양방향 이동 평균 회전 거래 전략
저자:차오장, 날짜: 2024-01-15 12:15:14태그:
전반적인 설명
양방향 이동 평균 반전 거래 전략은 가격 평균 반전 이론에 기반한 양적 거래 전략이다. 이 전략은 여러 이동 평균을 설정하여 가격이 이동 평균에서 크게 벗어나면 시장에 진입하고, 다시 돌아온 경우 시장에서 빠져 나가는 방식으로 가격 반전 기회를 포착합니다.
전략 논리
이 전략의 핵심 아이디어는 가격 평균 회귀 (Price mean reversal) 이며, 이는 가격이 평균 값 주위에서 변동하는 경향이 있으며 평균에서 너무 멀리 벗어날 때 회귀 할 가능성이 높다는 것을 암시합니다. 구체적으로, 이 전략은 세 가지 이동 평균 그룹을 설정합니다. 입시 이동 평균, 출구 이동 평균 및 스톱-손실 이동 평균. 가격이 입시 이동 평균에 도달하면 대응하는 긴 또는 짧은 포지션을 열고, 가격이 출구 이동 평균에 도달하면 포지션을 닫고, 가격이 다시 회귀하지 않고 추세를 계속하는 경우 중단 손실 이동 평균으로 손실을 제어합니다.
코드 논리 관점에서, 두 가지 진입 이동 평균 - 길고 짧은 - 각각 빠른 이동 평균과 느린 이동 평균으로 구성되어 있습니다. 그것들과 가격 사이의 오차는 포지션 크기를 결정합니다. 또한 출구 이동 평균은 포지션을 닫을 때를 신호하는 별도의 이동 평균입니다. 가격이이 선을 칠 때 기존 포지션은 평평화됩니다.
이점 분석
양방향 이동 평균 회전 전략의 주요 장점은 다음과 같습니다.
- 범위에 제한된 시장에 적합한 가격 반전을 포착합니다.
- 스톱 손실을 통해 위험을 제어
- 적응력을 위해 매우 사용자 정의 가능한 매개 변수
- 이해하기 쉽고, 매개 변수 최적화를 위해 편리합니다
이 전략은 상대적으로 작은 가격 변동이 있는 낮은 변동성 도구와 잘 작동합니다. 특히 범위 제한 주기에 들어갈 때 효과적으로 일시적인 가격 반전에서 기회를 잡을 수 있습니다. 한편으로, 위험 통제 조치는 상당히 포괄적입니다. 가격이 되돌리지 않더라도 합리적인 범위 내에서 손실을 제한합니다.
위험 분석
이 전략과 관련된 위험도 있습니다.
- 트렌드를 쫓는 위험성: 트렌드가 크게 변할 때 연속적으로 새로운 포지션은 청산으로 이어질 수 있습니다.
- 과도한 가격 변동 위험. 중지 손실은 변동성 증가에 의해 영향을받을 수 있습니다.
- 매개 변수 최적화 위험: 부적절한 매개 변수 설정은 상당한 저성능으로 이어질 수 있습니다.
위 위험 요소 를 줄일 수 있는 몇 가지 방법 은 다음 과 같다.
- 과잉 거래를 피하기 위해 새로운 항목을 제한
- 청산 위험을 제한하기 위해 포지션 크기를 줄이는 것
- 이동평균 기간과 출구선 곱셈과 같은 매개 변수 최적화
최적화 방향
또한 이 전략을 더 이상 최적화 할 수있는 충분한 공간이 있습니다.
- 트렌드 추적을 방지하기 위해 추가 입력 논리를 추가합니다.
- 변동성 대비 적응형 포지션 사이징을 포함
- 다른 종류의 이동 평균을 실험
- 자동화된 매개 변수 최적화를 위한 기계 학습
- 더 역동적 인 위험 관리를 위해 후속 중단을 포함합니다.
