더블 스무디드 이동 평균 오실레이터 주식 전략


생성 날짜: 2024-02-05 10:47:38 마지막으로 수정됨: 2024-02-05 10:47:38
복사: 1 클릭수: 357
1
집중하다
1225
수행원

더블 스무디드 이동 평균 오실레이터 주식 전략

개요

이 전략은 주식의 구매 및 판매 지점을 판단하기 위해 쌍계 평평선 진동기 지표를 사용합니다. 쌍계 평평선 진동기 지수는 두 가지 다른 변수의 쌍계 이동 평균으로 구성되어 있으며, 가격 변화의 동력을 계산하여 과매 과매 현상을 측정합니다.

전략 원칙

이 전략의 핵심 지표는 이중 평평평선 진동기 지수 (TSI) 이다. 이 지수는 다음과 같이 계산된다:

  1. pc=close-preclose 값의 변화를 계산하는 방법

  2. PC에 대해 이중 지수 평소 처리를 하여, 각각 긴 주기 12일과 짧은 주기 9일 지수 평균을 다. 이중 평소 price change: double_smoothed_pc

  3. 또한 절대값의 adspc를 이중 지수 연소 처리하여 double_smoothed_abs_pc를 얻는다.

  4. 최종 TSI 지수는 100*(double_smoothed_pc/double_smoothed_abs_pc)

TSI 값과 신호선tsi_signal의 관계를 계산하여, 과매도 및 과매도 영역을 판단하여 구매 및 판매를 결정한다.

구매 신호: TSI 값 위에 신호선을 통과하여 주가가 반전되어 초매 지역으로 들어서 구매할 수 있다.

판매 신호:TSI 값 아래로 신호선을 통과하여 주가가 반전되고 초판 지역이 종료되어 판매되어야 함을 나타냅니다.

우위 분석

이 전략의 가장 큰 장점은 두 개의 평평선 지표를 사용하여 주식 가격의 주기적 특성을 식별하는 데 있습니다. 두 개의 평평선 지표 중 두 개의 짧은 주기를 동시에 사용하면 가격 변화의 추세를 더 민감하고 정확하게 포착 할 수 있으며, 매매 지점을 판단 할 때 단일 평평선보다 더 강한 이점을 가지고 있습니다.

또한, 이 전략은 다른 일반적인 기술 지표가 아닌 TSI 지수를 선택했습니다. 왜냐하면 TSI 지수는 가격 변화의 동적 정보를 계산하는 데 더 많은 관심을 기울이기 때문입니다. 이것은 과매매 현상을 더 정확하게 판단하여 더 나은 구매 및 판매 노드 선택을 할 수 있습니다.

위험 분석

이 전략의 가장 큰 위험은 쌍계평균이 가격 변화에 민감하기 때문에 주가격이 변동하면 잘못된 신호가 발생하기 쉽다는 것입니다. 또한, TSI 지수는 과매도 지역을 판단하는 기준이 여전히 상대적으로 주관적이며, 매개 변수 설정이 부적절하면 판단의 정확성에 영향을 미칩니다.

이러한 위험을 제어하기 위해, 적절한 최적화 파라미터를 권장하고, 긴 짧은 평균선의 길이를 조정합니다. 동시에 다른 지표와 결합하여 신호를 검증하고, 충격적인 상황에서 포지션을 열지 않도록합니다. 또한, 손실을 막는 전략을 최적화하고, 갑작스러운 사건에 대한 위험 제어 조치를 설정하는 것도 매우 중요합니다.

최적화 방향

이 전략의 최적화 방향은 크게 두 가지에 집중됩니다.

  1. 매개 변수 최적화. 더 많은 회귀를 통해 길고 긴 평균선과 신호선 매개 변수의 최적의 조합을 테스트하여 지표의 감수성을 향상시킬 수 있다.

  2. 필터 지표를 설정한다. 예를 들어, 브린 띠, KDJ 등과 같은 다른 지표와 결합하여 구매 신호를 검증하고, 잘못된 입장을 피한다. 또는 거래량 필터를 설정하여 거래량이 커질 때만 입장을 열는다.

  3. 손해 방지 전략을 늘리십시오. 단일 손실을 제어하기 위해 이동식 손해 방지 및 시간적 손해 방지 조치를 취하십시오. 대장 상황에 따라 거래를 중단하여 시스템적 위험을 제어 할 수도 있습니다.

  4. 포지션 관리를 최적화한다. 포지션 규모와 비율을 동적으로 조정하여 시장 상황에 따라 각 거래의 리스크 을 제어할 수 있다.

요약하다

이 전략은 이중 평평한 평평선 진동기 지수의 계산 방법을 사용 하 고, 동시에 긴 짧은 두 주기 분석 가격 동력의 변화를 결합 하 여 과매도 지역을 판단 하 고, 구매 판매의 시기를 결정. 단일 평평선에 비해 판단 더 정확 하 고 민감 한 장점이 있습니다. 물론, 여전히 적절한 최적화 매개 변수가 필요 하 고, 전략의 안정성 및 수익성을 높이기 위해 다른 지표에 보조 된 신호를 필터링 할 수 있습니다.

전략 소스 코드
/*backtest
start: 2023-01-29 00:00:00
end: 2024-02-04 00:00:00
period: 1d
basePeriod: 1h
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/

// This Pine Script™ code is subject to the terms of the Mozilla Public License 2.0 at https://mozilla.org/MPL/2.0/
// © shankardey7310

//@version=5
strategy("TSI STOCKS", shorttitle="TSI", overlay=true)

initialCapital = input(10000, title="Initial Capital")
riskPercent = input(1, title="Risk Percentage") / 100

longLength = input(12, title="Long Length")
shortLength = input(9, title="Short Length")
signalLength = input(12, title="Signal Length")

price = close
pc = ta.change(price)

double_smooth(src, long, short) =>
    first_smooth = ta.ema(src, long)
    ta.ema(first_smooth, short)

double_smoothed_pc = double_smooth(pc, longLength, shortLength)
double_smoothed_abs_pc = double_smooth(math.abs(pc), longLength, shortLength)
tsi_value = 100 * (double_smoothed_pc / double_smoothed_abs_pc)
tsi_signal = ta.ema(tsi_value, signalLength)

riskAmount = (initialCapital * riskPercent) / close

if (tsi_value > tsi_signal and tsi_value[1] <= tsi_signal[1])
    strategy.entry("Long", strategy.long)

if (tsi_value < tsi_signal and tsi_value[1] >= tsi_signal[1])
    strategy.close("Long")

plot(tsi_value, title="True Strength Index", color=#2962FF)
plot(tsi_signal, title="Signal", color=#E91E63)
hline(0, title="Zero", color=#787B86)