긍정적인 채널 EMA 트레일링 스톱 전략
저자:차오장, 날짜: 2023-12-18 12:10:45태그:
전반적인 설명
이 전략은 EMA 지표를 활용한 채널 기반의 스톱 로스 전략이다. 트렌드 판단, 채널 추적, 그리고 동적 스톱 로스 및 기타 주류 기술 지표를 통합한다. EMA의 순서를 판단하여 황소와 곰의 주기를 결정하고 스톱 로스를 구현하기 위해 ATR 채널 추적을 결합하여 스톱 로스가 가격 움직임을 추적 할 수 있도록 한다. 이 유형의 스톱 로스 아이디어는 더 적극적이며 너무 공격적인 스톱 로스가 깨질 가능성을 효과적으로 피한다.
전략 논리
이 전략은 주로 3개의 EMA 곡선을 사용하며 각기 다른 주기를 가지고 있습니다.
- EMA5>EMA20>EMA40는 황소 사이클입니다.
- EMA20>EMA5>EMA40는 황소 사이클입니다.
- EMA20>EMA40>EMA5는 황소 사이클입니다.
- EMA40>EMA20>EMA5는 곰 사이클입니다.
- EMA40>EMA5>EMA20는 곰 사이클입니다.
- EMA5>EMA40>EMA20는 곰 사이클입니다.
황소와 곰 사이클을 결정한 후, 전략은 SMMA 샘플링 K-라인 가격과 ATR 지표 배수를 채널 범위로 사용합니다. 거래 신호는 가격이 이 채널을 통과 할 때만 발급됩니다. 또한, 거래 신호가 발급된 후, ATR 동적 추적 스톱 손실 메커니즘이 활성화되어 스톱 손실 위치를 실시간으로 조정하여 스톱 손실 포인트가 스톱 손실의 효과를 향상시키기 위해 가격 움직임을 따라갈 수 있도록합니다.
장점
이 전략의 주요 장점은 다음과 같습니다.
- 황소와 곰의 주기를 판단하기 위해 EMA를 사용하면 시장 트렌드의 전환점을 효과적으로 파악 할 수 있습니다.
- ATR 채널에 기반한 입구점을 구축하면 시장 통합 중에 잘못된 입구를 피할 수 있습니다.
- ATR 동적 추적 중지 손실은 수익 잠금 최대화하고 효과적으로 위험을 제어 할 수 있습니다
위험 과 최적화
이 전략의 주요 위험은 과도한 거래 및 스톱 로스 (stop loss) 를 깨는 것과 같은 부적절한 매개 변수 설정으로 인한 문제로 집중됩니다. 최적화는 다음 측면에서 수행 할 수 있습니다.
- 가장 좋은 매개 변수 일치를 찾기 위해 EMA 사이클 매개 변수의 조합을 최적화
- 스톱 손실이 너무 가깝거나 너무 멀리 있는 것을 방지하기 위해 ATR 다중 크기를 최적화
- 다른 필터링 표시기를 추가하여 불운 시장에서 잘못된 항목을 피합니다.
결론
이 전략은 트렌드 판단, 채널 거래 및 동적 스톱 손실과 같은 여러 주류 기술 지표 및 방법을 통합하여 비교적 완전한 스톱 손실 거래 시스템을 형성합니다. 매개 변수 조정 및 위험 통제에서 최적화 할 수있는 많은 공간이 있습니다. 스톱 손실에 대한 높은 요구 사항을 가진 투자자에게 적합합니다.
