가격 변동 탐지 세 요인 모델은 판단을 위해 여러 요인을 통합하는 단기 거래 전략입니다. 이 전략은 가격 변동을 감지하고 단기 거래 기회를 발견하기 위해 볼륨 비율, RSI, MACD 및 신호 라인과 같은 요인을 고려합니다.
이 전략의 핵심 논리는 다음과 같습니다.
빠른 MA, 느린 MA, MACD 및 신호 라인 등의 기술 지표를 계산합니다.
부피 비율, RSI, MACD 및 신호 라인을 포함한 여러 요소 조건을 판단합니다.
현재 가격 변동 단계와 여러 요인 분석을 기반으로 구매/판매 기회를 확인합니다.
LONG 또는 SHORT 포지션을 취하고 수익을 취하고 손실을 중지합니다.
가격이 상승하면 포지션을 닫습니다.
이 전략은 가격 변동을 감지하고 단기 기회를 포착하기 위해 볼륨 비율, RSI, MACD 및 신호 라인 등의 요인을 유연하게 사용합니다. 여러 요인의 조합은 단일 요인으로부터 잘못된 신호를 피하고 정확성을 향상시킵니다.
이 전략의 장점:
이 전략의 위험은:
위 위험에 대응하기 위해 최적화 사항은 다음과 같습니다.
주요 최적화 방향:
동적으로 요인 가중을 최적화합니다. 적응력을 향상시키기 위해 시장 조건에 따라 가중을 조정 할 수 있습니다.
요소의 적응적 최적화를 달성하기 위해 기계 학습 알고리즘을 도입합니다. 신경 네트워크 및 유전자 알고리즘과 같은 알고리즘은 모델을 훈련하고 매개 변수를 최적화하는 데 사용될 수 있습니다.
스톱 손실 전략을 최적화합니다. 최고의 솔루션을 찾기 위해 스톱 손실 추적 및 이동 스톱 손실의 다른 조합을 테스트 할 수 있습니다.
첨단 기술 지표를 포함합니다. 변동성 스윙과 운동 변동과 같은 더 많은 지표가 요인을 풍부하게 할 수 있습니다.
가격 오스실레이션 검출을 위한 세 가지 요인 모델은 효율적인 단기 거래 전략을 구현하기 위해 가격 오스실레이션의 특성을 완전히 활용합니다. 그것은 볼륨, RSI, MACD 및 신호 라인과 같은 여러 가지 요인에 따라 최고의 입문 및 출구 지점을 판단합니다. 여러 가지 요인은 정확성을 향상시키고 안정적인 수익을 가져옵니다. 적응적 최적화를 위해 기계 학습을 통해 더 많은 최적화가 이루어질 수 있으며, 더 나은 전략 성능이 발생합니다.
/*backtest start: 2024-01-26 00:00:00 end: 2024-02-25 00:00:00 period: 4h basePeriod: 15m exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}] */ //@version=5 strategy("3 10.0 Oscillator Profile Flagging", shorttitle="3 10.0 Oscillator Profile Flagging", overlay=false) signalBiasValue = input(title="Signal Bias", defval=0.26) macdBiasValue = input(title="MACD Bias", defval=0.7) shortLookBack = input( title="Short LookBack", defval=3) longLookBack = input( title="Long LookBack", defval=6) takeProfit = input( title="Take Profit", defval=2) stopLoss = input( title="Stop Loss", defval=0.7) fast_ma = ta.sma(close, 3) slow_ma = ta.sma(close, 10) macd = fast_ma - slow_ma signal = ta.sma(macd, 16) hline(0, "Zero Line", color = color.black) buyVolume = volume*((close-low)/(high-low)) sellVolume = volume*((high-close)/(high-low)) buyVolSlope = buyVolume - buyVolume[1] sellVolSlope = sellVolume - sellVolume[1] signalSlope = ( signal - signal[1] ) macdSlope = ( macd - macd[1] ) plot(macd, color=color.blue, title="Total Volume") plot(signal, color=color.orange, title="Total Volume") plot(macdSlope, color=color.green, title="MACD Slope") plot(signalSlope, color=color.red, title="Signal Slope") intrabarRange = high - low rsi = ta.rsi(close, 14) rsiSlope = rsi - rsi[1] plot(rsiSlope, color=color.black, title="RSI Slope") getRSISlopeChange(lookBack) => j = 0 for i = 0 to lookBack if ( rsi[i] - rsi[ i + 1 ] ) > -5 j += 1 j getBuyerVolBias(lookBack) => j = 0 for i = 1 to lookBack if buyVolume[i] > sellVolume[i] j += 1 j getSellerVolBias(lookBack) => j = 0 for i = 1 to lookBack if sellVolume[i] > buyVolume[i] j += 1 j getVolBias(lookBack) => float b = 0.0 float