결론
쌍방향 이동 평균 반전 거래 전략은 이동 평균 수준에서 상당한 오차가 발생한 후 가격 반전에서 이익을 얻는 것을 목표로합니다. 적절한 위험 제어 조치가 있으면 매개 변수 조정으로 일관된 이익을 얻을 수 있습니다. 추세 추구하고 과도한 변동성 같은 위험이 여전히 존재하지만, 진입 논리를 개선하고 위치 크기를 줄임으로써 해결할 수 있습니다. 이해하기 쉬운이 전략은 양적 거래자로부터 추가 연구와 최적화를받을 가치가 있습니다.
/*backtest
start: 2023-12-15 00:00:00
end: 2024-01-14 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 = 30, pyramiding = 1, commission_value = 0.1, 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 Long"
maopeningtyp_l = 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_l = input.source(ohlc4, title = "", inline=info_opening, group=info_opening)
maopeninglen_l = input.int(3, minval = 1, title = "", inline=info_opening, group=info_opening)
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")
info_opening_s = "MA Opening Short"
maopeningtyp_s = input.string("SMA", title="Type", options=["SMA", "EMA", "TEMA", "DEMA", "ZLEMA", "WMA", "Hma", "Thma", "Ehma", "H", "L", "DMA"], title = "", inline=info_opening_s, group=info_opening_s)
maopeningsrc_s = input.source(ohlc4, title = "", inline=info_opening_s, group=info_opening_s)
maopeninglen_s = input.int(3, minval = 1, title = "", inline=info_opening_s, group=info_opening_s)
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")
//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)
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_l = 0.0
maopening_s = 0.0
maclosing = 0.0
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_l := ma_func(maopeningtyp_l, maopeningsrc_l, maopeninglen_l)
maopening_s := ma_func(maopeningtyp_s, maopeningsrc_s, maopeninglen_s)
//MA Closing
maclosing := ma_func(maclosingtyp, maclosingsrc, maclosinglen) * maclosingmul
long1 = long1on == false ? 0 : long1shift == 0 ? 0 : long1lot == 0 ? 0 : maopening_l == 0 ? 0 : maopening_l * long1shift
short1 = short1on == false ? 0 : short1shift == 0 ? 0 : short1lot == 0 ? 0 : maopening_s == 0 ? 0 : maopening_s * short1shift
//Colors
long1col = long1 == 0 ? na : color.green
short1col = short1 == 0 ? na : color.red
//Lines
// plot(maopening_l, offset = OFFS, color = color.new(color.green, 50))
// plot(maopening_s, offset = OFFS, color = color.new(color.red, 50))
plot(maclosing, offset = OFFS, color = color.fuchsia)
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 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()
더 많은
- 아론 오시레이터 기반 주식 거래 전략
- EintSimple Pullback 전략
- 양극화된 프랙탈 효율 (PFE) 거래 전략
- 11개의 이동평균의 크로스오버 전략
- 이중 이동 평균 역전 거래 전략
- MACD 역전 전략의 RSI
- 달 위기 기반 비트코인 거래 전략
- 변동성 필터링 시장 타이밍 전략
- 이동 평균과 트레일링 스톱과 함께 채널 브레이크 전략에 따른 트렌드
- 양적 거래의 이중 지표 전략
- RSI 상승 및 하락 격차 거래 전략
- 박스 브레이크아웃 기반의 은탄 전략
- 이중 EMA 및 AC 지표 기반 트렌드 다음 전략
- 제로 라그 변동성 브레이크업 EMA 트렌드 전략
- 강력한 트렌드 추적 전략
- 스파이럴 브레이크 이동 평균 전략
- 슈퍼트렌드 지표와 주식 곡선 거래에 기반한 양적 거래 전략
- 여러 시간 프레임 슈퍼 트렌드 추적 전략
- 이중 이동 평균 크로스오버 전략
- 스톱 로스로 트렌드를 따르는 전략