양방향 거래에 대한 이동 평균 크로스오버 전략
저자:차오장, 날짜: 2023-12-12 11:26:54태그:
전반적인 설명
이 전략은 다른 기간의 이동 평균을 계산하고, 짧은 기간 이동 평균이 더 긴 기간 이동 평균을 넘거나 그 아래를 넘을 때 거래 신호를 발행합니다. 전형적인 이동 평균 크로스오버 시스템에 속합니다. 이 전략은 양방향 거래를 달성하기 위해 길고 짧은 포지션을 지원합니다.
원칙
이 전략은 시장 트렌드를 판단하고 다른 기간의 이동 평균 사이의 교차를 기반으로 거래 신호를 생성합니다. 8 기간, 13 기간 및 21 기간의 3 개의 이동 평균 라인을 사용합니다. 8 기간 라인은 짧은 기간 라인과 21 기간 라인은 긴 기간 라인이 됩니다. 8 기간 라인이 21 기간 라인을 넘을 때 긴 신호가 발생합니다. 8 기간 라인이 21 기간 라인을 넘을 때 짧은 신호가 발생합니다.
실제 거래 실행에서, 전략은 또한 불안정한 시장에 갇히지 않도록 필터링 조건을 포함합니다. 닫기 가격이 크로스오버 포인트보다 높거나 낮을 때만 주문을합니다. 이것은 일부 잘못된 신호를 효과적으로 필터링 할 수 있습니다.
장점
- 시장 트렌드를 효과적으로 추적하기 위해 이동 평균 크로스오버 규칙을 적용합니다.
- 일부 잘못된 신호를 피하고 함정에 걸리는 것을 방지하기 위해 무역 필터를 추가합니다
- 양방향 거래를 지원하여 황소 시장과 곰 시장에서 수익을 창출합니다.
- 기간 간 이동 평균을 사용하여 주요 레벨 사이의 전환을 캡처합니다.
- 단순하고 명확한 논리, 이해하기 쉽고 최적화
위험성
- 매우 변동적인 시장에서 실패하거나 과도한 잘못된 신호를 생성할 수 있습니다.
- 가격의 변동에 대해 판단할 수 없고 기회를 놓치고 있습니다.
- 기간 간 크로스오버는 지연이 있고, 단기 트렌드 변화를 적시에 포착하지 못할 수 있습니다.
- 가격 변동성을 고려하지 않습니다, 매개 변수는 다른 변동성 수준에 대한 조정이 필요합니다.
- 손해를 멈추거나 이익을 취하지 않고, 무제한 손실을 위험합니다
위험 에 대한 해결책
- 다른 지표를 결합하여 시장을 판단하고 변동성 영향을 피합니다.
- 더 높은 감수성을 위해 낮은 이동 평균 기간
- 스톱 로스를 추가하고 리스크와 드래운드를 제어하기 위해 이윤을 취합니다.
최적화 방향
- 효율성을 높이기 위해 MACD와 KDJ와 같은 다른 지표를 결합하십시오.
- 다른 매개 변수 설정의 전체 전략 성과에 대한 테스트 영향
- 시장 유형 및 변동성 수준에 따라 적응 매개 변수를 설정합니다.
- DEMA, ZLEMA 등을 사용하여 이동 평균 계산 방법을 최적화하십시오.
- 스톱 로스 및 수익 로직을 추가
- 최적의 매개 변수를 결정하기 위해 양자 백테스팅 메트릭을 최적화
결론
이 전략은 단기 및 장기 트렌드 간의 관계를 결정하고 회전 기회를 포착하기 위해 간단한 이동 평균 크로스오버를 사용하는 명확한 논리를 가지고 있습니다. 이 방법은 양방향 거래를 지원하며 이해하기 쉽고 최적화 할 수 있습니다. 그러나 특정 시장 조건의 비효율적인 처리 및 위험 통제 부족과 같은 일부 위험이 있습니다. 후속 기술 지표 콤보 및 매개 변수 최적화는 전략 안정성과 수익성을 더욱 향상시킬 수 있습니다.
