O recurso está a ser carregado... Carregamento...

Estratégia combinada de inversão de impulso

Autora:ChaoZhang, Data: 2023-10-23 15:11:20
Tags:

Resumo

Esta estratégia combina o indicador de ímpeto CMO e o indicador de reversão Stochastic para construir um modelo multifator para a descoberta de oportunidades de negociação em diferentes ambientes de mercado.

Análise lógica

A estratégia consiste em duas sub-estratégias:

123 Estratégia de reversão
- Utilize o Estocástico de 9 dias para identificar níveis de sobrecompra e sobrevenda
- Ir longo se o preço de fechamento subir por 2 dias consecutivos e o Estocástico estiver abaixo de 50
- Caso o preço de fechamento caia durante 2 dias consecutivos e o Stochastic esteja acima de 50
Estratégia de valor absoluto da OCM
- Calcular o valor absoluto da OCM
- O OCM acima de 70 indica sobrecompra, curto
- O OCM abaixo de 20 indica sobrevenda, longo prazo

Por último, um sinal comercial é gerado quando duas sub-estratégias concordam.

A estratégia faz pleno uso dos pontos fortes do indicador de impulso CMO e do indicador de reversão Estocástico.

Análise das vantagens

A estratégia apresenta as seguintes vantagens:

Modelo multifator adapta-se a diferentes ambientes de mercado
O CMO tem uma forte capacidade de detecção de tendências, Stochastic localiza com precisão pontos de reversão
Negociar apenas quando dois sinais concordarem em evitar sinais falsos e melhorar a lucratividade
Grande espaço de ajuste de parâmetros permite otimização para diferentes produtos e prazos
A combinação de indicadores a longo e a curto prazo revela mais oportunidades
Regras simples e claras, fáceis de entender e automatizar, adequadas para negociação de algo

Análise de riscos

A estratégia apresenta igualmente os seguintes riscos:

A probabilidade de sinais falsos de sub-estratégias existe, os parâmetros precisam de otimização
A reversão súbita da tendência pode levar a grandes perdas
Frequência de negociação elevada, custos de transacção necessários de consideração
A natureza atrasada dos indicadores leva a atrasos
O ajuste de parâmetros é um desafio para diferentes produtos

Soluções:

Otimizar os parâmetros da subestratégia para reduzir os falsos sinais
Usar o stop loss para limitar a perda por transação
Ajustar as regras de entrada a uma frequência de negociação mais baixa
Empregar dados de tick para minimizar o atraso
Aplicar aprendizado de máquina para ajuste automático de parâmetros

Orientações de otimização

A estratégia pode ser melhorada nos seguintes aspectos:

Introduzir mais fatores como volatilidade e volume para um modelo sistemático multifator
Construir um mecanismo dinâmico de otimização de parâmetros adaptado aos regimes de mercado
Otimizar a lógica de entrada usando probabilidade e suavização exponencial, etc.
Cobrir posições de longo prazo com operações de curto prazo para atingir objetivos duplos
Extrair mais recursos com deep learning para construir regras de negociação não lineares
Explorar modelos sem parâmetros para evitar preconceitos humanos
Incorporar dados de alta frequência e eventos de notícias para reduzir o atraso

Conclusão

A estratégia utiliza o indicador de impulso CMO e o indicador de reversão Estocástico para construir um modelo multifator para oportunidades de negociação em mercados de tendência e lateral. Em comparação com os modelos de fator único, a abordagem multifator adapta-se melhor a ambientes de mercado complexos. Enquanto isso, o grande espaço de ajuste de parâmetros e regras simples tornam fácil de otimizar e automatizar, adequado para o desenvolvimento de negociação de algo. No entanto, a gestão de risco é crucial e é necessária uma alta demanda por seleção de parâmetros e otimização de modelo.

