Intraday 전략에 따른 MACD 트렌드
저자:차오장, 날짜: 2023-12-19 11:16:44태그:
전반적인 설명
MACD 트렌드 포워딩 인트라데이 전략은 이동 평균, MACD 지표 및 윌리엄스 지표를 결합한 인트라데이 거래 전략이다. 단기 가격 움직임의 트렌드 특성을 파악하는 것을 목표로 긴 및 짧은 포지션에 대한 입출 기준을 형성하기 위해 세 가지 지표의 다른 조합을 사용합니다.
전략 논리
이 전략의 주요 거래 논리는 몇 가지 측면에 기반합니다.
-
가격이 기하급수적 이동 평균 (EMA) 라인을 넘어서면 장거리, 그 아래로 넘어가면 단거리
-
MACD 빠른 라인이 느린 라인 위에 있을 때 긴 라인, 아래가 되면 짧은 라인.
-
윌리엄 지표의 빠른 MA 라인이 느린 MA 라인의 위에 있을 때 길게 이동하고, 그 반대의 경우
-
이 세 가지 시나리오의 조합을 입시 조건으로 사용하십시오.
-
역전 신호로 출구
전반적인 트렌드 방향과 MACD를 단기 추진력으로 결합함으로써, 이 전략은 수익을 위한 괜찮은 입구 지점에서의 가격 트렌드 움직임을 포착할 수 있다. 윌리엄스 지표는 또한 과잉 구매/ 과잉 판매 수준을 측정함으로써 잘못된 브레이크오프를 피하는 데 도움이 된다.
장점
이 다중 지표 조합 구조는 다음과 같은 주요 가장자리로 전형적인 단기 트렌드를 전략에 따라 만듭니다.
-
거짓 신호를 줄이기 위해 세차 교차 검증
-
주요 트렌드를 나타내는 EMA, 단기 동력을 나타내는 MACD
-
윌리엄스 지표는 휘발성 이동 중에 상단이나 바닥 낚시를 피합니다.
-
리버스 콤보는 위험 통제가 출구와 일치하도록 보장합니다.
위험성
이 전략에는 다음과 같은 큰 위험이 있습니다.
-
복잡한 구조로 매개 변수를 조정하는 것은 어려운 일입니다.
-
빈번한 단기 거래는 더 높은 거래 비용을 초래할 수 있습니다.
-
진정한 트렌드 반전 포인트를 감지하지 못하면 손실이 발생할 수 있습니다.
주요 완화 방법은 매개 변수 최적화와 스톱 로스입니다. 이윤 조합을 극대화하고 최대 단일 거래 손실을 제어하기 위해서입니다.
더 나은 기회
전략 강화의 주요 측면:
-
최적의 세트를 위해 더 많은 매개 변수 조합을 테스트합니다.
-
입력 검증을 위해 볼륨과 같은 더 많은 데이터 피드를 추가합니다.
-
리스크 통제를 강화하기 위해 동적 또는 후속 스톱 로스를 사용해야 합니다.
-
진정한 역전을 감지하기 위해 기계 학습을 통합합니다.
결론
이 내일 전략을 따르는 MACD 추세는 단기 트렌드를 식별하고 위험을 관리하기위한 지표를 효과적으로 결합합니다. 조정 매개 변수에 대한 추가 개선, 스톱 로스 수준을 설정하고 더 많은 데이터 피드를 통합하면 전략 승률과 수익성을 높일 수 있습니다. 개념은 전략 발전을 위해 연구 할 가치가 있습니다.
/*backtest
start: 2023-11-18 00:00:00
end: 2023-12-18 00:00:00
period: 1h
basePeriod: 15m
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/
// © platsn
//@version=5
strategy("MACD Willy Strategy", overlay=true, pyramiding=1, initial_capital=10000)
// ******************** Trade Period **************************************
startY = input(title='Start Year', defval=2011, group = "Trading window")
startM = input.int(title='Start Month', defval=1, minval=1, maxval=12, group = "Trading window")
startD = input.int(title='Start Day', defval=1, minval=1, maxval=31, group = "Trading window")
finishY = input(title='Finish Year', defval=2050, group = "Trading window")
finishM = input.int(title='Finish Month', defval=12, minval=1, maxval=12, group = "Trading window")
finishD = input.int(title='Finish Day', defval=31, minval=1, maxval=31, group = "Trading window")
timestart = timestamp(startY, startM, startD, 00, 00)
timefinish = timestamp(finishY, finishM, finishD, 23, 59)
// t1 = time(timeframe.period, "0945-1545:23456")
// window = time >= timestart and time <= timefinish and t1 ? true : false
// t2 = time(timeframe.period, "0930-1555:23456")
// window2 = time >= timestart and time <= timefinish and t2 ? true : false
leverage = input.float(1, title="Leverage (if applicable)", step=0.1, group = "Trading Options")
reinvest = input.bool(defval=false,title="Reinvest profit", group = "Trading Options")
reinvest_percent = input.float(defval=20, title = "Reinvest percentage", group="Trading Options")
// entry_lookback = input.int(defval=10, title="Lookback period for entry condition", group = "Trading Options")
// -------------------------------------------- Data Source --------------------------------------------
src = input(title="Source", defval=close)
// ***************************************************************************************************** Daily ATR *****************************************************
atrlen = input.int(14, minval=1, title="ATR period", group = "Daily ATR")
iPercent = input.float(5, minval=1, maxval=100, step=0.1, title="% ATR to use for SL / PT", group = "Daily ATR")
percentage = iPercent * 0.01
datr = request.security(syminfo.tickerid, "1D", ta.rma(ta.tr, atrlen))
datrp = datr * percentage
// plot(datr,"Daily ATR")
// plot(datrp, "Daily % ATR")
//*********************************************************** VIX volatility index ****************************************
VIX = request.security("BTC_USDT:swap", timeframe.period, close)
vix_thres = input.float(20.0, "VIX Threshold for entry", step=0.5, group="VIX Volatility Index")