/*backtest
start: 2023-12-10 00:00:00
end: 2023-12-12 04:00:00
period: 1m
basePeriod: 1m
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/
// This source code is subject to the terms of the Mozilla Public License 2.0 at https://mozilla.org/MPL/2.0/
// © kgynofomo
//@version=5
strategy(title="[Salavi] | Andy Advance Pro Strategy [ETH|M15]",overlay = true, pyramiding = 1,initial_capital = 10000, default_qty_type = strategy.cash,default_qty_value = 10000)
ema_short = ta.ema(close,5)
ema_middle = ta.ema(close,20)
ema_long = ta.ema(close,40)
cycle_1 = ema_short>ema_middle and ema_middle>ema_long
cycle_2 = ema_middle>ema_short and ema_short>ema_long
cycle_3 = ema_middle>ema_long and ema_long>ema_short
cycle_4 = ema_long>ema_middle and ema_middle>ema_short
cycle_5 = ema_long>ema_short and ema_short>ema_middle
cycle_6 = ema_short>ema_long and ema_long>ema_middle
bull_cycle = cycle_1 or cycle_2 or cycle_3
bear_cycle = cycle_4 or cycle_5 or cycle_6
// label.new("cycle_1")
// bgcolor(color=cycle_1?color.rgb(82, 255, 148, 60):na)
// bgcolor(color=cycle_2?color.rgb(82, 255, 148, 70):na)
// bgcolor(color=cycle_3?color.rgb(82, 255, 148, 80):na)
// bgcolor(color=cycle_4?color.rgb(255, 82, 82, 80):na)
// bgcolor(color=cycle_5?color.rgb(255, 82, 82, 70):na)
// bgcolor(color=cycle_6?color.rgb(255, 82, 82, 60):na)
// Inputs
a = input(2, title='Key Vaule. \'This changes the sensitivity\'')
c = input(7, title='ATR Period')
h = false
xATR = ta.atr(c)
nLoss = a * xATR
src = h ? request.security(ticker.heikinashi(syminfo.tickerid), timeframe.period, close, lookahead=barmerge.lookahead_off) : close
xATRTrailingStop = 0.0
iff_1 = src > nz(xATRTrailingStop[1], 0) ? src - nLoss : src + nLoss
iff_2 = src < nz(xATRTrailingStop[1], 0) and src[1] < nz(xATRTrailingStop[1], 0) ? math.min(nz(xATRTrailingStop[1]), src + nLoss) : iff_1
xATRTrailingStop := src > nz(xATRTrailingStop[1], 0) and src[1] > nz(xATRTrailingStop[1], 0) ? math.max(nz(xATRTrailingStop[1]), src - nLoss) : iff_2
pos = 0
iff_3 = src[1] > nz(xATRTrailingStop[1], 0) and src < nz(xATRTrailingStop[1], 0) ? -1 : nz(pos[1], 0)
pos := src[1] < nz(xATRTrailingStop[1], 0) and src > nz(xATRTrailingStop[1], 0) ? 1 : iff_3
xcolor = pos == -1 ? color.red : pos == 1 ? color.green : color.blue
ema = ta.ema(src, 1)
above = ta.crossover(ema, xATRTrailingStop)
below = ta.crossover(xATRTrailingStop, ema)
buy = src > xATRTrailingStop and above
sell = src < xATRTrailingStop and below
barbuy = src > xATRTrailingStop
barsell = src < xATRTrailingStop
atr = ta.atr(14)
atr_length = input.int(25)
atr_rsi = ta.rsi(atr,atr_length)
atr_valid = atr_rsi>50
long_condition = buy and bull_cycle and atr_valid
short_condition = sell and bear_cycle and atr_valid
Exit_long_condition = short_condition
Exit_short_condition = long_condition
if long_condition
strategy.entry("Andy Buy",strategy.long, limit=close,comment="Andy Buy Here")
if Exit_long_condition
strategy.close("Andy Buy",comment="Andy Buy Out")
// strategy.entry("Andy fandan Short",strategy.short, limit=close,comment="Andy 翻單 short Here")
// strategy.close("Andy fandan Buy",comment="Andy short Out")
if short_condition
strategy.entry("Andy Short",strategy.short, limit=close,comment="Andy short Here")
// strategy.exit("STR","Long",stop=longstoploss)
if Exit_short_condition
strategy.close("Andy Short",comment="Andy short Out")
// strategy.entry("Andy fandan Buy",strategy.long, limit=close,comment="Andy 翻單 Buy Here")
// strategy.close("Andy fandan Short",comment="Andy Buy Out")
inLongTrade = strategy.position_size > 0
inLongTradecolor = #58D68D
notInTrade = strategy.position_size == 0
inShortTrade = strategy.position_size < 0
// bgcolor(color = inLongTrade?color.rgb(76, 175, 79, 70):inShortTrade?color.rgb(255, 82, 82, 70):na)
plotshape(close!=0,location = location.bottom,color = inLongTrade?color.rgb(76, 175, 79, 70):inShortTrade?color.rgb(255, 82, 82, 70):na)
plotshape(long_condition, title='Buy', text='Andy Buy', style=shape.labelup, location=location.belowbar, color=color.new(color.green, 0), textcolor=color.new(color.white, 0), size=size.tiny)
plotshape(short_condition, title='Sell', text='Andy Sell', style=shape.labeldown, location=location.abovebar, color=color.new(color.red, 0), textcolor=color.new(color.white, 0), size=size.tiny)
