이 전략은 듀얼 타임프레임 모멘텀 전략이다. 단순 이동 평균 (SMA) 을 사용하여 더 높은 시간 프레임에서 트렌드 방향을 결정하고 피보트 포인트 (PivotLow 및 PivotHigh) 를 사용하여 더 낮은 시간 프레임에서 반전 지점을 식별합니다. 더 높은 시간 프레임에서 상승 추세가 나타나고 더 낮은 시간 프레임에서 상승 회전 지점이 나타나면 긴 시간으로 들어가고, 더 높은 시간 프레임에서 하락 추세가 나타나고 더 낮은 시간 프레임에서 하락 회전 지점이 나타나면 짧은 시간으로 들어갑니다.
이 전략의 주요 원리는 더 높은 시간 프레임의 트렌드 방향이 더 낮은 시간 프레임의 움직임에 영향을 미칠 것이라는 것입니다. 더 높은 시간 프레임이 상승 추세를 보이는 경우, 더 낮은 시간 프레임에서 인회하는 것이 구매 기회일 가능성이 높습니다. 더 높은 시간 프레임이 하락 추세를 보이는 경우, 더 낮은 시간 프레임에서 리바운드하는 것이 단축 기회일 가능성이 높습니다. 이 전략은 더 높은 시간 프레임의 트렌드 방향을 결정하기 위해 간단한 이동 평균 (SMA) 을 사용하고, 낮은 시간 프레임에서 반전 지점을 식별하기 위해 피보트 로우 및 피보트 하이 (PivotLow 및 PivotHigh) 를 사용합니다.
이 이중 타임프레임 모멘텀 전략은 높은 시간 프레임과 낮은 시간 프레임 사이의 연결을 활용하여 높은 시간 프레임의 트렌드 방향을 결정하고 낮은 시간 프레임의 반전 지점을 캡처하여 트렌드 추적 및 반전 거래를 달성합니다. 전략은 명확한 논리와 명백한 장점을 가지고 있지만 또한 몇 가지 위험을 가지고 있습니다. 미래에 전략은 트렌드 변화 탐지, 매개 변수 최적화, 위험 제어 및 다중 요인 융합과 같은 측면에서 최적화되어 적응력과 탄력성을 향상시킬 수 있습니다.
/*backtest start: 2023-04-19 00:00:00 end: 2024-04-24 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/ // © Riester //@version=5 strategy("Dual Timeframe Momentum", overlay=true, precision=6, pyramiding=0, initial_capital=1000, default_qty_type=strategy.percent_of_equity, default_qty_value=25.0, commission_value=0.05) n = input.int(20, "Moving Average Period", minval=1) src = input.source(close, "Source") high_tf = input.timeframe("240", "Resolution") pivot_l = input.int(5, "Pivot Let Bars") pivot_r = input.int(2, "Pivot Right Bars") //----------------------------------------------------------------------------------------------------------------------------------------------------------------- // Calculations //----------------------------------------------------------------------------------------------------------------------------------------------------------------- // 1. Define low and high timeframe prices low_src = src high_src = request.security(syminfo.tickerid, high_tf, src) // 2. Use simple moving average to determine trend of higher timeframe (up or down) high_tf_ma = ta.sma(high_src, n) plot(high_tf_ma, color=color.yellow) high_tf_trend = high_tf_ma > high_tf_ma[1] ? 1 : -1 // 3. Use pivots to identify reversals on the low timeframe low_tf_pl = ta.pivotlow(high_src, pivot_l, pivot_r) plot(low_tf_pl, style=plot.style_line, linewidth=3, color= color.green, offset=-pivot_r) low_tf_ph = ta.pivothigh(high_src, pivot_l, pivot_r) plot(low_tf_ph, style=plot.style_line, linewidth=3, color= color.red, offset=-pivot_r) bool long = low_tf_pl and high_tf_trend == 1 bool short = low_tf_ph and high_tf_trend == -1 //----------------------------------------------------------------------------------------------------------------------------------------------------------------- // Plots //----------------------------------------------------------------------------------------------------------------------------------------------------------------- // this message is an alert that can be sent to a webhook, which allows for simple automation if you have a server that listens to alerts and trades programmatically. enter_long_alert = '{"side": "Long", "order": "Enter", "price": ' + str.tostring(open) + ', "timestamp": ' + str.tostring(timenow) + '}' exit_long_alert = '{"side": "Long", "order": "Exit", "price": ' + str.tostring(open) + ', "timestamp": ' + str.tostring(timenow) + '}' if long strategy.entry(id="Long", direction=strategy.long, limit=open, alert_message=enter_long_alert) if short strategy.close(id="Long", comment="Close Long", alert_message=exit_long_alert)