s = 0.0 for i = 1 to lookBack b += buyVolume[i] s += sellVolume[i] b > s getSignalBuyerBias(lookBack) => j = 0 for i = 1 to lookBack if signal[i] > signalBiasValue j += 1 j getSignalSellerBias(lookBack) => j = 0 for i = 1 to lookBack if signal[i] < ( 0.0 - signalBiasValue ) j += 1 j getSignalNoBias(lookBack) => j = 0 for i = 1 to lookBack if signal[i] < signalBiasValue and signal[i] > ( 0.0 - signalBiasValue ) j += 1 j getPriceRising(lookBack) => j = 0 for i = 1 to lookBack if close[i] > close[i + 1] j += 1 j getPriceFalling(lookBack) => j = 0 for i = 1 to lookBack if close[i] < close[i + 1] j += 1 j getRangeNarrowing(lookBack) => j = 0 for i = 1 to lookBack if intrabarRange[i] < intrabarRange[i + 1] j+= 1 j getRangeBroadening(lookBack) => j = 0 for i = 1 to lookBack if intrabarRange[i] > intrabarRange[i + 1] j+= 1 j bool isNegativeSignalReversal = signalSlope < 0.0 and signalSlope[1] > 0.0 bool isNegativeMacdReversal = macdSlope < 0.0 and macdSlope[1] > 0.0 bool isPositiveSignalReversal = signalSlope > 0.0 and signalSlope[1] < 0.0 bool isPositiveMacdReversal = macdSlope > 0.0 and macdSlope[1] < 0.0 bool hasBearInversion = signalSlope > 0.0 and macdSlope < 0.0 bool hasBullInversion = signalSlope < 0.0 and macdSlope > 0.0 bool hasSignalBias = math.abs(signal) >= signalBiasValue bool hasNoSignalBias = signal < signalBiasValue and signal > ( 0.0 - signalBiasValue ) bool hasSignalBuyerBias = hasSignalBias and signal > 0.0 bool hasSignalSellerBias = hasSignalBias and signal < 0.0 bool hasPositiveMACDBias = macd > macdBiasValue bool hasNegativeMACDBias = macd < ( 0.0 - macdBiasValue ) bool hasBullAntiPattern = ta.crossunder(macd, signal) bool hasBearAntiPattern = ta.crossover(macd, signal) bool hasSignificantBuyerVolBias = buyVolume > ( sellVolume * 1.5 ) bool hasSignificantSellerVolBias = sellVolume > ( buyVolume * 1.5 ) // 202.30 Profit 55.29% 5m if ( ( getVolBias(longLookBack) == false ) and rsi <= 41 and math.abs(rsi - rsi[shortLookBack]) > 1 and hasNoSignalBias and rsiSlope > 1.5 and close > open) strategy.entry("5C1", strategy.long, qty=1.0) strategy.exit("TPS", "5C1", limit=strategy.position_avg_price + takeProfit, stop=strategy.position_avg_price - stopLoss) // 171.70 Profit 50.22% 5m if ( getVolBias(longLookBack) == true and rsi > 45 and rsi < 55 and macdSlope > 0 and signalSlope > 0) strategy.entry("5C2", strategy.long, qty=1.0) strategy.exit("TPS", "5C2", limit=strategy.position_avg_price + takeProfit, stop=strategy.position_avg_price - stopLoss) // 309.50 Profit 30.8% 5m 2 tp .7 sl 289 trades if ( macd > macdBiasValue and macdSlope > 0) strategy.entry("5P1", strategy.short, qty=1.0) strategy.exit("TPS", "5P1", limit=strategy.position_avg_price - takeProfit, stop=strategy.position_avg_price + stopLoss)