ChaoZhang
Visão geral
A estratégia usa o cruzamento de médias móveis simples de dois períodos diferentes para determinar a direção da tendência e negociar quando a tendência ocorre. Ao mesmo tempo, a estratégia também introduziu um painel de expectativas para calcular e mostrar os ganhos esperados da estratégia em diferentes escalas de tempo, para que os usuários possam avaliar melhor o desempenho da estratégia.
Princípio da estratégia
O núcleo da estratégia é o uso de uma média móvel simples cruzada de dois períodos diferentes (neste caso, 14 e 28 dias) para determinar a tendência do mercado. Quando a média de curto prazo atravessa a média de longo prazo de baixo para cima, assume-se que o mercado está em uma tendência ascendente, a estratégia abre mais posições; por outro lado, quando a média de curto prazo atravessa a média de longo prazo de cima para baixo, assume-se que o mercado está em uma tendência descendente, a estratégia abre posições e feche. Dessa forma, a estratégia pode se adaptar a diferentes tendências do mercado e construir posições em tempo hábil para obter os benefícios trazidos pela tendência.
Além do julgamento de tendências básicas e lógica de negociação, a estratégia também introduziu um painel de valores esperados para calcular e mostrar o retorno esperado da estratégia em diferentes escalas de tempo (mensal e anual). O cálculo dos valores esperados é baseado em indicadores estatísticos-chave da estratégia em períodos históricos, incluindo:
- Taxa de sucesso: proporção do número de ganhos da estratégia em relação ao número total de transações no período de tempo
- Lucro médio: o lucro médio de todas as transações lucrativas da estratégia durante o período de tempo
- Perda média: o valor médio de perda de todas as transações perdedoras da estratégia durante o período de tempo
Usando esses indicadores, pode-se calcular o valor esperado da estratégia para o período de tempo: Valor esperado = taxa de sucesso × lucro médio - (1 - taxa de sucesso) × perda média
Ao mostrar os valores esperados para diferentes períodos de tempo em um gráfico em forma de gráfico de calor, os usuários podem ver de imediato o desempenho esperado da estratégia em diferentes cenários de mercado, o que permite entender melhor a aplicabilidade e os riscos da estratégia.
Análise de vantagens
Adaptabilidade a tendências: a estratégia é capaz de ajustar posições em tempo hábil em diferentes tendências de mercado para se adaptar às mudanças de mercado. Isso permite que a estratégia obtenha melhores retornos em mercados em tendência.
Avaliação de desempenho intuitiva: o painel de expectativas incorporado mostra os resultados esperados da estratégia em diferentes períodos de tempo, em forma de gráfico térmico, permitindo ao usuário avaliar o desempenho da estratégia em diferentes ambientes de mercado. Esta forma de apresentação de desempenho visual fornece mais referência de decisão para o usuário.
Os principais indicadores estatísticos são considerados: o cálculo do valor esperado considera não apenas a probabilidade de vitória da estratégia, mas também o impacto da média de ganhos e perdas médias. Esta forma de cálculo pode refletir de forma mais completa e mais precisa o desempenho real da estratégia, fornecendo uma referência mais confiável para os usuários.
Configuração de parâmetros flexível: o usuário pode definir os valores de exibição do painel de expectativas de acordo com a necessidade de flexibilidade, bem como a transparência do painel. Isso permite ao usuário ajustar a exibição do gráfico de acordo com suas próprias preferências, melhorando a experiência de uso.
Análise de Riscos
Desempenho fraco em mercados de turbulência: Como a estratégia depende principalmente da tendência para obter ganhos, em mercados de turbulência ou de mercado de tendência incerta, a negociação frequente pode levar a grandes desvios e custos de negociação, afetando o desempenho geral da estratégia.
Limitações do cálculo do valor esperado: embora o painel de valores esperados ofereça uma maneira intuitiva de avaliar o desempenho da estratégia, ele ainda é calculado com base em dados históricos. Quando ocorrem mudanças significativas no mercado ou situações extremas, os dados históricos podem não refletir bem o desempenho real da estratégia e o valor de referência do valor esperado pode ser reduzido.
O desempenho da estratégia depende muito da escolha do ciclo da média móvel. Diferentes combinações de ciclos podem levar a resultados de negociação completamente diferentes. Se os parâmetros selecionados não se adaptarem bem às características do mercado, o desempenho real da estratégia pode ser muito diferente do esperado.
