 의미합니다. 이 시점에서, 긴 거리는 좋은 수익을 얻을 수 있습니다.
구체적으로, 이 전략은 ta.pivothigh 및 ta.pivotlow 함수를 통해 상승하는 중추점과 하락하는 중추점을 계산합니다. 그 다음 현재 가장 높은 가격이 상승하는 중추점을 깨고 가장 낮은 가격이 하락하는 중추점을 깨는지 비교합니다. 돌파구가있는 경우, 대응하는 긴 또는 짧은 전략이 시작됩니다.
또한, 이 전략은 또한 위험을 제어하기 위해 스톱 로스를 사용합니다. 구체적으로, 가격이 피보트 포인트를 뚫을 때, 피보트 포인트의 반대편에 스톱 로스를 설정하는 동안 즉시 주문을합니다. 이것은 실패한 신호로 인한 손실을 최소화 할 수 있습니다.
이점 분석
이 피프트 역전 기반 전략은 다음과 같은 장점을 가지고 있습니다.
- 회전 반전 신호는 높은 승률과 상당히 신뢰할 수 있습니다
- 적당한 스톱 로스 설정으로 위험은 잘 통제됩니다.
- 간결한 코드로 구현하기 쉽습니다
- 그것은 좋은 유연성을 가진 다양한 제품에 적용됩니다.
위험 분석
이 전략은 또한 몇 가지 위험을 가지고 있습니다.
- 회전 포인트는 잘못된 신호로 인해 실패 할 수 있습니다
- 피보트 포인트를 깨고 후 후퇴가있을 수 있습니다, 중지 손실을 유발
- 거래 빈도가 높을 수 있고, 암시적인 거래 비용이 발생할 수 있습니다.
- 성능은 제품 선택과 매개 변수 조정에 의존합니다.
위험을 줄이기 위해 다음 측면을 고려할 수 있습니다.
- 신뢰성 있는 피브트 포인트 계산을 보장하기 위해 왼쪽과 오른쪽 바의 수를 최적화
- 과도한 긴장을 피하기 위해 어느 정도 중지 손실을 풀기
- 빈번한 왕복 거래를 줄이기 위해 최소 수익 목표를 설정
- 최적의 구성을 찾기 위해 다른 제품과 매개 변수에서 테스트
최적화 방향
이 전략은 더 이상 최적화 할 수 있습니다.
- 피워트 돌파구의 신뢰성을 판단하기 위해 다른 지표를 포함합니다.
- 가격 추세를 결정하기 위해 기계 학습 모델을 추가
- 신호 감수성을 향상시키기 위해 고주파 데이터를 사용
- 위치 크기를 조정하는 모듈을 도입
- 실제 거래 비용을 계산하기 위해 세부 계정 모듈을 연결
이러한 최적화는 전략의 승률, 수익성 및 안정성을 향상시킬 수 있습니다.
결론
요약하자면, 이것은 피보트 역전 이론에 기반한 양적 거래 전략이다. 이 전략은 위험을 제어하기 위해 스톱 로스를 채택하면서 가격 돌파 피보트 포인트를 거래 신호로 사용합니다. 이 전략은 구현이 쉽고 광범위하게 적용되며 실용적인 양적 거래 전략입니다. 그러나 그것은 또한 몇 가지 위험을 안고 실제 거래에서 최적의 구성을 찾기 위해 추가 테스트 및 최적화가 필요합니다.
