리소스 로딩... 로딩...
  1. 사각형
  2. 자금 데이터에 기초한 시간 계열 적응적 동적 기준 전략

자금 데이터에 기초한 시간 계열 적응적 동적 기준 전략

저자:차오장, 날짜: 2024-04-01 10:48:52
태그:

img

전반적인 설명

이 전략은 주식 또는 다른 금융 자산의 순자산 가치의 시간 계열 데이터에 기반합니다. 기하급수적인 이동 평균 (EMA) 의 평형 인수로서 효율률 (ER) 을 동적으로 계산함으로써 구매 및 판매 신호를 유발하기 위해 상위 및 하위 대역을 적응적으로 조정합니다. 이 전략의 주요 아이디어는 순자산 가치 데이터 자체에 포함된 모든 정보를 사용하여 순자산 가치 변화 (ER) 의 복잡성을 계산하여 EMA 평형 인수를 동적으로 조정하고 동적으로 변화하는 상위 및 하위 대역을 얻습니다. 가격이 상위 대역을 넘으면 긴 지위를 열고 하위 대역을 넘으면 지위를 닫습니다.

전략 원칙

  1. 순자산 가치 데이터의 효율률 (ER) 을 계산합니다. 이는 순자산 가치 변화와 전체 변화의 비율입니다. ER 값이 작을수록 순자산 가치 변화가 더 안정적입니다. ER 값이 커질수록 순자산 가치 변화가 더 극적입니다.
  2. 자금 가치의 EMA 평균과 절대 오차를 동적으로 계산하기 위해 pine_ema 함수의 평형 인수 alfa로 ER를 사용하십시오.
  3. 동적으로 변화하는 상위 및 하위 대역을 얻기 위해 EMA 평균에서 절대적인 오차를 더하고 니다.
  4. 현재 순자산가치가 상단역을 넘어서면, 긴 포지션을 열고, 하단역을 넘어서면 포지션을 닫습니다.

전략적 장점

  1. 그것은 순자산 가치의 시간 계열 데이터에 포함 된 모든 정보를 완전히 활용합니다. 매개 변수를 설정하고 최적화 할 필요 없이, 방법은 간단하고 자연스럽습니다.
  2. 동적으로 ER를 계산하여 EMA 평형 인수를 조정함으로써 순자산 가치 변화의 복잡성에 적응하고 시장 변화에 유연하게 대응할 수 있습니다.
  3. 전통적인 고정 매개 변수 EMA와 비교하면 동적 EMA는 거래 수와 보유 시간을 효과적으로 줄여 거래 비용과 위험을 줄일 수 있습니다.
  4. 이 전략은 인출을 효과적으로 제어 할 수 있습니다. 구매 및 보유에 비해 이 전략은 최대 인출을 2-3배로 줄일 수 있습니다. 또는 동일한 인출에 따라 수익을 2-3배 증가시킬 수 있습니다.
  5. 그것은 쉽게 전략의 자동 /의 목적을 달성하기 위해 여러 전략의 조합에 적용 될 수 있습니다.

전략 위험

  1. 이 전략은 순자산 가치의 시간 계열 데이터에 기반합니다. 가격 추세가 근본적으로 역전되는 상황에서는 포지션 폐쇄를 유발하는 속도가 느려서 수익에 영향을 줄 수 있습니다.
  2. 이 전략은 매개 변수를 적응적으로 조정할 수 있지만 극단적인 시장 조건에 대한 적응성은 추가 조사가 필요합니다.
  3. 이 전략은 현재 주로 긴 포지션에 초점을 맞추고 있으며, 짧은 포지션에 대해서는 추가 개선이 필요합니다.
  4. 실제 적용에서 이 전략은 선택된 목표의 품질에 대한 더 높은 요구사항을 가지고 있으며, 장기적으로 상승 추세를 보이는 목표의 선택이 필요합니다.

전략 최적화 방향

  1. ER를 계산하는 방법을 더 이상 최적화하고, 순자산 가치 변화의 특성을 반영하는 더 많은 지표를 도입하고, ER의 안정성과 효율성을 향상시키는 것을 고려하십시오.
  2. 개시 및 종료 조건을 더 정밀하게 작성하여 전략의 수익성 및 위험 저항성을 향상시키기 위해 후속 스톱 손실, 퍼센트 스톱 손실 등을 추가하는 것을 고려하는 것.
  3. 다른 목표와 시장 환경에 대해 매개 변수를 최적화하고 전략의 다재다능성을 향상시키기 위해 전략을 적응적으로 조정하십시오.
  4. 이 전략을 다른 전략 (트렌드 추적, 평균 반전 등) 과 결합하여 다른 전략의 장점을 활용하고 포트폴리오의 안정성과 수익성을 향상시킵니다.

요약

이 전략은 지수 이동 평균 (EMA) 의 평형 인자로서의 효율률 (ER) 을 동적으로 계산하고 상위 및 하위 대역을 적응적으로 조정하고 순자산 가치의 시간 계열 데이터에 포함된 정보를 완전히 활용하며, 너무 많은 매개 변수 설정 및 최적화 필요 없이 간단하고 자연적이며 시장 변화에 유연하게 대응하고 유출을 효과적으로 제어 할 수 있습니다. 그러나 극단적인 시장 조건에 대한 이 전략의 적응성은 추가 검사가 필요하며 실질적인 응용 분야에서 목표 선택에주의를 기울여야합니다. 향후, 우리는 전략의 견고성과 수익성을 향상시키기 위해 계산 방법, 개장 및 폐쇄 조건, 매개 변수 최적화, 조합 전략 등 측면에서 전략을 더욱 최적화하고 개선 할 수 있습니다.

/*backtest
start: 2023-03-26 00:00:00
end: 2024-03-31 00:00:00
period: 1d
basePeriod: 1h
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/

//@version=4
strategy('Equity control', 'EC')
// study('Exponential bands', 'EB', overlay = true)


er(src) =>
    var start = src
    var total = 0.0

    total += abs(src - nz(src[1], src))
    net    = abs(src - start          )
    
    net / total

pine_ema(src, alpha) =>
    mean = 0.0
    dev  = 0.0

    mean := na(mean[1]) ? src : (1 - alpha) * mean[1] + alpha *     src
    dev  := na(dev [1]) ? 0   : (1 - alpha) * dev [1] + alpha * abs(src - mean)

    [mean, dev]


src = input(close)


a           = er      (src   )
[mean, dev] = pine_ema(src, a)

dev_lower = mean - dev
dev_upper = mean + dev


// plot(dev_lower, 'lower deviation', color.silver, 2, plot.style_stepline)
// plot(mean     , 'basis'          , color.purple, 1, plot.style_stepline)
// plot(dev_upper, 'upper deviation', color.silver, 2, plot.style_stepline)


if src > dev_upper
    strategy.entry('event', true, comment = 'on')
if src < dev_lower
    strategy.close('event', comment = 'off')


plot(strategy.equity)

//bigDope
더 많은

2019 FMZ - 모든 권리 보호