/*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=3
//Converted to strategy by shawnteoh
strategy(title = "MA Emperor insiliconot Strategy" , overlay=true, pyramiding=1, precision=8)
strat_dir_input = input(title="Strategy Direction", defval="long", options=["long", "short", "all"])
strat_dir_value = strat_dir_input == "long" ? strategy.direction.long : strat_dir_input == "short" ? strategy.direction.short : strategy.direction.all
strategy.risk.allow_entry_in(strat_dir_value)
// Testing start dates
testStartYear = input(2020, "Backtest Start Year")
testStartMonth = input(1, "Backtest Start Month")
testStartDay = input(1, "Backtest Start Day")
testPeriodStart = timestamp(testStartYear,testStartMonth,testStartDay,0,0)
//Stop date if you want to use a specific range of dates
testStopYear = input(2030, "Backtest Stop Year")
testStopMonth = input(12, "Backtest Stop Month")
testStopDay = input(30, "Backtest Stop Day")
testPeriodStop = timestamp(testStopYear,testStopMonth,testStopDay,0,0)
// Order size
orderQty = input(1, "Order quantity", type = float)
// Plot indicator
plotInd = input(false, "Plot indicators?", type = bool)
testPeriod() =>
time >= testPeriodStart and time <= testPeriodStop ? true : false
haClose = close
haOpen = open
haHigh = high
haLow = low
haClose := (open + high + low + close) / 4
haOpen := (nz(haOpen[1]) + nz(haClose[1])) / 2
haHigh := max(high, max(haOpen, haClose))
haLow := min(low , min(haOpen, haClose))
ssrc = close
ha = false
o = ha ? haOpen : open
c = ha ? haClose : close
h = ha ? haHigh : high
l = ha ? haLow : low
ssrc := ssrc == close ? ha ? haClose : c : ssrc
ssrc := ssrc == open ? ha ? haOpen : o : ssrc
ssrc := ssrc == high ? ha ? haHigh : h : ssrc
ssrc := ssrc == low ? ha ? haLow : l : ssrc
ssrc := ssrc == hl2 ? ha ? (haHigh + haLow) / 2 : hl2 : ssrc
ssrc := ssrc == hlc3 ? ha ? (haHigh + haLow + haClose) / 3 : hlc3 : ssrc
ssrc := ssrc == ohlc4 ? ha ? (haHigh + haLow + haClose+ haOpen) / 4 : ohlc4 : ssrc
type = input(defval = "EMA", title = "Type", options = ["Butterworth_2Pole", "DEMA", "EMA", "Gaussian", "Geometric_Mean", "LowPass", "McGuinley", "SMA", "Sine_WMA", "Smoothed_MA", "Super_Smoother", "Triangular_MA", "Wilders", "Zero_Lag"])
len1=input(8, title ="MA 1")
len2=input(13, title = "MA 2")
len3=input(21, title = "MA 3")
len4=input(55, title = "MA 4")
len5=input(89, title = "MA 5")
lenrib=input(120, title = "IB")
lenrib2=input(121, title = "2B")
lenrib3=input(200, title = "21b")
lenrib4=input(221, title = "22b")
onOff1 = input(defval=true, title="Enable 1")
onOff2 = input(defval=true, title="Enable 2")
onOff3 = input(defval=true, title="Enable 3")
onOff4 = input(defval=false, title="Enable 4")
onOff5 = input(defval=false, title="Enable 5")
onOff6 = input(defval=false, title="Enable 6")