/*backtest
start: 2022-12-05 00:00:00
end: 2023-12-11 00:00:00
period: 1d
basePeriod: 1h
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/
//@version=5
strategy('Weekly Returns with Benchmark', overlay=true,
default_qty_type=strategy.percent_of_equity, default_qty_value=25,
commission_type=strategy.commission.percent, commission_value=0.1)
////////////
// Inputs //
// Pivot points inputs
leftBars = input(2, group = "Pivot Points")
rightBars = input(1, group = "Pivot Points")
// Styling inputs
prec = input(1, title='Return Precision', group = "Weekly Table")
from_date = input(timestamp("01 Jan 3000 00:00 +0000"), "From Date", group = "Weekhly Table")
prof_color = input.color(color.green, title = "Gradient Colors", group = "Weeky Table", inline = "colors")
loss_color = input.color(color.red, title = "", group = "Weeky Table", inline = "colors")
// Benchmark inputs
use_cur = input.bool(true, title = "Use current Symbol for Benchmark", group = "Benchmark")
symb_bench = input('BTC_USDT:swap', title = "Benchmark", group = "Benchmark")
disp_bench = input.bool(false, title = "Display Benchmark?", group = "Benchmark")
disp_alpha = input.bool(false, title = "Display Alpha?", group = "Benchmark")
// Pivot Points Strategy
swh = ta.pivothigh(leftBars, rightBars)
swl = ta.pivotlow (leftBars, rightBars)
hprice = 0.0
hprice := not na(swh) ? swh : hprice[1]
lprice = 0.0
lprice := not na(swl) ? swl : lprice[1]
le = false
le := not na(swh) ? true : le[1] and high > hprice ? false : le[1]
se = false
se := not na(swl) ? true : se[1] and low < lprice ? false : se[1]
if le
strategy.entry('PivRevLE', strategy.long, comment='PivRevLE', stop=hprice + syminfo.mintick)
if se
strategy.entry('PivRevSE', strategy.short, comment='PivRevSE', stop=lprice - syminfo.mintick)
plot(hprice, color=color.new(color.green, 0), linewidth=2)
plot(lprice, color=color.new(color.red, 0), linewidth=2)
///////////////////
// WEEKLY TABLE //
new_week = weekofyear(time[1]) != weekofyear(time)
new_year = year(time) != year(time[1])
eq = strategy.equity
bench_eq = close
// benchmark eq
bench_eq_htf = request.security(symb_bench, timeframe.period, close)
if (not use_cur)
bench_eq := bench_eq_htf
bar_pnl = eq / eq[1] - 1
bench_pnl = bench_eq / bench_eq[1] - 1
// Current Weekly P&L
cur_week_pnl = 0.0
cur_week_pnl := bar_index == 0 ? 0 :
time >= from_date and (time[1] < from_date or new_week) ? bar_pnl :
(1 + cur_week_pnl[1]) * (1 + bar_pnl) - 1
// Current Yearly P&L
cur_year_pnl = 0.0
cur_year_pnl := bar_index == 0 ? 0 :
time >= from_date and (time[1] < from_date or new_year) ? bar_pnl :
(1 + cur_year_pnl[1]) * (1 + bar_pnl) - 1
// Current Weekly P&L - Bench
bench_cur_week_pnl = 0.0
bench_cur_week_pnl := bar_index == 0 or (time[1] < from_date and time >= from_date) ? 0 :
time >= from_date and new_week ? bench_pnl :
(1 + bench_cur_week_pnl[1]) * (1 + bench_pnl) - 1
// Current Yearly P&L - Bench
bench_cur_year_pnl = 0.0
bench_cur_year_pnl := bar_index == 0 ? 0 :
time >= from_date and (time[1] < from_date or new_year) ? bench_pnl :
(1 + bench_cur_year_pnl[1]) * (1 + bench_pnl) - 1
var week_time = array.new_int(0)
var year_time = array.new_int(0)
var week_pnl = array.new_float(0)
var year_pnl = array.new_float(0)
var bench_week_pnl = array.new_float(0)
var bench_year_pnl = array.new_float(0)
// Filling weekly / yearly pnl arrays
if array.size(week_time) > 0
if weekofyear(time) == weekofyear(array.get(week_time, array.size(week_time) - 1))
array.pop(week_pnl)
array.pop(bench_week_pnl)
array.pop(week_time)
if array.size(year_time) > 0
if year(time) == year(array.get(year_time, array.size(year_time) - 1))
array.pop(year_pnl)
array.pop(bench_year_pnl)
