리소스 로딩... 로딩...
  1. 사각형
  2. 최적화된 스톱 로스 전략과 함께 이중 이동 평균 크로스오버

최적화된 스톱 로스 전략과 함께 이중 이동 평균 크로스오버

저자:차오장, 날짜: 2024-03-22 14:53:59
태그:

img

전략 개요

최적화된 스톱 로스 전략 (TQQQ) 을 가진 이중 이동 평균 크로스오버 (Dual Moving Average Crossover with Optimized Stop Loss Strategy) 는 서로 다른 기간을 가진 두 개의 이동 평균 (SMA) 의 크로스오버 신호를 기반으로 하는 양적 거래 전략이다. 이 전략은 단장 포지션을 취하고, 빠른 이동 평균이 느린 이동 평균을 넘어서면 포지션을 열고 빠른 이동 평균이 느린 이동 평균을 넘어서거나 가격이 스톱 로스 수준 이하로 떨어지면 포지션을 닫는다. 이 전략은 빠른 이동 평균과 느린 이동 평균의 기간과 스톱 로스 비율을 최적화하여 시장 부진 중 손실을 줄이는 동시에 황소 시장에서 더 높은 수익을 달성하는 것을 목표로 한다.

전략 원칙

이 전략의 핵심은 다른 기간의 이동 평균의 크로스오버 신호를 사용하여 시장 추세를 파악하는 것입니다. 단기 이동 평균이 장기 이동 평균보다 높을 때 잠재적인 상승 추세를 나타내고 전략은 긴 포지션을 열고 있습니다. 단기 이동 평균이 장기 이동 평균보다 낮을 때 상승 추세가 끝났을 수 있음을 제안하고 전략은 포지션을 닫습니다.

이동 평균 크로스오버 신호 외에도 전략에는 스톱 로스 메커니즘이 포함되어 있습니다. 시장 가격이 고정된 비율 스톱 로스 수준 이하로 떨어지면 이동 평균이 종료 신호를 생성하지 않았더라도 전략은 포지션을 종료합니다. 이 메커니즘의 목적은 드래운을 제어하고 트렌드 역전 중에 상당한 손실을 방지하는 것입니다.

특히 전략은 다음 단계를 포함합니다.

  1. 빠른 이동 평균과 느린 이동 평균을 계산합니다.
  2. 개시 신호가 있는지 확인합니다. 빠른 이동 평균이 느린 이동 평균을 넘어서 현재 위치가 없을 때 긴 위치를 개척합니다.
  3. 오픈 가격을 기록하고 스톱 로스 수준을 계산합니다.
  4. 닫는 신호가 있는지 확인합니다. 빠른 이동 평균이 느린 이동 평균 아래로 넘어가거나 가격이 스톱 로스 수준 아래로 떨어지면 모든 긴 포지션을 닫습니다.
  5. 닫기 가격에 따라 다음 거래일에 포지션을 열거나 닫을 기회가 있는지 판단하고 2-4단계를 반복합니다.

이 일련의 단계를 통해 전략은 시장 추세의 변화에 빠르게 적응할 수 있으며, 시장 마이너스를 조절하기 위해 시장 침체 기간 동안 적시에 손실을 줄이는 동시에 상당한 이익을 얻기 위해 황금 시장의 추세를 따라갈 수 있습니다.

전략적 장점

  1. 트렌드 추적: 이동 평균 크로스오버 신호를 사용하여 전략은 시장 추세를 파악하고, 추세를 따르는 수익을 얻기 위해 상승 추세 동안 포지션을 보유 할 수 있습니다.

  2. 스톱 로스 메커니즘: 고정 비율의 스톱 로스는 마감량을 효과적으로 제어하고 단일 거래에서 과도한 손실을 피할 수 있습니다.

  3. 매개 변수 유연성: 빠른 평균과 느린 이동 평균의 기간 매개 변수 및 스톱 로스 비율은 시장 특성과 개인 위험 선호도에 따라 조정될 수 있으며, 전략의 적응성을 높일 수 있습니다.