// ************************************************ Volume ******************************************************
vol_len = input(50, 'Volume MA Period')
avg_vol = ta.sma(volume, vol_len)
//-------------------------------------------------------- Moving Average ------------------------------------
emalen1 = input.int(200, minval=1, title='EMA', group= "Moving Averages")
ema1 = ta.ema(src, emalen1)
// ------------------------------------------ MACD ------------------------------------------
// Getting inputs
fast_length = input(title="Fast Length", defval=12)
slow_length = input(title="Slow Length", defval=26)
signal_length = input.int(title="Signal Smoothing", minval = 1, maxval = 50, defval = 9)
sma_source = input.string(title="Oscillator MA Type", defval="EMA", options=["SMA", "EMA"])
sma_signal = input.string(title="Signal Line MA Type", defval="EMA", options=["SMA", "EMA"])
// Plot colors
col_macd = input(#2962FF, "MACD Line ", group="Color Settings", inline="MACD")
col_signal = input(#FF6D00, "Signal Line ", group="Color Settings", inline="Signal")
col_grow_above = input(#26A69A, "Above Grow", group="Histogram", inline="Above")
col_fall_above = input(#B2DFDB, "Fall", group="Histogram", inline="Above")
col_grow_below = input(#FFCDD2, "Below Grow", group="Histogram", inline="Below")
col_fall_below = input(#FF5252, "Fall", group="Histogram", inline="Below")
// Calculating
fast_ma = sma_source == "SMA" ? ta.sma(src, fast_length) : ta.ema(src, fast_length)
slow_ma = sma_source == "SMA" ? ta.sma(src, slow_length) : ta.ema(src, slow_length)
macd = fast_ma - slow_ma
signal = sma_signal == "SMA" ? ta.sma(macd, signal_length) : ta.ema(macd, signal_length)
hist = macd - signal
// ---------------------------------------- William %R --------------------------------------
w_length = input.int(defval=34, minval=1)
w_upper = ta.highest(w_length)
w_lower = ta.lowest(w_length)
w_output = 100 * (close - w_upper) / (w_upper - w_lower)
fast_period = input(defval=5, title='Smoothed %R Length')
slow_period = input(defval=13, title='Slow EMA Length')
w_fast_ma = ta.wma(w_output,fast_period)
w_slow_ma = ta.ema(w_output,slow_period)
// ------------------------------------------------ Entry Conditions ----------------------------------------
L_entry1 = close > ema1 and hist > 0 and w_fast_ma > w_slow_ma
S_entry1 = close < ema1 and hist < 0 and w_fast_ma < w_slow_ma
// -------------------------------------------------- Entry -----------------------------------------------
strategy.initial_capital = 50000
profit = strategy.netprofit
trade_amount = math.floor(strategy.initial_capital*leverage / close)
if strategy.netprofit > 0 and reinvest
trade_amount := math.floor((strategy.initial_capital+(profit*reinvest_percent*0.01))*leverage / close)
else
trade_amount := math.floor(strategy.initial_capital*leverage/ close)
if L_entry1 //and window
strategy.entry("Long", strategy.long, trade_amount)
if S_entry1 //and window
strategy.entry("Short", strategy.short, trade_amount)
// --------------------------------------------------- Exit Conditions -------------------------------------
L_exit1 = hist < 0 and w_fast_ma < w_slow_ma and w_fast_ma < -20
S_exit1 = hist > 0 and w_fast_ma > w_slow_ma and w_fast_ma > -80
// ----------------------------------------------------- Exit ---------------------------------------------
if L_exit1 //and window2
strategy.close("Long")
if S_exit1 //and window2
strategy.close("Short")
// if time(timeframe.period, "1530-1600:23456")
// strategy.close_all()
더 많은
- 골든 크로스 최적화 이동 평균 크로스오버 거래 전략
- 이동평균을 가로질러 전략
- 라지 베어 기반의 웨이브 트렌드 트레이딩 전략
- 8일 연장 전략
- 이동 평균 회전 전략
- 동적 MA 크로스오버 트렌드 전략
- 스토카스틱 이동 평균 전략
- 모멘텀 오스실레이션 이동 평균 전략으로 볼링거 밴드를 가로질러
- RSI 볼링거 밴드 단기 거래 전략
- 슈퍼 트렌드 추적 중지 손실 전략
- 이중 요인 평균 반전 추적 전략
- 트렌드 추적 전략
- 다중 지표 조합 적응 트렌드 전략
- 촛불 패턴 거래 전략
- SMA 오프셋 변동 거래 전략
- 슈퍼 트렌드 확인을 이용한 5-10-20일 EMA 크로스오버에 기반한 전략
- 동력 돌파 이동 평균 거래 전략
- 역전 전략에 따른 MACD 및 RSI 기반 트렌드
- RSI 채널 가격 차이 추적 전략
- 안정적이고 안정적인 SMA 포지션 보유 전략