리소스 로딩... 로딩...

하이브리드 바이노미얼 Z-스코어 양적 전략

저자:차오장, 날짜: 2024-05-28 17:38:08
태그:SMABB

전반적인 설명

이 전략은 다른 시장 체제를 식별하기 위해 이분법 분포 모델과 회귀 분석을 결합한 하이브리드 정량 분석 접근 방식을 사용합니다. 전략은 먼저 단순 이동 평균 (SMA) 및 볼링거 밴드 (BB) 지표를 계산하고, 이후 역사적 수익의 평균과 표준편차에 따라 Z 점수를 계산합니다. Z 점수가 하위 문턱 이하이고 가격이 하위 대역 이하일 때 전략은 긴 포지션에 진입합니다. Z 점수가 상위 문턱 이상이고 가격이 상위 대역 이상일 때 전략은 포지션을 닫습니다.

전략 원칙

이 전략의 핵심 원칙은 역사적 수익률의 분포에 대한 현재 수익률의 위치를 측정하기 위해 Z 점수를 사용하는 것입니다. Z 점수를 계산하는 공식은: (현재 수익률 - 역사적 수익률 평균) / 역사적인 수익률 표준 편차. 높은 Z 점수는 현재 수익률이 더 극단적이고 과잉 매출의 확률이 더 높다는 것을 나타냅니다. 낮은 Z 점수는 현재 수익률이 더 극단적이며 과잉 매출의 확률이 더 높다는 것을 나타냅니다. 동시에 전략은 볼링거 밴드 지표도 통합하여 두 밴드 이상 또는 아래의 가격 브레이크를 2차 확인으로 사용합니다. 이 전략은 Z 점수와 볼링거 밴드가 동시에 잘못된 조건을 충족 할 때만 거래 신호를 생성합니다. 이 조합은 신호의 발생을 효과적으로 줄일 수 있습니다.

전략적 장점

양적 분석: 전략은 양적 지표에 전적으로 기반하고 있으며, 적용하기 쉬운 명확한 규칙과 백테스트가 있습니다.
이중 확인: 이 전략은 Z 점수와 볼링거 밴드 두 가지 지표를 모두 사용하며 신호 정확성을 향상시키기 위해 이중 필터링 메커니즘을 형성합니다.
통계적 기초: Z 점수는 통계학에서 정상적인 분포 이론에서 출발하여, 탄탄한 이론적 기초를 가지고 있으며, 현재 수익의 극한을 객관적으로 측정할 수 있습니다.
매개 변수 유연성: 사용자는 자신의 필요에 따라 SMA 기간, 볼링거 밴드 곱셈자 및 Z 점수 임계와 같은 매개 변수를 조정하여 다양한 시장에 유연하게 적응할 수 있습니다.

전략 위험

매개 변수 민감성: 다른 매개 변수 설정은 전략 성능에 상당한 차이를 초래할 수 있으며 광범위한 매개 변수 최적화 및 안정성 테스트가 필요합니다.
트렌드 리스크: 시장이 강한 트렌드를 나타낼 때, Z 점수는 장기간 극단적인 지역에서 남아있을 수 있으며, 그 결과 전략 신호가 드물거나 전혀 없습니다.
과잉 적합성 위험: 전략 매개 변수가 과잉 최적화되면 과잉 적합성 및 샘플 외의 낮은 성능으로 이어질 수 있습니다.
블랙 스완 리스크: 극한 시장 조건에서, 역사적 통계 패턴이 실패할 수 있으며, 전략은 상당한 마취 위험에 노출될 수 있습니다.

전략 최적화 방향

동적 매개 변수: 적응력을 높이기 위해 시장 변동성 및 트렌드 강도와 같은 지표에 기초하여 Z 점수 임계 및 볼링거 밴드 곱셈을 동적으로 조정하는 것을 고려하십시오.
트렌드 필터링: 강력한 트렌드 중 과도한 무효 신호를 피하기 위해 기존 메커니즘 위에 MA 크로스오버 또는 DMI와 같은 트렌드 결정 지표를 덮어 놓습니다.
포트폴리오 최적화: 이 전략을 다른 양적 전략 (동력, 평균 반전 등) 과 결합하여 각각의 강점을 활용하고 견고성을 향상시킵니다.
스톱 로스 및 트레이프 트레이프: 거래별로 위험 노출을 통제하고 위험 조정 수익을 향상시키기 위해 합리적인 스톱 로스 및 트레이프 트레이프 메커니즘을 도입합니다.

요약

하이브리드 바이노미얼 Z-스코어 양적 전략은 통계적 원리에 기반한 양적 거래 전략으로, 현재의 수익률을 역사적 수익률의 분포와 비교하여 잠재적인 과소매 및 과소매 기회를 식별합니다. 또한, 전략은 볼링거 밴드 지표를 초차 확인, 신호 신뢰성을 향상시키기 위해 사용합니다. 전략 규칙은 명확하고 구현하고 최적화하는 것이 쉽습니다. 그러나 또한 매개 변수 민감성, 트렌드 위험, 과잉 적합 위험 등과 같은 과제에 직면합니다. 미래에, 전략은 역동적 매개 변수, 트렌드 필터링, 포트폴리오 최적화, 스톱-손실 및 영업 메커니즘 등 측면에서 최적화되어 적응성과 탄력성을 향상시킬 수 있습니다. 전반적으로,이 전략은 추가 탐색 및 정밀화에 가치가있는 단순하지만 효과적인 양적 거래 접근 방식을 제공합니다.

/*backtest
start: 2023-05-22 00:00:00
end: 2024-05-27 00:00:00
period: 1d
basePeriod: 1h
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/

//@version=5
strategy("Estratégia Híbrida Quantitativa", overlay=true)

// Definição de parâmetros
sma_length = input.int(20, title="Período da SMA")
threshold_high = input.float(1.5, title="Threshold Alto")
threshold_low = input.float(-1.5, title="Threshold Baixo")
lookback_period = input.int(252, title="Período de Retorno Histórico (dias)")

// Funções auxiliares
f_sma(source, length) =>
    ta.sma(source, length)

f_bollinger_band(source, length, mult) =>
    basis = ta.sma(source, length)
    dev = mult * ta.stdev(source, length)
    [basis + dev, basis - dev]

// Cálculo dos indicadores
sma = f_sma(close, sma_length)
[upper_band, lower_band] = f_bollinger_band(close, sma_length, 2)

// Regime de Mercado: Binomial
retornos = ta.change(close, 1)
media_retornos = ta.sma(retornos, lookback_period)
desvio_padrao_retornos = ta.stdev(retornos, lookback_period)

// Indicador de Regime: Z-Score
z_score = (retornos - media_retornos) / desvio_padrao_retornos

// Sinal de Compra e Venda
sinal_compra = z_score < threshold_low and close < lower_band
sinal_venda = z_score > threshold_high and close > upper_band

// Execução de Ordem
if (sinal_compra)
    strategy.entry("Long", strategy.long)
if (sinal_venda)
    strategy.close("Long")

// Plotagem dos Indicadores
plot(sma, title="SMA", color=color.blue)
plot(upper_band, title="Upper Bollinger Band", color=color.red)
plot(lower_band, title="Lower Bollinger Band", color=color.green)
hline(threshold_high, "Threshold Alto", color=color.red, linestyle=hline.style_dashed)
hline(threshold_low, "Threshold Baixo", color=color.green, linestyle=hline.style_dashed)
plot(z_score, title="Z-Score", color=color.purple)