/*backtest
start: 2023-09-22 00:00:00
end: 2023-10-22 00:00:00
period: 1h
basePeriod: 15m
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/

//@version=4
////////////////////////////////////////////////////////////
//  Copyright by HPotter v1.0 17/09/2019
// This is combo strategies for get a cumulative signal. 
//
// First strategy
// This System was created from the Book "How I Tripled My Money In The 
// Futures Market" by Ulf Jensen, Page 183. This is reverse type of strategies.
// The strategy buys at market, if close price is higher than the previous close 
// during 2 days and the meaning of 9-days Stochastic Slow Oscillator is lower than 50. 
// The strategy sells at market, if close price is lower than the previous close price 
// during 2 days and the meaning of 9-days Stochastic Fast Oscillator is higher than 50.
//
// Second strategy
//    This indicator plots the absolute value of CMO. CMO was developed by Tushar 
//    Chande. A scientist, an inventor, and a respected trading system developer, 
//    Mr. Chande developed the CMO to capture what he calls "pure momentum". For 
//    more definitive information on the CMO and other indicators we recommend the 
//    book The New Technical Trader by Tushar Chande and Stanley Kroll.
//    The CMO is closely related to, yet unique from, other momentum oriented indicators 
//    such as Relative Strength Index, Stochastic, Rate-of-Change, etc. It is most closely 
//    related to Welles Wilder`s RSI, yet it differs in several ways:
//        - It uses data for both up days and down days in the numerator, thereby directly 
//          measuring momentum;
//        - The calculations are applied on unsmoothed data. Therefore, short-term extreme 
//          movements in price are not hidden. Once calculated, smoothing can be applied to 
//          the CMO, if desired;
//        - The scale is bounded between +100 and -100, thereby allowing you to clearly see 
//          changes in net momentum using the 0 level. The bounded scale also allows you to 
//          conveniently compare values across different securities.
//
// WARNING:
// - For purpose educate only
// - This script to change bars colors.
////////////////////////////////////////////////////////////
Reversal123(Length, KSmoothing, DLength, Level) =>
    vFast = sma(stoch(close, high, low, Length), KSmoothing) 
    vSlow = sma(vFast, DLength)
    pos = 0.0
    pos := iff(close[2] < close[1] and close > close[1] and vFast < vSlow and vFast > Level, 1,
	         iff(close[2] > close[1] and close < close[1] and vFast > vSlow and vFast < Level, -1, nz(pos[1], 0))) 
	pos

CMOabs(Length, TopBand, LowBand) =>
    pos = 0
    xMom = abs(close - close[1])
    xSMA_mom = sma(xMom, Length)
    xMomLength = close - close[Length]
    nRes = abs(100 * (xMomLength / (xSMA_mom * Length)))
    pos := iff(nRes > TopBand, -1,
    	     iff(nRes < LowBand, 1, nz(pos[1], 0))) 
    pos

strategy(title="Combo Backtest 123 Reversal & CMOabs", shorttitle="Combo", overlay = true)
Length = input(14, minval=1)
KSmoothing = input(1, minval=1)
DLength = input(3, minval=1)
Level = input(50, minval=1)
//-------------------------
LengthCMO = input(9, minval=1)
TopBand = input(70, minval=1)
LowBand = input(20, maxval=0)
reverse = input(false, title="Trade reverse")
posReversal123 = Reversal123(Length, KSmoothing, DLength, Level)
posCMOabs = CMOabs(LengthCMO, TopBand, LowBand)
pos = iff(posReversal123 == 1 and posCMOabs == 1 , 1,
	   iff(posReversal123 == -1 and posCMOabs == -1, -1, 0)) 
possig = iff(reverse and pos == 1, -1,
          iff(reverse and pos == -1 , 1, pos))	   
if (possig == 1) 
    strategy.entry("Long", strategy.long)
if (possig == -1)
    strategy.entry("Short", strategy.short)	 
if (possig == 0) 
    strategy.close_all()
barcolor(possig == -1 ? #b50404: possig == 1 ? #079605 : #0536b3 )

Mais.