Strategi ini mengambil Hong Kong Hang Seng Index ETF (00631L) sebagai sasaran pelaburan dan secara dinamik menyesuaikan kedudukan tunai dan nisbah kedudukan untuk mengimbangi pulangan dan risiko portfolio pelaburan dalam masa nyata.
Mula-mula melabur 50% daripada jumlah dana untuk membeli 00631L;
Memantau nisbah antara keuntungan yang tidak direalisasikan dan baki tunai;
Jual 5% kedudukan apabila keuntungan yang tidak direalisasikan melebihi baki tunai sebanyak 10%;
Tambah 5% kepada kedudukan apabila baki tunai melebihi keuntungan yang tidak direalisasikan sebanyak 10%;
Sesuaikan secara dinamik kedudukan dan nisbah tunai untuk mengawal pulangan portfolio dan risiko.
Sederhana dan mudah dikendalikan tanpa perlu menilai keadaan pasaran;
Penyesuaian kedudukan secara dinamik menguruskan risiko pelaburan dengan berkesan;
Pengesanan dua hala untuk menghentikan kerugian atau mengambil keuntungan tepat pada masanya;
Sesuai untuk pelabur yang tidak boleh memeriksa pasaran dengan kerap.
ETF leveraged mempunyai turun naik yang lebih tinggi;
Mengamalkan pembinaan kedudukan secara beransur-ansur dan pelaburan berjarak.
Tidak dapat menghentikan kerugian tepat pada masanya;
Tetapkan garis stop loss untuk mengawal kerugian maksimum.
Kos perdagangan yang lebih tinggi;
Relaks jarak keseimbangan untuk mengurangkan penyesuaian kedudukan.
Mengoptimumkan kedudukan dan nisbah tunai;
Kecekapan hasil ujian di seluruh produk ETF yang berbeza;
Menggabungkan penunjuk trend untuk meningkatkan kecekapan penggunaan modal.
Dengan membina portfolio penyeimbangan dinamik, strategi ini mengawal risiko pelaburan tanpa perlu menilai trend pasaran.
/*backtest start: 2024-01-01 00:00:00 end: 2024-01-24 23:59:59 period: 1h basePeriod: 15m exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}] */ //@version=4 strategy("00631L Trading Simulation", shorttitle="Sim", overlay=true, initial_capital = 1000000) // 设置本金 capital = 1000000 // 设置购买和出售日期范围 start_date = timestamp(2022, 10, 6) next_date = timestamp(2022, 10, 7) // 較好的開始日 //start_date = timestamp(2022, 3, 8) //next_date = timestamp(2022, 3, 9) // 較差的的開始日 sell_date = timestamp(2024, 1, 19) end_date = timestamp(2024, 1, 21) // 结束日期为2024年01月21日 // 判断是否在交易期间 in_trade_period = time >= start_date and time <= end_date // 实现的盈亏 realized_profit_loss = strategy.netprofit plot(realized_profit_loss, title="realized_profit_loss", color=color.blue) // 未实现的盈亏 open_profit_loss = strategy.position_size * open plot(open_profit_loss, title="open_profit_loss", color=color.red) // 剩余资金 remaining_funds = capital + realized_profit_loss - (strategy.position_size * strategy.position_avg_price) plot(remaining_funds, title="remaining_funds", color=color.yellow) // 總權益 total_price = remaining_funds + open_profit_loss plot(total_price, title="remaining_funds", color=color.white) // 购买逻辑:在交易期间的每个交易日买入 daily_investment 金额的产品 first_buy = time >= start_date and time <= next_date buy_condition = in_trade_period and dayofmonth != dayofmonth[1] // 出售邏輯 : 在交易期间的截止日出售所有商品。 sell_all = time >= sell_date // 在交易期間的第一日買入50%本金 if first_buy strategy.order("First", strategy.long, qty = capital/2/open) // 在每个K线的开盘时进行买入 // 加碼邏輯 : 剩余资金 > 未实现的盈亏 * 1.05 add_logic = remaining_funds > open_profit_loss * 1.05 if buy_condition strategy.order("Buy", strategy.long, when = add_logic, qty = remaining_funds * 0.025 / open) // // 減碼邏輯 : 剩余资金 > 未实现的盈亏 * 1.05 sub_logic = open_profit_loss > remaining_funds * 1.05 if buy_condition strategy.order("Sell", strategy.short, when = sub_logic, qty = open_profit_loss * 0.025/open) // strategy.order("Sell_all", strategy.short, when = sell_all, qty = strategy.position_size) // 绘制交易期间的矩形区域 bgcolor(in_trade_period ? color.green : na, transp=90)