Strategi ini berdasarkan teori tahap risiko Ben Cowen
Strategi ini terutamanya bergantung pada teori band BEAM yang dicadangkan oleh Ben Cowen. Menurut perubahan harga BTC
Apabila harga jatuh ke paras terendah, strategi akan secara beransur-ansur meningkatkan kedudukan panjang. Khususnya, jika harga adalah antara band 0 dan 0.5, pesanan beli akan dikeluarkan pada hari yang ditetapkan setiap bulan. Jumlah beli akan meningkat secara beransur-ansur apabila bilangan band berkurangan. Sebagai contoh, dengan band 5, jumlah beli adalah 20% daripada jumlah DCA bulanan. Dengan band 1, jumlah beli meningkat kepada 100% daripada jumlah DCA bulanan.
Apabila harga meningkat ke paras tertinggi, strategi akan secara beransur-ansur mengurangkan kedudukannya. Khususnya, jika harga melebihi jalur 0.5, pesanan jual akan dikeluarkan secara beransur-ansur. Kedudukan jual akan meningkat secara beransur-ansur apabila bilangan jalur meningkat. Sebagai contoh, dengan jalur 6, 6.67% akan dijual. Dengan jalur 10, semua kedudukan akan dijual.
Kelebihan terbesar strategi DCA band BEAM ini adalah bahawa ia sepenuhnya memanfaatkan ciri-ciri turun naik perdagangan BTC dengan memancing bawah apabila harga jatuh ke tahap terendah dan mengambil keuntungan apabila harga naik ke puncaknya. Pendekatan ini tidak akan kehilangan peluang membeli atau menjual. Kelebihan khusus dapat diringkaskan sebagai berikut:
Ringkasnya, ini adalah strategi penyesuaian parameter yang canggih yang dapat menjana pulangan yang stabil jangka panjang dalam keadaan pasaran BTC yang turun naik.
Walaupun strategi DCA jalur BEAM mempunyai banyak kelebihan, masih ada beberapa risiko berpotensi yang perlu diketahui.
Untuk mengurangkan risiko, langkah-langkah berikut boleh diambil:
Memandangkan risiko di atas, pengoptimuman strategi ini boleh memberi tumpuan kepada:
Melalui langkah-langkah ini, kestabilan dan keselamatan strategi dapat ditingkatkan dengan ketara.
Strategi kos purata BEAM adalah strategi perdagangan kuantitatif yang sangat praktikal. Ia berjaya memanfaatkan teori BEAM untuk membimbing keputusan perdagangan, ditambah dengan model purata kos untuk mengawal kos pembelian. Pada masa yang sama, ia memberi perhatian kepada pengurusan risiko dengan menetapkan titik stop loss untuk mengelakkan pengembangan kerugian. Dengan pengoptimuman parameter dan penambahan modular, strategi ini boleh menjadi alat penting untuk perdagangan kuantitatif untuk mendapatkan pulangan yang stabil jangka panjang dari pasaran BTC. Ia layak penyelidikan dan penerapan lanjut oleh pengamal perdagangan kuantitatif.