  4. 광범위한 적용 가능성: 전략은 주식, 선물 및 외환과 같은 다양한 시장과 도구에 적용 될 수 있으며, 도구의 특성에 따라 매개 변수 조정만 필요합니다.

  5. 단순성과 효율성: 전략 논리는 명확하고 이해하기 쉽고 구현하기 쉽습니다. 그것은 광범위한 매개 변수 최적화와 시뮬레이션 거래를 촉진하는 높은 백테스팅 효율성을 가지고 있습니다.

전략 위험

  1. 매개 변수 민감성: 이동 평균 기간 및 중지 손실 비율의 선택은 전략 성과에 상당한 영향을 미칩니다. 부적절한 매개 변수는 빈번한 거래 또는 트렌드 기회를 놓칠 수 있습니다.

  2. 트렌드 인식 지연: 이동 평균 크로스오버 신호는 특정 지연을 가지고 있으며, 특히 시장이 빠르게 변할 때 포지션 개점 및 폐쇄에 가장 적합한 시기를 놓칠 수 있습니다.

  3. 집중된 지점: 전략은 항상 100% 지점을 유지하며, 지점 관리 및 자본 할당 메커니즘이 없으며, 더 높은 자본 위험에 직면합니다.

  4. 사이드웨이 시장에서 낮은 성과: 사이드웨이 시장에서 빈번한 크로스오버 신호는 전략 손실로 이어질 수 있습니다.

  5. 블랙 스완 이벤트: 극한 시장 조건에서 거래 신호가 실패할 수 있으며 고정 스톱 손실 비율은 실제 위험을 커버하지 않을 수 있습니다.

이러한 위험을 해결하기 위해 전략은 다음과 같은 측면에서 최적화되고 개선 될 수 있습니다.

  1. 동적 스톱 로스 도입: 다른 시장 조건에 적응하기 위해 시장 변동성 또는 가격 수준에 따라 동적으로 스톱 로스 비율을 조정합니다.

  2. 오픈 및 클로징 신호를 최적화: 트렌드 인식의 정확성과 신속성을 향상시키기 위해 MACD 및 RSI와 같은 다른 기술 지표를 결합합니다.

  3. 포지션 관리 도입: 마감 위험을 제어하기 위해 시장 트렌드 강도 및 변동성 등의 지표에 따라 포지션을 동적으로 조정합니다.

  4. 기본 분석을 포함합니다. 기본 분석이 불리할 때 거래를 피하기 위해 거시 경제 및 산업 요인을 종합적으로 고려하십시오.

  5. 전체 스톱 로스 라인 설정: 자본 위험을 제어하기 위해 극단적인 시장 조건에 대한 계정 수준의 전체 스톱 로스 라인을 설정합니다.

전략 최적화

  1. 동적 스톱 로스: 시장 변동성에 따라 스톱 로스 비율을 동적으로 조정하기 위해 ATR 및 볼링거 밴드와 같은 지표를 도입하고, 트렌드가 강할 때 스톱 로스를 완화하고 옆 시장에서 스톱 로스를 강화합니다.

  2. 신호 최적화: EMA와 WMA와 같은 다른 이동 평균 조합을 실험하여 보다 민감하고 효과적인 개막 및 폐쇄 신호를 찾습니다. 동시에 MACD, RSI 및 기타 지표를 추가 판단으로 사용하는 것을 고려하십시오.

  3. 포지션 관리: ATR 및 ADX와 같은 지표를 사용하여 시장 트렌드 강도를 측정하고, 트렌드가 분명할 때 포지션을 증가시키고, 트렌드가 불분명할 때 포지션을 줄입니다. 동시에 최대 포지션 제한을 설정하고, 랩 및 포지션을 팩으로 닫습니다.

