이 전략은
이 전략은 주로 양적 거래 신호에 대한 두 가지 지표에 의존합니다. 첫 번째는 W 패턴 지표입니다. W 패턴은 빠른 간단한 이동 평균 (10 기간) 이 느린 간단한 이동 평균 (30 기간) 을 넘어가는 상승 크로스오버에 의해 가격의 W 패턴을 식별합니다. 두 번째는 볼륨 지표입니다. 현재 볼륨을 볼륨의 간단한 이동 평균 (20 기간) 의 2 배로 비교합니다. 현재 볼륨이 평균의 2 배 이상이라면 높은 볼륨 에너지가 식별됩니다. 전략은 가격 W 패턴이 높은 거래량과 일치 할 때 구매 신호를 생성합니다.
특히 전략은 다음과 같은 단계를 통해 거래 기회를 식별합니다.
10주기 및 30주기 간단한 이동평균을 계산합니다.
빠른 선이 느린 선의 위를 가로질러 이전 반대 방향으로 가로질러 W 패턴을 식별합니다.
용량의 20주기 간단한 이동 평균을 계산하고, 현재 용량이 평균의 2배 이상일 때 높은 용량을 인식합니다.
W 패턴과 높은 볼륨이 함께 발생하면 구매 신호를 생성합니다.
이 전략은 여러 지표에 기초한 양적 판단을 통해 가격 역전의 기회를 효과적으로 파악하고 수익성있는 거래를 형성 할 수 있습니다.
이 전략의 가장 큰 장점은 여러 지표에 기초한 양적 판단으로 거래 신호가 더 정확하고 신뢰할 수 있습니다. 구체적인 장점은 다음과 같습니다.
W 패턴 지표는 높은 품질로 가격 반전을 정확하게 식별합니다.
대용량 검증은 잘못된 신호를 피하고 신뢰성을 높입니다.
여러 가지 지표의 조합은 더 높은 승률과 함께 전략을 더 포괄적이고 고정관념으로 만듭니다.
다양한 시장 환경에 대한 매개 변수 조정 및 최적화에 대한 높은 유연성.
요약하자면 이 전략은 높은 신뢰성, 광범위한 적응력 및 첨단 개념을 가진 고품질 거래 기회를 식별하기 위해 양적 기술을 통해 기술 패턴과 볼륨 지표를 성공적으로 결합합니다.
이 전략은 또한 다음과 같은 측면에서 주로 몇 가지 위험을 안고 있습니다.
W 패턴은 가격 반전을 완벽하게 예측할 수 없습니다. 일부 잘못된 신호가 존재할 수 있습니다.
또한 많은 양의 검증은 어떤 기회를 놓칠 수도 있고 모든 구매 지점을 파악할 수도 없습니다.
이동평균 기간과 같은 매개 변수 설정은 변화하는 시장 환경에 따라 조정되어야 합니다. 그렇지 않으면 전략 성과에 영향을 줄 것입니다.
어떤 기술 지표도 완벽하게 시장을 예측할 수 없고, 여러 지표 접근법은 손실을 완전히 피할 수 없습니다.
위의 위험들을 해결하기 위해 우리는 다음과 같은 관점에서 더 많은 개선들을 할 수 있습니다.
단일 거래 손실을 엄격하게 통제하기 위해 Stop Loss 포인트를 추가합니다.
매개 변수 설정을 최적화하고 이동 평균 기간 등을 조정합니다.
더 많은 기술적 지표로 모델 앙상블 접근을 늘려야 합니다.
리스크 관리 모듈을 추가하여 시장 체제에 따라 포지션 크기를 조정합니다.
이 전략은 더 많은 최적화를 할 수 있습니다.
매개 변수 조정: 더 많은 역 테스트와 스캔을 통해 최적의 매개 변수 조합을 찾습니다. 예를 들어 이동 평균 기간, 부피 곱기 등;
모델 앙상블: 안정성을 높이기 위해 더 많은 기술 지표와 앙상블 모델을 증가시킵니다.
역동적인 포지션 크기: 시장 지표에 기반한 역동적인 포지션 관리 모델을 구축하여 고위험 환경에서 포지션 크기를 낮추기 위해;
스톱 로스 전략: 손실을 통제하기 위해 적절한 스톱 로스 포인트를 설정합니다.
백테스트 검증: 안정성을 확인하기 위해 더 많은 시장 조건에서 이 전략을 테스트합니다.
위의 방향의 지속적인 개선으로 전략의 안정성과 수익성이 더욱 향상될 수 있습니다.
/*backtest start: 2023-12-01 00:00:00 end: 2023-12-31 23:59:59 period: 1h basePeriod: 15m exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}] */ //@version=5 strategy("Combined Strategy", overlay=true) // Input parameters for the W pattern with high volume wBottomDepth_W = input.int(3, title="W Bottom Depth", minval=1) volumeMultiplier_W = input.int(2, title="Volume Multiplier", minval=1) // Calculate moving averages for the W pattern maShort = ta.sma(close, 10) maLong = ta.sma(close, 30) // Find W pattern wBottom = ta.crossover(maShort, maLong) and ta.crossover(maShort[1], maLong[1]) // Check for high volume isHighVolume = volume > volumeMultiplier_W * ta.sma(volume, 20) // Strategy logic for the W pattern with high volume if (wBottom and isHighVolume) strategy.entry("W Pattern Buy", strategy.long) // Plot shapes to highlight W pattern and high volume plotshape(series=wBottom and isHighVolume, title="W Bottom with High Volume", color=color.new(color.green, 0), style=shape.triangleup, location=location.belowbar, size=size.small) // Strategy logic for the second strategy longCondition_My = ta.crossover(ta.sma(close, 14), ta.sma(close, 28)) if (longCondition_My) strategy.entry("Long Entry", strategy.long) shortCondition_My = ta.crossunder(ta.sma(close, 14), ta.sma(close, 28)) if (shortCondition_My) strategy.entry("Short Entry", strategy.short)