Direção de otimização
Introduzir mais indicadores técnicos: Com base nas médias móveis existentes, pode-se considerar a introdução de outros indicadores técnicos, como MACD, RSI, etc., para melhor julgar a força e a sustentabilidade da tendência, melhorando assim o tempo de entrada e saída da estratégia.
Optimizar a gestão de posições: A estratégia atual é a de manter posições fixas quando surgem sinais de negociação. Pode-se considerar ajustar as posições de forma dinâmica, de acordo com a volatilidade do mercado, a força da tendência, entre outros fatores, para controlar melhor o risco e aumentar os lucros.
Incorporar um mecanismo de stop-loss: Incorporar um mecanismo de stop-loss razoável na estratégia pode ajudar a estratégia a bloquear os ganhos em tempo hábil, limitando os possíveis perdas. Isso ajuda a aumentar a relação risco-benefício da estratégia, permitindo que ela mantenha um desempenho relativamente robusto em vários cenários de mercado.
Otimização do cálculo do valor esperado: métodos de cálculo do valor esperado podem ser otimizados ainda mais, por exemplo, considerando os custos de transação, introduzindo janelas móveis, etc., para aumentar a eficácia e a utilidade do indicador de valor esperado. Além disso, outros indicadores de avaliação de desempenho estratégico podem ser explorados para fornecer uma referência mais abrangente para os usuários.
Resumir
A estratégia usa o cruzamento de médias móveis para avaliar a tendência do mercado e, quando a tendência ocorre, assume posições em tempo hábil para obter os ganhos trazidos pela tendência. Ao mesmo tempo, a estratégia também introduziu um painel de expectativas intuitivo para mostrar os ganhos esperados da estratégia em diferentes escalas de tempo, fornecendo mais referência à decisão dos usuários. Embora a estratégia possa ter um fraco desempenho em mercados turbulentos e tenha algumas limitações no cálculo dos valores esperados, a introdução de mais indicadores técnicos, a otimização do gerenciamento de posições e a inclusão de medidas de stop-loss podem aumentar ainda mais a relação de risco-receita da estratégia, permitindo que ela se adapte melhor a diversos tipos de mudanças no mercado.
/*backtest
start: 2023-06-11 00:00:00
end: 2024-06-16 00:00:00
period: 1d
basePeriod: 1h
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/
// This Pine Script™ code is subject to the terms of the Mozilla Public License 2.0 at https://mozilla.org/MPL/2.0/
// © ir0nantc2
//@version=5
strategy("Expected Value Panel", overlay=true)
// ロングエントリー条件 / Long entry condition
longCondition = ta.crossover(ta.sma(close, 14), ta.sma(close, 28))
if (longCondition)
strategy.entry("My Long Entry Id", strategy.long)
// ショートエントリー条件 / Short entry condition
shortCondition = ta.crossunder(ta.sma(close, 14), ta.sma(close, 28))
if (shortCondition)
strategy.entry("My Short Entry Id", strategy.short)
// ■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■
// Please copy the code below and paste it into the strategy where you want to display the expected value.