onOff7 = input(defval=false, title="Enable 7")
onOff8 = input(defval=false, title="Enable x")
onOff9 = input(defval=false, title="Enable x")
gauss_poles = input(3, "*** Gaussian poles ***", minval = 1, maxval = 14)
linew = 2
shapes = false
variant_supersmoother(src,len) =>
Pi = 2 * asin(1)
a1 = exp(-1.414* Pi / len)
b1 = 2*a1*cos(1.414* Pi / len)
c2 = b1
c3 = (-a1)*a1
c1 = 1 - c2 - c3
v9 = 0.0
v9 := c1*(src + nz(src[1])) / 2 + c2*nz(v9[1]) + c3*nz(v9[2])
v9
variant_smoothed(src,len) =>
v5 = 0.0
v5 := na(v5[1]) ? sma(src, len) : (v5[1] * (len - 1) + src) / len
v5
variant_zerolagema(src, len) =>
price = src
l = (len - 1) / 2
d = (price + (price - price[l]))
z = ema(d, len)
z
variant_doubleema(src,len) =>
v2 = ema(src, len)
v6 = 2 * v2 - ema(v2, len)
v6
variant_WiMA(src, length) =>
MA_s= nz(src)
MA_s:=(src + nz(MA_s[1] * (length-1)))/length
MA_s
fact(num)=>
a = 1
nn = num <= 1 ? 1 : num
for i = 1 to nn
a := a * i
a
getPoles(f, Poles, alfa)=>
filt = f
sign = 1
results = 0 + n//tv series spoofing
for r = 1 to max(min(Poles, n),1)
mult = fact(Poles) / (fact(Poles - r) * fact(r))
matPo = pow(1 - alfa, r)
prev = nz(filt[r-1],0)
sum = sign * mult * matPo * prev
results := results + sum
sign := sign * -1
results := results - n
results
variant_gauss(Price, Lag, Poles)=>
Pi = 2 * asin(1)
beta = (1 - cos(2 * Pi / Lag)) / ( pow (sqrt(2), 2.0 / Poles) - 1)
alfa = -beta + sqrt(beta * beta + 2 * beta)
pre = nz(Price, 0) * pow(alfa, Poles)
filter = pre
result = n > 0 ? getPoles(nz(filter[1]), Poles, alfa) : 0
filter := pre + result
variant_mg(src, len)=>
mg = 0.0
mg := na(mg[1]) ? ema(src, len) : mg[1] + (src - mg[1]) / (len * pow(src/mg[1], 4))
mg
variant_sinewma(src, length) =>
PI = 2 * asin(1)
sum = 0.0
weightSum = 0.0
for i = 0 to length - 1
weight = sin(i * PI / (length + 1))
sum := sum + nz(src[i]) * weight
weightSum := weightSum + weight
sinewma = sum / weightSum
sinewma
variant_geoMean(price, per)=>
gmean = pow(price, 1.0/per)
gx = for i = 1 to per-1
gmean := gmean * pow(price[i], 1.0/per)
gmean
ggx = n > per? gx : price
ggx
variant_butt2pole(pr, p1)=>
Pi = 2 * asin(1)
DTR = Pi / 180
a1 = exp(-sqrt(2) * Pi / p1)
b1 = 2 * a1 * cos(DTR * (sqrt(2) * 180 / p1))
cf1 = (1 - b1 + a1 * a1) / 4
cf2 = b1
cf3 = -a1 * a1
butt_filt = pr
butt_filt := cf1 * (pr + 2 * nz(pr[1]) + nz(pr[2])) + cf2 * nz(butt_filt[1]) + cf3 * nz(butt_filt[2])
variant_lowPass(src, len)=>
LP = src
sr = src
a = 2.0 / (1.0 + len)
LP := (a - 0.25 * a * a) * sr + 0.5 * a * a * nz(sr[1]) - (a - 0.75 * a * a) * nz(sr[2]) + 2.0 * (1.0 - a) * nz(LP[1]) - (1.0 - a) * (1.0 - a) * nz(LP[2])
LP
variant_sma(src, len) =>
sum = 0.0
for i = 0 to len - 1
sum := sum + src[i] / len
sum
variant_trima(src, length) =>
len = ceil((length + 1) * 0.5)
trima = sum(sma(src, len), len)/len
trima
