리소스 로딩... 로딩...

호프니스 인덱스 필터 시스템으로 적응 가능한 다국적 EMA-RSI 모멘텀 전략

저자:차오장, 날짜: 2024-12-27 14:05:32
태그:CIRSIEMAATR

전반적인 설명

이 전략은 트렌드 추적 및 범위 거래를 결합하는 적응 시스템으로, 시장 조건을 결정하고 그에 따른 거래 논리를 적용하기 위해 쇼피니스 인덱스를 (CI) 사용합니다. 트렌드 시장에서는 EMA 크로스오버와 RSI 과잉 구매 / 과잉 판매 신호를 사용하여 거래합니다. 범위 시장에서는 주로 RSI 극단적 가치에 의존합니다. 전략에는 위험을 제어하고 이익을 잠금하기 위해 스톱 로스 및 영업 메커니즘도 포함됩니다.

전략 원칙

이 전략의 핵심은 시장을 트렌딩 (CI<38.2) 및 범위 (CI>61.8) 상태로 분류하기 위해 쇼피니스 지수 (CI) 를 사용하는 데 있다. 트렌딩 시장에서는 빠른 EMA (9 기간) 가 느린 EMA (21 기간) 상을 넘어서고 RSI가 70 이하일 때 긴 포지션을 개척하고 느린 EMA가 빠른 EMA 상을 넘어서고 RSI가 30 이상일 때 짧은 포지션을 개척한다.

전략적 장점

높은 시장 적응력: 다른 시장 환경에서 유연한 전략 전환을 가능하게 CI 지표를 통해 시장 상태를 식별합니다.
여러 신호 확인: 이동 평균, 운동 지표 및 변동 지수를 결합하여 신호 신뢰성을 향상시킵니다.
포괄적 리스크 관리: 효과적인 리스크 통제를 위한 스톱 로스 및 리프터 메커니즘을 포함합니다.
명확한 거래 논리: 명확한 거래 규칙과 트렌딩 및 범위 시장 상태를 구별합니다.
높은 승률: 15-분 시간 프레임에서 70-80% 승률을 보여줍니다.

전략 위험

매개 변수 민감성: 여러 가지 기술 지표에 복잡한 매개 변수 최적화가 필요합니다.
허위 파업 위험: 시장 상태 전환 중 잠재적인 잘못된 신호
유동성 감소의 영향: 유동성 감소 시장 조건에서 가능한 상당한 유동성 감소
과잉 거래: 시장 상태의 빈번한 전환은 과도한 거래로 이어질 수 있습니다.
시장 의존성: 전략 성과는 특정 시장 조건에 의해 크게 영향을받을 수 있습니다.

전략 최적화 방향

동적 매개 변수 최적화: 다른 시장 환경에 따라 지표 매개 변수를 조정
추가 필터: 신호 품질을 향상시키기 위해 볼륨 및 변동성 필터를 추가합니다.
스톱 로스 최적화: ATR 스톱 또는 트레일링 스톱과 같은 동적 스톱 로스 메커니즘을 고려하십시오.
국가 식별 개선: 시장 국가 분류를 정제하고 중립 시장 처리 논리를 추가합니다.
신호 확인 시스템 개발: 거짓 신호를 줄이기 위해 추가 신호 확인 메커니즘을 구현

요약

이 전략은 여러 가지 기술 지표를 결합하여 다양한 시장 환경에서 안정적인 성능을 유지함으로써 적응 가능한 거래 시스템을 구축합니다. 주요 장점은 시장 적응력과 포괄적인 위험 관리 메커니즘에 있으며 매개 변수 최적화 및 시장 조건 의존성에주의를 기울여야합니다. 지속적인 최적화 및 개선을 통해 전략은 다양한 시장 조건에서 더 나은 거래 결과를 달성하는 것을 약속합니다.

/*backtest
start: 2024-12-19 00:00:00
end: 2024-12-26 00:00:00
period: 45m
basePeriod: 45m
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/
// © nopology

//@version=6

strategy("CI, EMA, RSI", overlay=false)

// Input parameters
lengthCI = input(14, title="CI Length")
lengthRSI = input(14, title="RSI Length")
fastLength = input(9, title="Fast EMA Length")
slowLength = input(21, title="Slow EMA Length")

// Calculate CI
atr = ta.atr(lengthCI)
highLowRange = math.log10(math.max(high[lengthCI], high) - math.min(low[lengthCI], low))
sumATR = math.sum(atr, lengthCI)
ci = 100 * (math.log10(sumATR / highLowRange) / math.log10(lengthCI))

// Calculate RSI
rsi = ta.rsi(close, lengthRSI)

// Calculate EMAs
fastEMA = ta.ema(close, fastLength)
slowEMA = ta.ema(close, slowLength)

// Define conditions
trendingMarket = ci < 38.2
rangingMarket = ci > 61.8
bullishSignal = ta.crossover(fastEMA, slowEMA) and rsi < 70
bearishSignal = ta.crossover(slowEMA, fastEMA) and rsi > 30

// Plot indicators for visualization
plot(ci, title="Choppiness Index", color=color.purple, linewidth=2)
plot(fastEMA, title="Fast EMA", color=color.blue)
plot(slowEMA, title="Slow EMA", color=color.red)

// Strategy Execution
if (trendingMarket)
    if (bullishSignal)
        strategy.entry("Long", strategy.long)
    if (bearishSignal)
        strategy.entry("Short", strategy.short)
else if (rangingMarket)
    if (rsi < 30)
        strategy.entry("Long", strategy.long)
    if (rsi > 70)
        strategy.entry("Short", strategy.short)

// Close positions when conditions no longer met or reverse
if (trendingMarket and not bullishSignal)
    strategy.close("Long")
if (trendingMarket and not bearishSignal)
    strategy.close("Short")
if (rangingMarket and rsi > 40)
    strategy.close("Long")
if (rangingMarket and rsi < 60)
    strategy.close("Short")

// Optional: Add stop loss and take profit
stopLossPerc = input.float(2, title="Stop Loss (%)", minval=0.1, step=0.1) / 100
takeProfitPerc = input.float(4, title="Take Profit (%)", minval=0.1, step=0.1) / 100

strategy.exit("Exit Long", "Long", stop=close*(1-stopLossPerc), limit=close*(1+takeProfitPerc))
strategy.exit("Exit Short", "Short", stop=close*(1+stopLossPerc), limit=close*(1-takeProfitPerc))