// //atr > close *0.01* parameter
// // MONTHLY TABLE PERFORMANCE - Developed by @QuantNomad
// // *************************************************************************************************************************************************************************************************************************************************************************
// show_performance = input.bool(true, 'Show Monthly Performance ?', group='Performance - credits: @QuantNomad')
// prec = input(2, 'Return Precision', group='Performance - credits: @QuantNomad')
// if show_performance
// new_month = month(time) != month(time[1])
// new_year = year(time) != year(time[1])
// eq = strategy.equity
// bar_pnl = eq / eq[1] - 1
// cur_month_pnl = 0.0
// cur_year_pnl = 0.0
// // Current Monthly P&L
// cur_month_pnl := new_month ? 0.0 :
// (1 + cur_month_pnl[1]) * (1 + bar_pnl) - 1
// // Current Yearly P&L
// cur_year_pnl := new_year ? 0.0 :
// (1 + cur_year_pnl[1]) * (1 + bar_pnl) - 1
// // Arrays to store Yearly and Monthly P&Ls
// var month_pnl = array.new_float(0)
// var month_time = array.new_int(0)
// var year_pnl = array.new_float(0)
// var year_time = array.new_int(0)
// last_computed = false
// if (not na(cur_month_pnl[1]) and (new_month or barstate.islastconfirmedhistory))
// if (last_computed[1])
// array.pop(month_pnl)
// array.pop(month_time)
// array.push(month_pnl , cur_month_pnl[1])
// array.push(month_time, time[1])
// if (not na(cur_year_pnl[1]) and (new_year or barstate.islastconfirmedhistory))
// if (last_computed[1])
// array.pop(year_pnl)
// array.pop(year_time)
// array.push(year_pnl , cur_year_pnl[1])
// array.push(year_time, time[1])
// last_computed := barstate.islastconfirmedhistory ? true : nz(last_computed[1])
// // Monthly P&L Table
// var monthly_table = table(na)
// if (barstate.islastconfirmedhistory)
// monthly_table := table.new(position.bottom_center, columns = 14, rows = array.size(year_pnl) + 1, border_width = 1)
// table.cell(monthly_table, 0, 0, "", bgcolor = #cccccc)
// table.cell(monthly_table, 1, 0, "Jan", bgcolor = #cccccc)
// table.cell(monthly_table, 2, 0, "Feb", bgcolor = #cccccc)
// table.cell(monthly_table, 3, 0, "Mar", bgcolor = #cccccc)
// table.cell(monthly_table, 4, 0, "Apr", bgcolor = #cccccc)
// table.cell(monthly_table, 5, 0, "May", bgcolor = #cccccc)
// table.cell(monthly_table, 6, 0, "Jun", bgcolor = #cccccc)
// table.cell(monthly_table, 7, 0, "Jul", bgcolor = #cccccc)
// table.cell(monthly_table, 8, 0, "Aug", bgcolor = #cccccc)
// table.cell(monthly_table, 9, 0, "Sep", bgcolor = #cccccc)
// table.cell(monthly_table, 10, 0, "Oct", bgcolor = #cccccc)
// table.cell(monthly_table, 11, 0, "Nov", bgcolor = #cccccc)
// table.cell(monthly_table, 12, 0, "Dec", bgcolor = #cccccc)
// table.cell(monthly_table, 13, 0, "Year", bgcolor = #999999)
// for yi = 0 to array.size(year_pnl) - 1
// table.cell(monthly_table, 0, yi + 1, str.tostring(year(array.get(year_time, yi))), bgcolor = #cccccc)
// y_color = array.get(year_pnl, yi) > 0 ? color.new(color.teal, transp = 40) : color.new(color.gray, transp = 40)
// table.cell(monthly_table, 13, yi + 1, str.tostring(math.round(array.get(year_pnl, yi) * 100, prec)), bgcolor = y_color, text_color=color.new(color.white, 0))
// for mi = 0 to array.size(month_time) - 1
// m_row = year(array.get(month_time, mi)) - year(array.get(year_time, 0)) + 1
// m_col = month(array.get(month_time, mi))
// m_color = array.get(month_pnl, mi) > 0 ? color.new(color.teal, transp = 40) : color.new(color.gray, transp = 40)
// table.cell(monthly_table, m_col, m_row, str.tostring(math.round(array.get(month_pnl, mi) * 100, prec)), bgcolor = m_color, text_color=color.new(color.white, 0))
더 많은
- MACD 및 RSI 크로스오버 신호에 기초한 거래 전략
- 바이에스 조건 RSI 거래 전략
- 피보트 역전 전략
- TSI 지표와 Hull 이동 평균에 기초한 양적 거래 전략
- 채널 트렌드 전략
- CCI의 장기적 전략
- 이동 평균 리본 전략
- MACD 이중 이동 평균 추적 전략
- X48 - 데이 라이트 헌터 전략 최적화 및 적응
- 하이킨-아시 - 0.5% 변경 단기 거래 전략
- 갈릴레오 갈릴레이의 이동 평균 크로스오버 전략
- 윌리엄스 지표의 AC 백테스트 전략
- 낮은 변동성 방향 구매와 수익 취득 및 손실 중지
- 이동평균에 기초한 고정 비율의 스톱 로스 및 영업 전략
- 이중 EMA 및 가격 변동 지수에 기초한 양적 거래 전략
- 모멘텀 브레이크오웃 양방향 추적 전략
- 슈퍼 트렌드 LSMA 장기 전략
- 세 바와 네 바 브레이크업 역전 전략
- 적응적인 기하급수적 이동평균 라인에 기초한 적응적인 SMI 에르고딕 거래 전략
- 스팟 거래에 대한 SMA 및 PSAR 전략