/*backtest start: 2023-02-11 00:00:00 end: 2024-02-17 00:00:00 period: 1d basePeriod: 1h exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}] */ // © gjfsdrtytru - BEAM DCA Strategy { // Based on Ben Cowen's risk level strategy, this aims to copy that method but with BEAM band levels. // Upper BEAM level is derived from ln(price/200W MA)/2.5, while the 200W MA is the floor price. This is our 0-1 range. // Buy limit orders are set at the < 0.5 levels and sell orders are set at the > 0.5 level. //@version=5 strategy( title = "BEAM DCA Strategy Monthly", shorttitle = "BEAM DCA M", overlay = true, pyramiding = 500, default_qty_type = strategy.percent_of_equity, default_qty_value = 0, initial_capital = 0) //} // Inputs { ———————————————————————————————————————————————————————————————————— T_ceiling = input.string("Off", "Diminishing Returns", ["Off","Linear","Parabolic"], "Account for diminishing returns as time increases") day = input.int(1, "DCA Day of Month",1,28,1,"Select day of month for buy orders.") DCAamount = input.int(1000,"DCA Amount",400,tooltip="Enter the maximum amount you'd be willing to DCA for any given month.") T_buy = input(true,"Buy Orders","Toggle buy orders.") T_sell = input(true,"Sell Orders","Toggle sell orders.") // Time period testStartYear = input.int(2018, title="Backtest Start Year", minval=2010,maxval=2100,group="Backtest Period") testStartMonth = input.int(1, title="Backtest Start Month", minval=1, maxval=12, group="Backtest Period") testStartDay = input.int(1, title="Backtest Start Day", minval=1, maxval=31, group="Backtest Period") testPeriodLen = input.int(9999, title="Backtest Period (days)", minval=1, group="Backtest Period",tooltip="Days until strategy ends") * 86400000 // convert days into UNIX time testPeriodStart = timestamp(testStartYear,testStartMonth,testStartDay,0,0) testPeriodStop = testPeriodStart + testPeriodLen testPeriod() => true // ——————————————————————————————————————————————————————————————————————————— } // Diminishing Returns { ——————————————————————————————————————————————————————— x = bar_index + 1 assetDivisor= 2.5 switch T_ceiling == "Linear" => assetDivisor:= 3.50542 - 0.000277696 * x T_ceiling == "Parabolic"=> assetDivisor:= -0.0000001058992338 * math.pow(x,2) + 0.000120729 * x + 3.1982 // ——————————————————————————————————————————————————————————————————————————— } // Risk Levels { ——————————————————————————————————————————————————————————————— cycleLen = 1400 getMaLen() => if bar_index < cycleLen bar_index + 1 else cycleLen // Define Risk Bands price = close riskLow = ta.sma(price,getMaLen()) risk1 = riskLow * math.exp((assetDivisor)*0.1) risk2 = riskLow * math.exp((assetDivisor)*0.2) risk3 = riskLow * math.exp((assetDivisor)*0.3) risk4 = riskLow * math.exp((assetDivisor)*0.4) risk5 = riskLow * math.exp((assetDivisor)*0.5) risk6 = riskLow * math.exp((assetDivisor)*0.6) risk7 = riskLow * math.exp((assetDivisor)*0.7) risk8 = riskLow * math.exp((assetDivisor)*0.8) risk9 = riskLow * math.exp((assetDivisor)*0.9) riskHigh = riskLow * math.exp((assetDivisor)) // Plot Risk Bands p_low = plot(riskLow, "Beam Risk 0.0",color.new(#0042F0,50),3,editable=false) p_band1 = plot(risk1, "Beam Risk 0.1",color.new(#0090F5,20),1,editable=false) p_band2 = plot(risk2, "Beam Risk 0.2",color.new(#00C6DB,20),1,editable=false) p_band3 = plot(risk3, "Beam Risk 0.3",color.new(#00F5BD,20),1,editable=false) p_band4 = plot(risk4, "Beam Risk 0.4",color.new(#00F069,20),1,editable=false) p_band5 = plot(risk5, "Beam Risk 0.5",color.new(#00DB08,50),3,editable=false) p_band6 = plot(risk6, "Beam Risk 0.6",color.new(#E8D20C,20),1,editable=false) p_band7 = plot(risk7, "Beam Risk 0.7",color.new(#F2B40C,20),1,editable=false) p_band8 = plot(risk8, "Beam Risk 0.8",color.new(#DC7A00,20),1,editable=false) p_band9 = plot(risk9, "Beam Risk 0.9",color.new(#F2520C,20),1,editable=false) p_band10 = plot(riskHigh, "Beam Risk 1.0",color.new(#F01102,50),3,editable=false) // ——————————————————————————————————————————————————————————————————————————— } // Order Execution { ——————————————————————————————————————————————————————————— band5 = price<risk5 and price>risk4 band4 = price<risk4 and price>risk3 band3 = price<risk3 and price>risk2 band2 = price<risk2 and price>risk1 band1 = price<risk1 // DCA buy order weights y = DCAamount / 5 switch band5 => y:= y * 1 band4 => y:= y * 2 band3 => y:= y * 3 band2 => y:= y * 4 band1 => y:= y * 5 // Contracts per order contracts =(y/price) if testPeriod() // Buy orders if T_buy == true if dayofmonth == day strategy.entry("Risk Band 5",strategy.long,qty=contracts,when=band5) strategy.entry("Risk Band 4",strategy.long,qty=contracts,when=band4) strategy.entry("Risk Band 3",strategy.long,qty=contracts,when=band3) strategy.entry("Risk Band 2",strategy.long,qty=contracts,when=band2) strategy.entry("Risk Band 1",strategy.long,qty=contracts,when=band1) // Sell orders if T_sell == true if strategy.opentrades > 5 strategy.exit("Risk Band 6",qty_percent=6.67,limit=risk6) strategy.exit("Risk Band 7",qty_percent=14.28,limit=risk7) strategy.exit("Risk Band 8",qty_percent=25.00,limit=risk8) strategy.exit("Risk Band 9",qty_percent=44.44,limit=risk9) strategy.exit("Risk Band 10",qty_percent=100,limit=riskHigh) // ——————————————————————————————————————————————————————————————————————————— } // Info { —————————————————————————————————————————————————————————————————————— // Line plot of avg. entry price plot(strategy.position_size > 0 ? strategy.position_avg_price : na,"Average Entry",color.red,trackprice=true,editable=false) // Unrealised PNL uPNL = price/strategy.position_avg_price // Realised PNL realPNL = 0. for i = 0 to strategy.closedtrades-1 realPNL += strategy.closedtrades.profit(i) // Size of open position in ($) openPosSize = 0. for i = 0 to strategy.opentrades-1 openPosSize += strategy.opentrades.size(i) * strategy.position_avg_price // Size of closed position in ($) closePosSize = 0. if strategy.closedtrades > 0 for i = 0 to strategy.closedtrades-1 closePosSize += strategy.closedtrades.size(i) * strategy.closedtrades.entry_price(i) invested = openPosSize+closePosSize // Total capital ($) put into strategy equity = openPosSize+closePosSize+strategy.openprofit+realPNL // Total current equity ($) in strategy (counting realised PNL) ROI = (equity-invested) / invested * 100 // ROI of strategy (compare capital invested to excess return) // // Info Table // var table table1 = table.new(position.bottom_right,2,9,color.black,color.gray,1,color.gray,2) // table.cell(table1,0,0,"Capital Invested", text_color=color.white,text_halign=text.align_right) // table.cell(table1,0,1,"Open Position", text_color=color.white,text_halign=text.align_right) // table.cell(table1,0,2,"Average Entry", text_color=color.white,text_halign=text.align_right) // table.cell(table1,0,3,"Last Price", text_color=color.white,text_halign=text.align_right) // table.cell(table1,0,4,"Open PNL (%)", text_color=color.white,text_halign=text.align_right) // table.cell(table1,0,5,"Open PNL ($)", text_color=color.white,text_halign=text.align_right) // table.cell(table1,0,6,"Realised PNL ($)", text_color=color.white,text_halign=text.align_right) // table.cell(table1,0,7,"Total Equity", text_color=color.white,text_halign=text.align_right) // table.cell(table1,0,8,"Strategy ROI", text_color=color.white,text_halign=text.align_right) // table.cell(table1,1,0,"$" + str.tostring(invested, "#,###.00"), text_halign=text.align_right,text_color = color.white) // table.cell(table1,1,1,"$" + str.tostring(openPosSize, "#,###.00"), text_halign=text.align_right,text_color = color.white) // table.cell(table1,1,2,"$" + str.tostring(strategy.position_avg_price, "#,###.00"), text_halign=text.align_right,text_color = color.white) // table.cell(table1,1,3,"$" + str.tostring(price, "#,###.00"), text_halign=text.align_right,text_color = color.white) // table.cell(table1,1,4, str.tostring((uPNL-1)*100, "#,###.00") + "%",text_halign=text.align_right,text_color = uPNL > 1 ? color.lime : color.red) // table.cell(table1,1,5,"$" + str.tostring(strategy.openprofit, "#,###.00"), text_halign=text.align_right,text_color = uPNL > 1 ? color.lime : color.red) // table.cell(table1,1,6,"$" + str.tostring(realPNL, "#,###.00"), text_halign=text.align_right,text_color = color.white) // table.cell(table1,1,7,"$" + str.tostring(equity, "#,###.00"), text_halign=text.align_right,text_color = color.white) // table.cell(table1,1,8, str.tostring(ROI, "#,###.00") + "%",text_halign=text.align_right,text_color = ROI > 1 ? color.lime : color.red) // // ——————————————————————————————————————————————————————————————————————————— }