array.pop(year_time)
if (time >= from_date)
array.push(week_time, time)
array.push(year_time, time)
array.push(week_pnl, cur_week_pnl)
array.push(year_pnl, cur_year_pnl)
array.push(bench_year_pnl, bench_cur_year_pnl)
array.push(bench_week_pnl, bench_cur_week_pnl)
// Weekly P&L Table
table_size = size.tiny
var weekly_table = table(na)
if array.size(year_pnl) > 0 and barstate.islastconfirmedhistory
weekly_table := table.new(position.bottom_right,
columns=56, rows=array.size(year_pnl) * 3 + 5, border_width=1)
// Fill weekly performance
table.cell(weekly_table, 0, 0, 'Perf',
bgcolor = #999999, text_size= table_size)
for numW = 1 to 53 by 1
table.cell(weekly_table, numW, 0, str.tostring(numW),
bgcolor= #999999, text_size= table_size)
table.cell(weekly_table, 54, 0, ' ',
bgcolor = #999999, text_size= table_size)
table.cell(weekly_table, 55, 0, 'Year',
bgcolor = #999999, text_size= table_size)
max_abs_y = math.max(math.abs(array.max(year_pnl)), math.abs(array.min(year_pnl)))
max_abs_m = math.max(math.abs(array.max(week_pnl)), math.abs(array.min(week_pnl)))
for yi = 0 to array.size(year_pnl) - 1 by 1
table.cell(weekly_table, 0, yi + 1,
str.tostring(year(array.get(year_time, yi))),
bgcolor=#cccccc, text_size=table_size)
table.cell(weekly_table, 53, yi + 1, ' ',
bgcolor=#999999, text_size=table_size)
table.cell(weekly_table, 54, yi + 1, ' ',
bgcolor=#999999, text_size=table_size)
y_color = color.from_gradient(array.get(year_pnl, yi), -max_abs_y, max_abs_y, loss_color, prof_color)
table.cell(weekly_table, 55, yi + 1,
str.tostring(math.round(array.get(year_pnl, yi) * 100, prec)),
bgcolor=y_color, text_size=table_size)
int iw_row= na
int iw_col= na
for wi = 0 to array.size(week_time) - 2 by 1
w_row = year(array.get(week_time, wi)) - year(array.get(year_time, 0)) + 1
w_col = weekofyear(array.get(week_time, wi))
w_color = color.from_gradient(array.get(week_pnl, wi), -max_abs_m, max_abs_m, loss_color, prof_color)
if iw_row + 1 == w_row and iw_col + 1 == w_col
table.cell(weekly_table, w_col, w_row-1,
str.tostring(math.round(array.get(week_pnl, wi) * 100, prec)),
bgcolor=w_color, text_size=table_size)
else
table.cell(weekly_table, w_col, w_row,
str.tostring(math.round(array.get(week_pnl, wi) * 100, prec)),
bgcolor=w_color, text_size=table_size)
iw_row:= w_row
iw_col:= w_col
// Fill benchmark performance
next_row = array.size(year_pnl) + 1
if (disp_bench)
table.cell(weekly_table, 0, next_row, 'Bench',
bgcolor=#999999, text_size=table_size)
for numW = 1 to 53 by 1
table.cell(weekly_table, numW, next_row, str.tostring(numW),
bgcolor= #999999, text_size= table_size)
table.cell(weekly_table, 54, next_row, ' ' ,
bgcolor = #999999, text_size=table_size)
table.cell(weekly_table, 55, next_row, 'Year',
bgcolor = #999999, text_size=table_size)
max_bench_abs_y = math.max(math.abs(array.max(bench_year_pnl)), math.abs(array.min(bench_year_pnl)))
max_bench_abs_w = math.max(math.abs(array.max(bench_week_pnl)), math.abs(array.min(bench_week_pnl)))
for yi = 0 to array.size(year_time) - 1 by 1
table.cell(weekly_table, 0, yi + 1 + next_row + 1,
str.tostring(year(array.get(year_time, yi))),
bgcolor=#cccccc, text_size=table_size)
table.cell(weekly_table, 53, yi + 1 + next_row + 1, ' ',
bgcolor=#999999, text_size=table_size)
table.cell(weekly_table, 54, yi + 1 + next_row + 1, ' ',
bgcolor=#999999, text_size=table_size)
y_color = color.from_gradient(array.get(bench_year_pnl, yi), -max_bench_abs_y, max_bench_abs_y, loss_color, prof_color)
table.cell(weekly_table, 55, yi + 1 + next_row + 1,
str.tostring(math.round(array.get(bench_year_pnl, yi) * 100, prec)),
bgcolor=y_color, text_size=table_size)
int iw_row1= na
int iw_col1= na
for wi = 0 to array.size(week_time) - 1 by 1
