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

Estratégia do identificador de tendências MyQuant

Autora:ChaoZhang, Data: 2024-02-22 16:04:04
Tags:

Resumo

A estratégia MyQuant Trend Identifier é uma estratégia para a negociação diária de Bitcoin. Ela identifica as tendências do mercado calculando a média móvel e seus derivados de primeira e segunda ordem do preço, e toma decisões de compra e venda em conformidade.

Princípio da estratégia

A estratégia primeiro calcula a média móvel adaptativa (ALMA) do preço e seus derivados de primeira ordem e segunda ordem. O derivado de primeira ordem reflete a taxa de mudança do preço e o derivado de segunda ordem reflete a curvatura do preço.

Em especial, a estratégia calcula os seguintes indicadores:

ALMA: Média Móvel Adaptativa do preço, comprimento 140, fator rápido 1.1, sigma 6
dema: derivado de primeira ordem do ALMA
d2ema: derivado de primeira ordem do dema, que reflecte o derivado de segunda ordem do preço
índice: índice de oscilação do indicador dema
Ind: Índice de desvio do preço da sua média móvel

Quando a condição de compra é atendida, ele calcula o número de ações a serem compradas com base nos sinais de CAUSED Accumulation/Distribution Bands e Caused Exposure Top and Bottom Finder.

Vantagens da estratégia

Ao combinar julgamentos de tendência e indicador, esta estratégia pode identificar efetivamente pontos de virada nas tendências do mercado. Usando as derivadas de primeira e segunda ordem dos preços para determinar tendências evita o impacto das flutuações de preços e torna os sinais mais claros. Em comparação com as estratégias comuns de média móvel, tem vantagens como maior precisão.

Análise de riscos

Esta estratégia é muito sensível à seleção do período de tempo de negociação e ajustes de parâmetros. Se o período de tempo for selecionado incorretamente e os pontos de virada de preços importantes não forem cobertos, a estratégia não será muito eficaz. Se os parâmetros do indicador forem definidos incorretamente, os sinais de compra e venda serão mais afetados pelo ruído, afetando assim os retornos da estratégia. Além disso, as condições de stop loss pré-definidas na estratégia também afetam os retornos finais.

Orientações para a otimização

A estratégia pode ser ainda melhorada nos seguintes aspectos:

Otimizar a lógica para a seleção de períodos de tempo, através de uma seleção mais inteligente de backtest e períodos de tempo de negociação ao vivo.
Otimizar os parâmetros dos indicadores, como o ajuste da extensão do ALMA e do dema, etc.
Adicionar juízos de condição de stop loss para controlar as perdas máximas.
Avalie os efeitos em diferentes criptomoedas e escolha as que apresentam melhor desempenho.

Conclusão

Ao calcular as derivadas de primeira e segunda ordem da média móvel adaptativa dos preços, a Estratégia de Identificador de Tendências MyQuant identifica efetivamente as tendências do mercado para o Bitcoin e toma as decisões de compra e venda correspondentes. Ao combinar vários indicadores para julgamento, evita interferência excessiva de ruído com os sinais. Com a otimização adicional do tempo e dos parâmetros, o desempenho desta estratégia pode ser melhorado ainda mais.

/*backtest
start: 2023-02-15 00:00:00
end: 2024-02-21 00:00:00
period: 1d
basePeriod: 1h
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/

// This source code is subject to the terms of the Mozilla Public License 2.0 at https://mozilla.org/MPL/2.0/
// © spacekadet17
// 
//@version=5

strategy(title="Trend Identifier Strategy", shorttitle="Trend Identifier Strategy", format=format.price, precision=4, overlay = false, initial_capital = 1000, pyramiding = 10, default_qty_type = strategy.percent_of_equity, default_qty_value = 100, commission_type = strategy.commission.percent, commission_value = 0.03)

//start-end time
startyear = input.int(2020,"start year")
startmonth = input.int(1,"start month")
startday = input.int(1,"start day")
endyear = input.int(2025,"end year")
endmonth = input.int(1,"end month")
endday = input.int(1,"end day")

timeEnd = time <= timestamp(syminfo.timezone,endyear,endmonth,endday,0,0)
timeStart = time >= timestamp(syminfo.timezone,startyear,startmonth,startday,0,0)
choosetime = input(false,"Choose Time Interval")
condTime = (choosetime ? (timeStart and timeEnd) : true)

// time frame?
tfc = 1
if timeframe.isdaily
    tfc := 24

// indicators: price normalized alma, and its 1st and 2nd derivatives
ema = ta.alma(close,140,1.1,6)
dema = (ema-ema[1])/ema
stodema = ta.ema(ta.ema(ta.stoch(dema,dema,dema,100),3),3)

d2ema = ta.ema(dema-dema[1],5)
stod2ema = ta.ema(ta.ema(ta.stoch(d2ema,d2ema,d2ema,100),3),3)

ind = (close-ta.ema(close,120*24/tfc))/close
heat = ta.ema(ta.stoch(ind,ind,ind,120*24/tfc),3)
index = ta.ema(heat,7*24/tfc)

//plot graph
green = color.rgb(20,255,100)
yellow = color.yellow
red = color.red
blue = color.rgb(20,120,255)
tcolor = (dema>0) and (d2ema>0)? green : (dema>0) and (d2ema<0) ? yellow : (dema < 0) and (d2ema<0) ? red : (dema < 0) and (d2ema>0) ? blue : color.black
demaema = ta.ema(dema,21)
plot(demaema, color = tcolor)

//strategy buy-sell conditions
cond1a = strategy.position_size <= 0
cond1b = strategy.position_size > 0

if (condTime and cond1a and ( ( ((tcolor[1] == red and demaema<0.02) or (tcolor[1] == blue and demaema < 0.02) or (tcolor[1] == yellow and demaema>-0.02) ) and tcolor == green) or (tcolor[1] == red and tcolor == blue and demaema < -0.01) ) and index<85 and ind<0.4)
    strategy.entry("buy",strategy.long, (strategy.equity-strategy.position_size*close)/1/close)
    
if (condTime and cond1b and ( (((tcolor[1] == yellow and demaema > -0.02) or (tcolor[1] == blue and demaema < 0.02) or (tcolor[1] == green and demaema < 0.02)) and tcolor == red) or (tcolor[1] == green and tcolor == yellow and demaema > 0.015) ) and index>15 and ind>-0.1)
    strategy.order("sell",strategy.short, strategy.position_size)

Mais.