// 以下のコードをコピーして期待値を表示させたいストラテジーに貼り付けて下さい。
// ■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■
// 表示選択 / Display selection
show_performance = input.bool(true, '期待値ON/OFF (Show Expected Value)', group='Expected Value / ©ir0nantc2')
transparency = input.int(50, '透過度 (Transparency)', minval=0, maxval=100, group='Expected Value / ©ir0nantc2')
prec = 2
// 背景色 / Background color
bg_color(value) =>
na(value) ? color.new(color.gray, transparency) : value > 0.0 ? color.new(color.green, transparency) :
value < 0.0 ? color.new(color.red, transparency) :color.new(color.gray, transparency)
// 利益と損失の追跡 / Track profits and losses
var float total_monthly_profit = 0.0
var float total_yearly_profit = 0.0
if show_performance
new_month = month(time) != month(time[1])
new_year = year(time) != year(time[1])
cur_month_pnl = 0.0, cur_year_pnl = 0.0
eq = strategy.equity
bar_pnl = eq / eq[1] - 1
// 月次・年次 期待値 / Monthly & Yearly Expected Value
cur_month_pnl := new_month ? 0.0 : (1 + cur_month_pnl[1]) * (1 + bar_pnl) - 1
cur_year_pnl := new_year ? 0.0 : (1 + cur_year_pnl[1]) * (1 + bar_pnl) - 1
// 年次および月次期待値を格納 / Store monthly and yearly expected values
var month_pnl = array.new_float(), var month_time = array.new_int()
var year_pnl = array.new_float(), var year_time = array.new_int()
// 期待値計算の変数 / Variables for expected value calculation
var month_wins = array.new_int(), var month_losses = array.new_int()
var month_avg_win = array.new_float(), var month_avg_loss = array.new_float()
var year_wins = array.new_int(), var year_losses = array.new_int()
var year_avg_win = array.new_float(), var year_avg_loss = array.new_float()
// 月次および年次期待値の配列更新 / Update arrays for monthly and yearly expected values
bool last_computed = false
if (not na(cur_month_pnl[1]) and (new_month or barstate.islastconfirmedhistory))
if (last_computed and array.size(month_pnl) > 0)
array.pop(month_pnl), array.pop(month_time)
array.pop(month_wins), array.pop(month_losses)
array.pop(month_avg_win), array.pop(month_avg_loss)
array.push(month_pnl, cur_month_pnl[1]), array.push(month_time, time[1])
array.push(month_wins, 0), array.push(month_losses, 0)
array.push(month_avg_win, 0.0), array.push(month_avg_loss, 0.0)
if (not na(cur_year_pnl[1]) and (new_year or barstate.islastconfirmedhistory))
if (last_computed and array.size(year_pnl) > 0)
array.pop(year_pnl), array.pop(year_time)
array.pop(year_wins), array.pop(year_losses)
array.pop(year_avg_win), array.pop(year_avg_loss)
array.push(year_pnl, cur_year_pnl[1]), array.push(year_time, time[1])
array.push(year_wins, 0), array.push(year_losses, 0)
array.push(year_avg_win, 0.0), array.push(year_avg_loss, 0.0)
last_computed := barstate.islastconfirmedhistory ? true : last_computed
// 勝ち取引と負け取引を追跡 / Track winning and losing trades
if (strategy.closedtrades > 0 and na(strategy.closedtrades[1]) == false)
closed_profit = strategy.netprofit - strategy.netprofit[1]
if closed_profit > 0
if array.size(month_wins) > 0
wins = array.get(month_wins, array.size(month_wins) - 1) + 1
avg_win = (array.get(month_avg_win, array.size(month_avg_win) - 1) * (wins - 1) + closed_profit) / wins
array.set(month_wins, array.size(month_wins) - 1, wins)
array.set(month_avg_win, array.size(month_avg_win) - 1, avg_win)
if array.size(year_wins) > 0
wins = array.get(year_wins, array.size(year_wins) - 1) + 1
avg_win = (array.get(year_avg_win, array.size(year_avg_win) - 1) * (wins - 1) + closed_profit) / wins
array.set(year_wins, array.size(year_wins) - 1, wins)
array.set(year_avg_win, array.size(year_avg_win) - 1, avg_win)
else
if array.size(month_losses) > 0
losses = array.get(month_losses, array.size(month_losses) - 1) + 1
avg_loss = (array.get(month_avg_loss, array.size(month_avg_loss) - 1) * (losses - 1) + closed_profit) / losses
array.set(month_losses, array.size(month_losses) - 1, losses)
array.set(month_avg_loss, array.size(month_avg_loss) - 1, avg_loss)
if array.size(year_losses) > 0
losses = array.get(year_losses, array.size(year_losses) - 1) + 1