w_row = year(array.get(week_time, wi)) - year(array.get(year_time, 0)) + 1
w_col = weekofyear(array.get(week_time, wi))
w_color = color.from_gradient(array.get(bench_week_pnl, wi), -max_bench_abs_w, max_bench_abs_w, loss_color, prof_color)
if iw_row1 + 1 == w_row and iw_col1 + 1 == w_col
table.cell(weekly_table, w_col, w_row + next_row ,
str.tostring(math.round(array.get(bench_week_pnl, wi) * 100, prec)),
bgcolor=w_color, text_size=table_size)
else
table.cell(weekly_table, w_col, w_row + next_row + 1,
str.tostring(math.round(array.get(bench_week_pnl, wi) * 100, prec)),
bgcolor=w_color, text_size=table_size)
iw_row1:= w_row
iw_col1:= w_col
// Fill Alpha
if (disp_alpha)
// columns
next_row := array.size(year_pnl) * 2 + 3
table.cell(weekly_table, 0, next_row, 'Alpha',
bgcolor=#999999, text_size= table_size)
for numW = 1 to 53 by 1
table.cell(weekly_table, numW, next_row, str.tostring(numW),
bgcolor= #999999, text_size= table_size)
table.cell(weekly_table, 54, next_row, ' ' ,
bgcolor=#999999, text_size= table_size)
table.cell(weekly_table, 55, next_row, 'Year',
bgcolor=#999999, text_size= table_size)
max_alpha_abs_y = 0.0
for yi = 0 to array.size(year_time) - 1 by 1
if (math.abs(array.get(year_pnl, yi) - array.get(bench_year_pnl, yi)) > max_alpha_abs_y)
max_alpha_abs_y := math.abs(array.get(year_pnl, yi) - array.get(bench_year_pnl, yi))
max_alpha_abs_w = 0.0
for wi = 0 to array.size(week_pnl) - 1 by 1
if (math.abs(array.get(week_pnl, wi) - array.get(bench_week_pnl, wi)) > max_alpha_abs_w)
max_alpha_abs_w := math.abs(array.get(week_pnl, wi) - array.get(bench_week_pnl, wi))
for yi = 0 to array.size(year_time) - 1 by 1
table.cell(weekly_table, 0, yi + 1 + next_row + 1,
str.tostring(year(array.get(year_time, yi))),
bgcolor=#cccccc, text_size= table_size)
table.cell(weekly_table, 53, yi + 1 + next_row + 1, ' ',
bgcolor=#999999, text_size= table_size)
table.cell(weekly_table, 54, yi + 1 + next_row + 1, ' ',
bgcolor=#999999, text_size= table_size)
y_color = color.from_gradient(array.get(year_pnl, yi) - array.get(bench_year_pnl, yi), -max_alpha_abs_y, max_alpha_abs_y, loss_color, prof_color)
table.cell(weekly_table, 55, yi + 1 + next_row + 1,
str.tostring(math.round((array.get(year_pnl, yi) - array.get(bench_year_pnl, yi)) * 100, prec)),
bgcolor=y_color, text_size= table_size)
int iw_row2= na
int iw_col2= na
for wi = 0 to array.size(week_time) - 1 by 1
w_row = year(array.get(week_time, wi)) - year(array.get(year_time, 0)) + 1
w_col = weekofyear(array.get(week_time, wi))
w_color = color.from_gradient(array.get(week_pnl, wi) - array.get(bench_week_pnl, wi), -max_alpha_abs_w, max_alpha_abs_w, loss_color, prof_color)
if iw_row2 + 1 == w_row and iw_col2 + 1 == w_col
table.cell(weekly_table, w_col, w_row + next_row ,
str.tostring(math.round((array.get(week_pnl, wi) - array.get(bench_week_pnl, wi)) * 100, prec)),
bgcolor=w_color, text_size= table_size)
else
table.cell(weekly_table, w_col, w_row + next_row + 1 ,
str.tostring(math.round((array.get(week_pnl, wi) - array.get(bench_week_pnl, wi)) * 100, prec)),
bgcolor=w_color, text_size= table_size)
iw_row2:= w_row
iw_col2:= w_col
더 많은
- SMA와 EMA를 기반으로 한 양적 거래 전략
- 고급 슈퍼 트렌드 추적 전략
- 주코프의 이동평균 크로스오버 트렌드
- 다중 시간 프레임 동적 EMA 거래 전략
- EMA 및 MACD 양적 전략 두 개의 트랙을 실행하고 시장 지수를 주도합니다.
- 다중 요인 적응적 추진력 추적 전략
- RSI와 볼링거 밴드 두 가지 전략
- 변동성 가격 채널 이동 평균 거래 전략
- 양방향 거래에 대한 이동 평균 크로스오버 전략
- 볼륨 오시레이터 장기 및 단기 이동 평균 크로스오버 전략
- 기간 간 가치 영역 분산 전략
- 트렌드 분석 인덱스에 기초한 양적 거래 전략
- 이동 평균 RSI 암호화 상관관계 트렌드 전략
- 동적 상승 ADX 트렌드 전략
- 노로의 가격 채널 스칼핑 전략
- HA 모멘텀 브레이크에 기초한 전략에 따른 평균 반전 트렌드
- 모멘텀 추적 적응 통계적 중재 전략
- 파생상품 기반 트렌드 전략
- ADX, BB %B, AO 및 EMA를 기반으로 하는 네 가지 요소의 모멘텀 추적 거래 전략
- RSI-MA 트렌드 전략