Sumber dimuat naik... memuat...

Strategi Dagangan Osilator Keseimbangan Ultimate

Penulis:ChaoZhang, Tarikh: 2024-01-12 14:08:33
Tag:

Ringkasan

Strategi perdagangan Ultimate Balance Oscillator adalah strategi perdagangan kuantitatif yang menggabungkan isyarat dari pelbagai penunjuk teknikal. Dengan memanfaatkan kekuatan penunjuk seperti Rate of Change (ROC), Indeks Kekuatan Relatif (RSI), Indeks Saluran Komoditi (CCI), Williams %R dan Indeks Arah Purata (ADX), ia mengira pengayun komposit untuk menentukan trend pasaran dan menghasilkan isyarat perdagangan.

Kelebihan terbesar strategi ini terletak pada keupayaannya untuk menilai pasaran secara objektif dan sistematik untuk mengenal pasti titik masuk dan keluar yang optimum. Ia mencetuskan isyarat beli apabila garis osilator melintasi di atas tahap overbought 0.75 dan isyarat keluar apabila melintasi di bawah tahap oversold 0.25.

Logika Strategi

Inti strategi perdagangan Ultimate Balance Oscillator adalah pengiraan penunjuk pengayun komposit. Langkah untuk mengira penunjuk ini adalah:

Mengira nilai penunjuk teknikal individu: ROC, RSI, CCI, Williams %R, dan ADX
Menstandarisasi nilai penunjuk ini ke dalam julat 0-1 untuk membolehkan perbandingan
Menggunakan metodologi purata tertimbang untuk mengira nilai osilator komposit. Setiap penunjuk mempunyai berat yang boleh diselaraskan, dengan nilai lalai 2 untuk ROC, 0.5 untuk RSI, 2 untuk CCI, 0.5 untuk %R, dan 0.5 untuk ADX. Kalikan setiap penunjuk standard dengan beratnya, jumlahkan, dan bagi dengan berat keseluruhan untuk mendapatkan nilai komposit 0-1.
Trigger isyarat perdagangan apabila pengayun komposit ini melintasi tahap overbought dan oversold yang ditetapkan dengan betul.

Seperti yang jelas, strategi ini menggunakan isyarat dari pelbagai penunjuk dengan fleksibel dan memprosesnya secara sistematik untuk menentukan trend pasaran dan membuat keputusan perdagangan.

Kelebihan

Strategi perdagangan Ultimate Balance Oscillator mempunyai beberapa kelebihan utama:

Menyediakan metodologi analisis pasaran yang objektif dan sistematik dengan menggunakan beberapa penunjuk untuk mengatasi batasan alat tunggal dan menghasilkan isyarat yang boleh ditindaklanjuti, didorong kuantiti.
Mengoptimumkan masa masuk dan keluar / ketepatan melalui nilai tepat dan standardisasi osilator.
Sangat disesuaikan dan disesuaikan untuk menyesuaikan gaya perdagangan individu dan keadaan pasaran melalui berat dan parameter penunjuk yang boleh disesuaikan.
Sistem amaran masa nyata untuk memberitahu peniaga isyarat beli / keluar baru dan memastikan kesedaran mengenai perkembangan pasaran terkini.
Pengujian balik yang ketat dan pengoptimuman perdagangan pra-hidup untuk menilai prestasi terhadap data sejarah dan menyesuaikan parameter untuk peningkatan strategi.

Risiko

Walaupun kelebihan, beberapa risiko utama dalam aplikasi praktikal termasuk:

Risiko pengoptimuman parameter daripada berat indikator suboptimal dan tetapan yang menjejaskan prestasi langsung.
Risiko tahap oversold/overbought daripada penetapan julat yang tidak betul berbanding dengan keadaan dan sentimen pasaran yang lebih luas.
Indikator yang berlainan berisiko menyesatkan nilai osilator komposit. Pertimbangkan untuk menghilangkan atau menurunkan berat indikator yang salah.
Mengekalkan kesedaran risiko sebagai pengamal adalah penting.

Untuk mengurangkan risiko, pengujian balik yang komprehensif, kalibrasi untuk memahami batasan model, mengesan prestasi langsung, dan fleksibiliti dalam menyesuaikan parameter atau berat berdasarkan keadaan yang berkembang sangat disyorkan.

Peluang Peningkatan

Beberapa cara untuk mengoptimumkan lagi strategi termasuk:

Memperluas model pelbagai faktor dengan penunjuk teknikal yang lebih pelbagai untuk meningkatkan ketepatan ramalan.
Menggunakan teknik pembelajaran mesin seperti rangkaian saraf untuk mendedahkan isyarat laten dan meramalkan nilai penunjuk.
Menggabungkan data asas seperti laporan pendapatan dan penunjuk ekonomi untuk meningkatkan faktor kuantiti.
Memperkenalkan penyesuaian parameter adaptif untuk mengubahsuai beban dan tetapan secara dinamik berdasarkan landskap pasaran yang berubah.
Membina mekanisme stop loss untuk mengawal penurunan secara aktif pada perdagangan individu.
Mengintegrasikan model saiz kedudukan berdasarkan saiz akaun untuk pengurusan modal berangka.