  4. 긴 단기 헤지: 시장을 헤지하기 위해 옆 시장에서 긴 포지션과 짧은 포지션을 모두 보유하는 것을 고려하십시오. VIX 공포 지수와 같은 시장 정서 지표는 긴 단기 비율을 동적으로 조정하는 데 사용될 수 있습니다.

  5. 매개 변수 자체 적응: 기계 학습 알고리즘을 사용하여 서로 다른 시장과 도구에 대한 최적의 매개 변수 조합을 자동으로 찾으며 전략의 적응성과 견고성을 향상시킵니다.

위의 최적화 방법을 통해 전략의 수익성과 위험 저항성을 더욱 향상시켜 끊임없이 변화하는 시장 환경에 더 잘 적응할 수 있습니다.

요약

최적화된 스톱 로스 전략 (TQQQ) 을 가진 이중 이동 평균 크로스오버 (Dual Moving Average Crossover with Optimized Stop Loss Strategy, TQQQ) 는 간단하면서도 효과적인 수치적 거래 전략이다. 이 전략은 고정된 스톱 로스 비율을 통해 드라우다운 리스크를 제어하는 동시에 서로 다른 기간의 이동 평균의 크로스오버 신호를 사용하여 시장 트렌드를 포착한다. 전략 논리는 명확하고, 구현 및 최적화하기가 쉽고, 다양한 시장과 도구에 적용된다.

유동 평균 기간과 스톱 로스 비율을 합리적으로 선택함으로써 전략은 황소 시장에서 상당한 수익을 얻을 수 있습니다. 그러나 전략은 또한 매개 변수 민감성, 트렌드 인식 지연 및 집중된 위치와 같은 위험에 직면합니다. 이러한 위험을 해결하기 위해 동적 스톱 로스, 신호 최적화, 위치 관리, 장기 단위 헤지 및 매개 변수 자체 적응과 같은 측면에서 개선 및 최적화가 가능합니다.

전반적으로, 최적화된 스톱 로스 전략 (TQQQ) 과 함께 두 개의 이동 평균 크로스오버는 시도하고 추가 연구를 할 가치가 있는 양적 거래 전략입니다. 지속적인 최적화와 개선을 통해 투자자에게 강력한 도구가 될 가능성이 있으며 불안정한 시장에서 안정적인 수익을 얻을 수 있습니다. 그러나 모든 전략에는 한계가 있습니다. 투자자는 양적 거래의 경로에서 더 나아가기 위해 자신의 위험 선호도와 시장 시각에 따라 유연하게 적용하고 지속적으로 조정해야합니다.

/*backtest
start: 2023-03-16 00:00:00
end: 2024-03-21 00:00:00
period: 1d
basePeriod: 1h
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/

//@version=4
strategy("SMA Crossover Strategy with Customized Stop Loss (Long Only)", overlay=true)

// Define input variables for SMA lengths and stop loss multiplier
fast_length = input(9, "Fast SMA Length")
slow_length = input(14, "Slow SMA Length")
stop_loss_multiplier = input(0.1, "Stop Loss Multiplier")

// Calculate SMA values
fast_sma = sma(close, fast_length)
slow_sma = sma(close, slow_length)

// Define entry and exit conditions
enter_long = crossover(fast_sma, slow_sma)
exit_long = crossunder(fast_sma, slow_sma)

// Plot SMAs on chart
plot(fast_sma, color=color.red)
plot(slow_sma, color=color.blue)

// Set start date for backtest
start_date = timestamp(2022, 01, 01, 00, 00)

// Filter trades based on start date
if time >= start_date
    if (enter_long)
        strategy.entry("Buy", strategy.long, when = strategy.position_size == 0)

    // Calculate stop loss level
    buy_price = strategy.position_avg_price
    stop_loss_level = buy_price * (1 - stop_loss_multiplier)

    // Exit trades
    if (exit_long or low <= stop_loss_level)
        strategy.close("Buy")
더 많은

2019 FMZ - 모든 권리 보호