Sumber dimuat naik... memuat...
  1. Persegi
  2. KRK aDa Strategi Pembalikan Rata-rata Slow Stochastic dengan Peningkatan AI

KRK aDa Strategi Pembalikan Rata-rata Slow Stochastic dengan Peningkatan AI

Penulis:ChaoZhang, Tarikh: 2024-04-26 15:41:18
Tag:KRKADAEMAALRSI

img

Ringkasan

Strategi ini menggunakan penunjuk Stochastic Slow sebagai isyarat perdagangan utama, digabungkan dengan Purata Bergerak Sederhana (SMA) 200 tempoh sebagai penapis trend. Di samping itu, strategi memperkenalkan penunjuk Kecerdasan Buatan (AI) palsu untuk menyediakan isyarat kemasukan tambahan. Idea utama adalah untuk membeli di kawasan oversold dan menjual di kawasan overbought, sambil memastikan harga berada di atas 200 SMA untuk entri panjang dan di bawah 200 SMA untuk entri pendek, sejajar dengan trend semasa.

Prinsip Strategi

  1. Mengira nilai K dan D penunjuk Stochastic Slow, dengan tempoh K ditetapkan kepada 26 dan nilai D adalah SMA 3 tempoh nilai K.

  2. Tetapkan tahap overbought (OverBought) kepada 81, tahap oversold (OverSold) kepada 20, dan nilai minimum K (minKValue) kepada 11.

  3. Menghasilkan isyarat beli apabila garisan K melintasi di atas garisan D, dan nilai K di bawah tahap oversold dan di atas nilai minimum K.

  4. Menghasilkan isyarat jual apabila garis K melintasi di bawah garis D, dan nilai K di atas tahap overbought dan di atas nilai minimum K.

  5. Menggunakan SMA 200 tempoh sebagai penapis trend, membenarkan entri panjang hanya apabila harga di atas 200 SMA dan entri pendek apabila harga di bawah 200 SMA.

  6. Memperkenalkan penunjuk AI palsu (menggunakan RSI> 50 untuk menaik dan RSI < 50 untuk menurun), memasuki panjang apabila isyarat AI menaik dan pendek apabila menurun.

  7. Gabungkan isyarat dari penunjuk Stochastic, penapis trend, dan penunjuk AI untuk menjana isyarat perdagangan akhir.

  8. Tetapkan stop loss 10% untuk entri panjang dan stop loss 10% untuk entri pendek.

Kelebihan Strategi

  1. Indikator Stochastic Slow secara berkesan mengenal pasti kawasan yang terlalu banyak dibeli dan terlalu banyak dijual di pasaran, menyediakan titik masuk yang baik untuk perdagangan.

  2. Penapis trend 200 SMA memastikan bahawa perdagangan sejajar dengan trend semasa, meningkatkan kadar kejayaan.

  3. Penggabungan penunjuk AI menawarkan lebih banyak peluang kemasukan, berpotensi meningkatkan keuntungan strategi.

  4. Penggunaan perintah stop-loss berkesan menguruskan risiko.

Risiko Strategi

  1. Indikator Stochastic boleh menghasilkan isyarat palsu dalam pasaran yang bergolak.

  2. Penunjuk AI kini merupakan penunjuk palsu, dan keberkesanannya sebenarnya perlu disahkan.

  3. Tetapan stop-loss boleh menyebabkan beberapa keuntungan terputus sebelum masa.

Arahan Pengoptimuman Strategi

  1. Mengoptimumkan parameter penunjuk Stochastic untuk mencari tempoh terbaik dan tetapan ambang overbought / oversold.

  2. Memperkenalkan model AI yang lebih kompleks dan berkesan untuk meningkatkan ketepatan isyarat AI.

  3. Sempurnakan tetapan stop loss dan take profit untuk kawalan risiko dan penangkapan keuntungan yang lebih baik.

  4. Mempertimbangkan untuk memasukkan penunjuk teknikal atau data asas yang lain untuk meningkatkan ketahanan strategi.

Ringkasan

Strategi ini menggabungkan penunjuk Stochastic Slow, penapis trend, dan isyarat AI untuk membentuk pendekatan perdagangan pelbagai faktor. Penunjuk Stochastic menyediakan isyarat overbought dan oversold yang berkesan, penapis trend memastikan bahawa perdagangan sejajar dengan trend keseluruhan, dan isyarat AI menawarkan peluang masuk tambahan. Walaupun strategi ini mempunyai beberapa risiko berpotensi dan ruang untuk peningkatan, logik keseluruhannya jelas dan munasabah, menjadikannya bernilai penerokaan dan penyempurnaan lanjut.

/*backtest
start: 2024-03-01 00:00:00
end: 2024-03-31 23:59:59
period: 1h
basePeriod: 15m
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/

//@version=5
strategy("Stochastic Slow Strategy with More Entries and AI", overlay=true)

length = input.int(26, minval=1)
OverBought = input(81)
OverSold = input(20)
smoothK = input.int(3, minval=1)
smoothD = input.int(3, minval=1)
minKValue = input(11, title="Minimum K Value")

// Stochastic calculations
k = ta.sma(ta.stoch(close, high, low, length), smoothK)
d = ta.sma(k, smoothD)
co = ta.crossover(k, d)
cu = ta.crossunder(k, d)

// Trend filter (200-period simple moving average)
ema200 = ta.sma(close, 200)

// Artificial Intelligence indicator (dummy example)
// Aquí puedes colocar la lógica de tu red neuronal artificial
// Por ahora, simplemente usaremos una señal aleatoria
ai_signal = ta.rsi(close, 14) > 50 ? 1 : -1

// Entry conditions
longCondition = ta.crossover(close, ema200) and k < OverSold and k > minKValue and ai_signal == 1
shortCondition = ta.crossunder(close, ema200) and k > OverBought and k > minKValue and ai_signal == -1

if (not na(k) and not na(d))
    if (co and k < OverSold and k > minKValue)
        strategy.entry("StochLE", strategy.long, comment="StochLE")
    if (cu and k > OverBought and k > minKValue)
        strategy.entry("StochSE", strategy.short, comment="StochSE")
    if (longCondition)
        strategy.entry("LongEntry", strategy.long, comment="LongEntry")
        strategy.exit("StopLoss", "LongEntry", loss = close * 0.9) // Stop loss del 10%
    if (shortCondition)
        strategy.entry("ShortEntry", strategy.short, comment="ShortEntry")
        strategy.exit("StopLoss", "ShortEntry", loss = close * 1.1) // Stop loss del 10%

// Plotting
plot(ema200, color=color.blue, title="200 SMA")
Berkaitan
Lebih lanjut

2019 FMZ - Semua hak dilindungi