avg_loss = (array.get(year_avg_loss, array.size(year_avg_loss) - 1) * (losses - 1) + closed_profit) / losses
array.set(year_losses, array.size(year_losses) - 1, losses)
array.set(year_avg_loss, array.size(year_avg_loss) - 1, avg_loss)
// 月次テーブル / Monthly table
var monthly_table = table(na)
if (barstate.islastconfirmedhistory)
monthly_table := table.new(position.bottom_right, columns = 14, rows = array.size(year_time) + 1, border_width = 1)
table.cell(monthly_table, 0, 0, "", bgcolor = #bbbbbb00)
table.cell(monthly_table, 1, 0, "Jan", bgcolor = #bbbbbb)
table.cell(monthly_table, 2, 0, "Feb", bgcolor = #bbbbbb)
table.cell(monthly_table, 3, 0, "Mar", bgcolor = #bbbbbb)
table.cell(monthly_table, 4, 0, "Apr", bgcolor = #bbbbbb)
table.cell(monthly_table, 5, 0, "May", bgcolor = #bbbbbb)
table.cell(monthly_table, 6, 0, "Jun", bgcolor = #bbbbbb)
table.cell(monthly_table, 7, 0, "Jul", bgcolor = #bbbbbb)
table.cell(monthly_table, 8, 0, "Aug", bgcolor = #bbbbbb)
table.cell(monthly_table, 9, 0, "Sep", bgcolor = #bbbbbb)
table.cell(monthly_table, 10, 0, "Oct", bgcolor = #bbbbbb)
table.cell(monthly_table, 11, 0, "Nov", bgcolor = #bbbbbb)
table.cell(monthly_table, 12, 0, "Dec", bgcolor = #bbbbbb)
table.cell(monthly_table, 13, 0, "Year", bgcolor = #bbbbbb)
// 年次データの集計 / Collecting yearly data
var year_total_pnl = array.new_float()
var year_exp_val = array.new_float()
for yt = 0 to array.size(year_time) - 1
total_year_wins = 0, total_year_losses = 0
total_year_avg_win = 0.0, total_year_avg_loss = 0.0
total_year_pnl = 0.0
for mt = 1 to 12
idx = -1
for j = 0 to array.size(month_time) - 1
if year(array.get(month_time, j)) == year(array.get(year_time, yt)) and month(array.get(month_time, j)) == mt
idx := j
break
if idx != -1
total_year_pnl := total_year_pnl + array.get(month_pnl, idx)
total_year_wins := total_year_wins + array.get(month_wins, idx)
total_year_losses := total_year_losses + array.get(month_losses, idx)
total_year_avg_win := total_year_avg_win + (array.get(month_avg_win, idx) * array.get(month_wins, idx))
total_year_avg_loss := total_year_avg_loss + (array.get(month_avg_loss, idx) * array.get(month_losses, idx))
total_year_avg_win := total_year_wins > 0 ? total_year_avg_win / total_year_wins : 0.0
total_year_avg_loss := total_year_losses > 0 ? total_year_avg_loss / total_year_losses : 0.0
win_rate = total_year_wins + total_year_losses > 0 ? total_year_wins / (total_year_wins + total_year_losses) : na
exp_val = win_rate ? (win_rate * total_year_avg_win) - ((1 - win_rate) * math.abs(total_year_avg_loss)) : na
array.push(year_total_pnl, total_year_pnl)
array.push(year_exp_val, exp_val)
for yt = 0 to array.size(year_time) - 1
table.cell(monthly_table, 0, yt + 1, str.tostring(year(array.get(year_time, yt))), bgcolor = #bbbbbb)
y_color = bg_color(array.get(year_exp_val, yt))
value_to_display = na(array.get(year_exp_val, yt)) ? "" : str.tostring(math.round(array.get(year_exp_val, yt) * 100, prec))
table.cell(monthly_table, 13, yt + 1, value_to_display, bgcolor = y_color, text_color=color.new(color.white, 0))
for mt = 0 to array.size(month_time) - 1
m_row = year(array.get(month_time, mt)) - year(array.get(year_time, 0)) + 1
m_col = month(array.get(month_time, mt))
if array.size(month_wins) > mt and array.size(month_losses) > mt and array.size(month_avg_win) > mt and array.size(month_avg_loss) > mt
win_rate = array.get(month_wins, mt) / (array.get(month_wins, mt) + array.get(month_losses, mt))
exp_val = (win_rate * array.get(month_avg_win, mt)) - ((1 - win_rate) * math.abs(array.get(month_avg_loss, mt)))
m_color = bg_color(exp_val)
value_to_display = na(exp_val) ? "" : str.tostring(math.round(exp_val * 100, prec))
table.cell(monthly_table, m_col, m_row, value_to_display, bgcolor = m_color, text_color=color.new(color.white, 0))
else
table.cell(monthly_table, m_col, m_row, "", bgcolor = color.new(color.gray, transparency), text_color=color.new(color.white, 0))
// [EOF]