variant(type, src, len) =>
type=="EMA" ? ema(src, len) :
type=="LowPass" ? variant_lowPass(src, len) :
type=="Linreg" ? linreg(src, len, 0) :
type=="Gaussian" ? variant_gauss(src, len, gauss_poles) :
type=="Sine_WMA" ? variant_sinewma(src, len) :
type=="Geometric_Mean" ? variant_geoMean(src, len) :
type=="Butterworth_2Pole" ? variant_butt2pole(src, len) :
type=="Smoothed_MA" ? variant_smoothed(src, len) :
type=="Triangular_MA" ? variant_trima(src, len) :
type=="McGuinley" ? variant_mg(src, len) :
type=="DEMA" ? variant_doubleema(src, len):
type=="Super_Smoother" ? variant_supersmoother(src, len) :
type=="Zero_Lag" ? variant_zerolagema(src, len) :
type=="Wilders"? variant_WiMA(src, len) : variant_sma(src, len)
c1=#44E2D6
c2=#DDD10D
c3=#0AA368
c4=#E0670E
c5=#AB40B2
cRed = #F93A00
ma1 = variant(type, ssrc, len1)
ma2 = variant(type, ssrc, len2)
ma3 = variant(type, ssrc, len3)
ma4 = variant(type, ssrc, len4)
ma5 = variant(type, ssrc, len5)
ma6 = variant(type, ssrc, lenrib)
ma7 = variant(type, ssrc, lenrib2)
ma8 = variant(type, ssrc, lenrib3)
ma9 = variant(type, ssrc, lenrib4)
col1 = c1
col2 = c2
col3 = c3
col4 = c4
col5 = c5
p1 = plot(onOff1 ? ma1 : na, title = "MA 1", color = col1, linewidth = linew, style = linebr)
p2 = plot(onOff2 ? ma2 : na, title = "MA 2", color = col2, linewidth = linew, style = linebr)
p3 = plot(onOff3 ? ma3 : na, title = "MA 3", color = col3, linewidth = linew, style = linebr)
p4 = plot(onOff4 ? ma4 : na, title = "MA 4", color = col4, linewidth = linew, style = linebr)
p5 = plot(onOff5 ? ma5 : na, title = "MA 5", color = col5, linewidth = linew, style = linebr)
p6 = plot(onOff6 ? ma6 : na, title = "MA 6", color = col5, linewidth = linew, style = linebr)
p7 = plot(onOff7 ? ma7 : na, title = "MA 7", color = col5, linewidth = linew, style = linebr)
p8 = plot(onOff8 ? ma8 : na, title = "MA 8", color = col5, linewidth = linew, style = linebr)
p9 = plot(onOff9 ? ma9 : na, title = "MA 9", color = col5, linewidth = linew, style = linebr)
longCond = crossover(ma2, ma3)
if longCond and testPeriod()
strategy.entry("buy", strategy.long, qty = orderQty, when = open > ma2[1])
shortCond = crossunder(ma2, ma3)
if shortCond and testPeriod()
strategy.entry("sell", strategy.short, qty = orderQty, when = open < ma2[1])
plotshape(series=plotInd? longCond : na, title="P", style=shape.triangleup, location=location.belowbar, color=green, text="P", size=size.small)
plotshape(series=plotInd? shortCond : na, title="N", style=shape.triangledown, location=location.abovebar, color=red, text="N", size=size.small)
더 많은
- MACD 전략 - 쌍방향 출구 거래
- 모멘텀 필터링 이동 평균 전략
- 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
- 볼륨 오시레이터 장기 및 단기 이동 평균 크로스오버 전략
- 피보트 역전 (Pivot Reversal) 에 기초한 양적 거래 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