Kesimpulan

Strategi dagangan Ultimate Balance Oscillator adalah pendekatan kuant yang luar biasa, mensintesis intipati pelbagai penunjuk teknikal ke dalam metodologi yang ketat untuk penilaian pasaran. Dengan penyesuaian yang luar biasa untuk memenuhi keperluan individu, ia menyediakan pelanggar sistematik runcit cetak biru untuk berkembang maju. Seperti mana-mana strategi kuant, peningkatan yang tidak henti melalui pengujian balik, pengoptimuman dan inovasi untuk mengembangkan ketahanan model di seluruh persekitaran pasaran tetap menjadi usaha utama. Secara keseluruhan, strategi ini menawarkan bimbingan dan pembelajaran yang tidak ternilai kepada kuant yang ingin meningkatkan alat dagangan mereka. Dan dari masa ke masa, dengan kematangan model dan pasaran yang lebih besar, harus memberikan prestasi yang luar biasa.

/*backtest
start: 2023-01-05 00:00:00
end: 2024-01-11 00:00:00
period: 1d
basePeriod: 1h
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/

// © Julien_Eche

//@version=5
strategy("Ultimate Balance Oscillator Strategy", overlay=true)

// Indicator Weights
weightROC = input.float(2, "Rate of Change (ROC) Weight", group="Weightings")
weightRSI = input.float(0.5, "Relative Strength Index (RSI) Weight", group="Weightings")
weightCCI = input.float(2, "Commodity Channel Index (CCI) Weight", group="Weightings")
weightWilliamsR = input.float(0.5, "Williams %R Weight", group="Weightings")
weightADX = input.float(0.5, "Average Directional Index (ADX) Weight", group="Weightings")

// ROC Settings
rocLength = input.int(20, "Length", minval=1, group="ROC")

// RSI Settings
rsiLength = input.int(14, "Length", minval=1, group="RSI")

// CCI Settings
cciLength = input.int(20, "Length", minval=1, group="CCI")

// Williams %R Settings
williamsRLength = input.int(14, "Length", minval=1, group="Williams %R")

// ADX Settings
adxLength = input.int(14, "ADX Length", minval=1, group="ADX")
adxDiLength = input.int(14, "DI Length", minval=1, group="ADX")

// Source
source_options = input.string("hlc3", "Source", options=["open", "high", "low", "close", "hl2", "hlc3", "ohlc4"])

price_open = request.security(syminfo.tickerid, "D", open)
price_high = request.security(syminfo.tickerid, "D", high)
price_low = request.security(syminfo.tickerid, "D", low)
price_close = request.security(syminfo.tickerid, "D", close)
price_hl2 = request.security(syminfo.tickerid, "D", hl2)
price_hlc3 = request.security(syminfo.tickerid, "D", hlc3)
price_ohlc4 = request.security(syminfo.tickerid, "D", ohlc4)

get_source(source_option) =>
    price = price_close
    if source_option == "open"
        price := price_open
    else if source_option == "high"
        price := price_high
    else if source_option == "low"
        price := price_low
    else if source_option == "close"
        price := price_close
    else if source_option == "hl2"
        price := price_hl2
    else if source_option == "hlc3"
        price := price_hlc3
    else
        price := price_ohlc4
    price

src = get_source(source_options)

// Overbought/Oversold Levels
obLevel = input.float(0.75, "Overbought Level")
osLevel = input.float(0.25, "Oversold Level")

// Calculating the indicators
rocValue = ta.change(close, rocLength)
rsiValue = ta.rsi(close, rsiLength)
cciValue = (src - ta.sma(src, cciLength)) / (0.015 * ta.dev(src, cciLength))
williamsRValue = -100 * (ta.highest(high, williamsRLength) - close) / (ta.highest(high, williamsRLength) - ta.lowest(low, williamsRLength))

dirmov(len) =>
    up = ta.change(high)
    down = -ta.change(low)
    plusDM = na(up) ? na : (up > down and up > 0 ? up : 0)
    minusDM = na(down) ? na : (down > up and down > 0 ? down : 0)
    truerange = ta.rma(ta.tr, len)
    plus = fixnan(100 * ta.rma(plusDM, len) / truerange)
    minus = fixnan(100 * ta.rma(minusDM, len) / truerange)
    [plus, minus]

adx(dilen, adxlen) =>
    [plus, minus] = dirmov(dilen)
    sum = plus + minus
    adx = 100 * ta.rma(math.abs(plus - minus) / (sum == 0 ? 1 : sum), adxlen)

adxValue = adx(adxDiLength, adxLength)

// Normalizing the values
normalize(value, min, max) =>
    (value - min) / (max - min)

normalizedROC = normalize(rocValue, ta.lowest(rocValue, rocLength), ta.highest(rocValue, rocLength))
normalizedRSI = normalize(rsiValue, 0, 100)
normalizedCCI = normalize(cciValue, ta.lowest(cciValue, cciLength), ta.highest(cciValue, cciLength))
normalizedWilliamsR = normalize(williamsRValue, ta.lowest(williamsRValue, williamsRLength), ta.highest(williamsRValue, williamsRLength))
normalizedADX = normalize(adxValue, 0, 50)

// Calculating the combined oscillator line
oscillatorLine = (normalizedROC * weightROC + normalizedRSI * weightRSI + normalizedCCI * weightCCI + normalizedWilliamsR * weightWilliamsR + normalizedADX * weightADX) / (weightROC + weightRSI + weightCCI + weightWilliamsR + weightADX)

// Strategy conditions
enterLong = ta.crossover(oscillatorLine, obLevel)
exitLong = ta.crossunder(oscillatorLine, osLevel)

// Strategy orders
if (enterLong)
    strategy.entry("Buy", strategy.long)
if (exitLong)
    strategy.close("Buy")

// Alert conditions
if (enterLong)
    alert("Buy signal")
if (exitLong)
    alert("Exit signal")

Lebih lanjut

2019 FMZ - Semua hak dilindungi