이 전략은 기술 지표와 명확하게 정의된 매개 변수를 조합하여 시장 변동에 대해 거래자를 안내합니다. 전략의 기초는 잠재적 인 전환점을 파악하기 위해 역사 가격 데이터의 철저한 분석에 있습니다.
이 전략은 전체 비율 변화가 미리 정의된 릴리 값을 넘을 때 짧은 포지션 입력을 유발합니다. 이 크로스오버 조건은 가격 릴리 중에 잠재적 인 반전 지점을 식별하는 강력한 신호로 작용합니다. 거래자는 이 신호를 활용하여 짧은 포지션을 시작하여 침체를 예상하여 전략적으로 위치 할 수 있습니다.
부적절한 시장 움직임에 대비하기 위해 전략은 철저한 위험 관리 시스템을 포함합니다. 출구 조건은 계산된 스톱 로스 및 이윤 취득 수준으로 정의되며, 이는 포지션의 평균 입시 가격에 따라 동적으로 결정됩니다.
쇼트 포지션이 입력되면 스톱 로스 및 테이크 노프트 레벨이 계산됩니다. 스톱 로스 레벨은 포지션의 평균 엔트리 가격을 스톱 로스 비율로 곱하여 결정됩니다. 테이크 노프트 레벨은 평균 엔트리 가격을 테이크 노프트 비율로 곱하여 계산됩니다. 이러한 리스크 관리 레벨은 자본 보호 및 수익 실현을 보장하는 위치에서 언제 빠져나갈지에 대한 명확한 지침을 제공합니다.
이 전략은 다음과 같은 장점을 가지고 있습니다.
더 확실한 거래 결정에 대한 명확한 입출입 규칙을 제공합니다.
결정의 정확성을 향상시키기 위한 기술적 지표를 사용하여 역행 기회를 식별합니다.
더 나은 리스크 통제를 위해 동적으로 스톱 로스 및 리프트를 계산합니다.
체계적인 접근 방식은 추적 및 성과 평가를 촉진합니다.
다른 시장 조건에 적응하기 위해 매개 변수 최적화를 허용합니다.
이 전략은 또한 다음과 같은 위험을 안고 있습니다.
반전 신호는 손실을 초래하는 잘못된 신호를 줄 수 있습니다.
부적절한 스톱 로스 설정과 수익 취득 설정은 과도한 손실 또는 전체 수익을 실현하지 못하는 결과를 초래할 수 있습니다.
부적절한 매개 변수 설정은 저성능으로 이어질 수 있습니다.
주요 위험 관리 조치에는 다음이 포함됩니다.
거짓 신호를 피하기 위해 신호 신뢰성을 평가합니다.
스톱 로즈와 트레이크 노프트 매개 변수를 테스트하고 최적화합니다.
다른 시장 조건에서 매개 변수 안정성을 평가합니다.
이 전략은 몇 가지 측면에서 최적화 될 수 있습니다.
보다 신뢰할 수 있는 반전 신호를 찾기 위해 더 많은 기술적 지표를 테스트하십시오.
기계 학습 방법을 활용하여 동적으로 스톱 로스 및 수익을 취하는 수준을 최적화합니다.
시그널의 정확성을 향상시키기 위해 감정 지표 등을 사용하여 시장 편향의 평가를 포함합니다.
트렌드 추적을 위한 위치 사이즈 관리 최적화
주식 특성을 평가하여 전략에 가장 적합한 틱을 선택합니다.
릴리 매출 전략은 거래자들에게 가격 릴리 중에 이상적인 반전 단축 기회를 적극적으로 찾는 강력한 도구를 제공합니다. 탄탄한 프레임워크와 세심한 분석에 기반한 의사 결정으로 전략은 거래자가 시장 기회를 적극적으로 활용할 수 있습니다. 동시에 전략은 거래자가 자신의 거래 전략을 맞춤화 할 수 있도록 사용자 정의 가능한 매개 변수를 제공합니다. 엄격한 매개 변수 테스트 및 최적화를 통해 거래자는 전략의 전체 거래 잠재력을 잠금 할 수 있습니다.
/*backtest start: 2024-01-01 00:00:00 end: 2024-01-31 23:59:59 period: 1h basePeriod: 15m exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}] */ //@version=5 strategy("Sell the Rallies", overlay=true, initial_capital=212, commission_type=strategy.commission.percent, commission_value=0, pyramiding=2) // Backtest dates fromMonth = input(1, "From Month") fromDay = input(10, "From Day") fromYear = input(2020, "From Year") thruMonth = input(2, "Thru Month") thruDay = input(21, "Thru Day") thruYear = input(2024, "Thru Year") // Define window of time for backtest start = timestamp(fromYear, fromMonth, fromDay, 00, 00) finish = timestamp(thruYear, thruMonth, thruDay, 23, 59) withinWindow() => true inp_lkb = input(1, "Lookback Period") // Calculate percentage change perc_change(lkb) => overall_change = ((close - ta.valuewhen(withinWindow(), close, lkb)) / ta.valuewhen(withinWindow(), close, lkb)) * 100 // Call the function overall = perc_change(inp_lkb) // Entry rally = input(2, "Rally") if ta.crossover(overall, rally) and withinWindow() strategy.entry("Short", strategy.short) // Exit stopLoss = input(2, "Stop Loss (%)") / 100 takeProfit = input(2, "Take Profit (%)") / 100 shortStopPrice = strategy.position_avg_price * (1 + stopLoss) shortTakeProfit = strategy.position_avg_price * (1 - takeProfit) strategy.exit("Exit", "Short", stop=shortStopPrice, limit=shortTakeProfit)