Strategi pokok keputusan berbilang penunjuk: IMACD, EMA dan Tabel Keseimbangan Pertama

Dicipta pada: 2024-01-22 11:25:56 Pengubahsuaian terakhir: 2024-01-22 11:25:56

Menerusi: 0 Jumlah klik: 341

ChaoZhang

Perhatian Pesan peribadi

Perhatian

1105

Peminat

多指标决策树策略:IMACD、EMA和一目均衡表

Ringkasan

Strategi ini menggunakan pelbagai penunjuk teknikal, seperti IMACD, EMA dan First Equilibrium Table, untuk membina model pokok keputusan yang komprehensif untuk menghantar isyarat beli dan jual.

Prinsip-prinsip strategi

IMACD: Enhanced MACD, untuk menangkap lebih baik trend pasaran dengan ImpulseMACD dan ImpulseHisto
Jadual keseimbangan pertama: Menggambar garis pertukaran, garis rujukan, garis pendahulu A, garis pendahulu B, dan lain-lain, mengesan tahap sokongan dan rintangan
EMA 40: membantu menentukan arah trend
Menerbitkan isyarat banyak dan kosong berdasarkan hubungan tertentu antara IMACD, komponen grafik awan dan EMA 40

Melakukan lebih banyak isyarat: Melakukan lebih banyak apabila IMACD adalah warna untuk keadaan tertentu dan EMA 40 lebih tinggi daripada grafik awan

Isyarat kosong: kosong apabila IMACD berwarna merah dan EMA 40 di bawah garis bawah carta awan

Analisis Kelebihan

Gabungan pelbagai penunjuk, penilaian keseluruhan terhadap trend pasaran, peningkatan ketepatan keputusan
Model pokok keputusan dikategorikan dengan jelas, isyarat transaksi dihasilkan dengan jelas
Panjang EMA boleh diselaraskan, fleksibiliti penilaian tambahan lebih tinggi
Menggabungkan carta awan dan penunjuk trend untuk mengenal pasti sokongan dan rintangan yang lebih baik

Analisis risiko

Kombinasi pelbagai penunjuk, parameter yang lebih rumit
EMA yang tidak betul, boleh menyebabkan isyarat perdagangan palsu
Perhatian terhadap beberapa indikator pada masa yang sama adalah sukar untuk dioperasikan.

Penyelesaian risiko: mengoptimumkan tetapan parameter, menyesuaikan panjang EMA, menyederhanakan proses operasi.

Arah pengoptimuman

Mengoptimumkan tetapan parameter untuk meningkatkan kestabilan strategi
Menambah strategi menghentikan kerugian untuk mengawal kerugian tunggal
Pengukuran semula berdasarkan data besar untuk meningkatkan kualiti isyarat
Menggabungkan algoritma pembelajaran mesin untuk membina pokok keputusan adaptif

Ringkasan

Strategi ini menggunakan pelbagai trend pengenalan penunjuk untuk membina model pokok keputusan untuk menghasilkan isyarat dagangan. Kelebihan adalah kualiti isyarat yang tinggi, ketepatan yang tinggi dan sesuai untuk pengoptimuman secara beransur-ansur. Perlu memberi tumpuan kepada pengoptimuman parameter dan strategi stop loss untuk mengawal risiko dagangan untuk mendapatkan pulangan yang stabil dalam jangka panjang.

Kod sumber strategi

                
                    /*backtest
start: 2024-01-14 00:00:00
end: 2024-01-21 00:00:00
period: 30m
basePeriod: 15m
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/

//@version=5
strategy("Decision Tree Strategy: IMACD, EMA and Ichimoku [cryptoonchain]", overlay=true)

lengthMA = input(34, title="Length MA")
lengthSignal = input(9, title="Length Signal")
conversionPeriods = input.int(9, minval=1, title="Conversion Line Length")
basePeriods = input.int(26, minval=1, title="Base Line Length")
laggingSpan2Periods = input.int(52, minval=1, title="Leading Span B Length")
displacement = input.int(26, minval=1, title="Lagging Span")
emaLength = input(40, title="EMA Length")  // Added user-configurable EMA length

calc_smma(src, len) =>
    smma = float(na)
    smma := na(smma[1]) ? ta.sma(src, len) : (smma[1] * (len - 1) + src) / len
    smma

calc_zlema(src, length) =>
    ema1 = ta.ema(src, length)
    ema2 = ta.ema(ema1, length)
    d = ema1 - ema2
    ema1 + d

src = ohlc4
hi = calc_smma(high, lengthMA)
lo = calc_smma(low, lengthMA)
mi = calc_zlema(src, lengthMA)

md = (mi > hi) ? (mi - hi) : (mi < lo) ? (mi - lo) : 0
sb = ta.sma(md, lengthSignal)
sh = md - sb
mdc = src > mi ? (src > hi ? color.rgb(128, 255, 0, 26) : color.green) : (src < lo ? color.red : color.orange)

colorCondition = color.rgb(128, 255, 0, 26)

conversionLine = math.avg(ta.lowest(conversionPeriods), ta.highest(conversionPeriods))
baseLine = math.avg(ta.lowest(basePeriods), ta.highest(basePeriods))
leadLine1 = math.avg(conversionLine, baseLine)
leadLine2 = math.avg(ta.lowest(laggingSpan2Periods), ta.highest(laggingSpan2Periods))

// Use user-configurable length for EMA
ema40 = ta.ema(close, emaLength)

ebc = input(false, title="Enable bar colors")
barcolor(ebc ? mdc : na)

conversionLinePlot = plot(conversionLine, color=#2962FF, title="Conversion Line", display=display.none)
baseLinePlot = plot(baseLine, color=#B71C1C, title="Base Line", display=display.none)
laggingSpanPlot = plot(close, offset=-displacement + 1, color=#43A047, title="Lagging Span", display=display.none)
leadLine1Plot = plot(leadLine1, offset=displacement - 1, color=#A5D6A7, title="Leading Span A", display=display.none)
leadLine2Plot = plot(leadLine2, offset=displacement - 1, color=#EF9A9A, title="Leading Span B", display=display.none)
kumoCloudUpperLinePlot = plot(leadLine1 > leadLine2 ? leadLine1 : leadLine2, offset=displacement - 1, title="Kumo Cloud Upper Line", display=display.none)
kumoCloudLowerLinePlot = plot(leadLine1 < leadLine2 ? leadLine1 : leadLine2, offset=displacement - 1, title="Kumo Cloud Lower Line", display=display.none)
fill(kumoCloudUpperLinePlot, kumoCloudLowerLinePlot, color=leadLine1 > leadLine2 ? color.green : color.red)

a = (leadLine1 > leadLine2 ? leadLine1 : leadLine2) 
b = (leadLine1 < leadLine2 ? leadLine1 : leadLine2)  

if mdc == colorCondition and ema40 > a[displacement - 1]
    strategy.entry("Long", strategy.long)

if mdc == color.red and ema40 < b[displacement - 1]
    strategy.entry("Short", strategy.short)

Lebih lanjut

Forum

Bahasa PINE Ringkasan FAQ MyLanguage Web3 Tutorial Pertengahan

Produk

Robot Strategi Nod Platform Tiket

API

Panduan sintaks Panduan pengguna Perdagangan api Blockchain Penunjuk