Эта стратегия использует индикатор CT TTM Squeeze для выявления ценовых тенденций и применяет последующие остановки для контроля рисков.
Стратегия использует индикатор CT TTM Squeeze для определения ценовых тенденций.
Если osc превышает 0, он отображается зеленым, что означает длинный; если osc превышает 0, он отображается красным, что означает короткий.
Когда ОСК положительный, идет длинный; когда ОСК отрицательный, идет короткий.
Стратегия использует осциллятор OSC для определения направления тренда и дифф для измерения длинного/короткого импульса.
Стратегия имеет следующие преимущества:
Использование CT TTM Squeeze для определения тенденций имеет относительно высокую точность. CT TTM Squeeze всесторонне рассматривает скользящие средние, полосы Боллинджера и каналы Келтнера, которые могут эффективно идентифицировать тенденции цен.
Применение осциллятора для определения длинных/коротких сигналов позволяет избежать ложных сигналов в зонах, где не наблюдается тренд.
Последующие остановки используются для контроля рисков путем ограничения потерь для каждой сделки.
Стратегия имеет несколько параметров и легко оптимизируется.
Различные цвета используются для различения длинных/коротких сигналов и силы, визуально представляя суждения о тренде.
Стратегия также имеет следующие риски:
CT TTM Squeeze может генерировать ложные сигналы в определенных рыночных условиях, что приводит к торговым потерям.
Дивергенция в осцилляторе может привести к неправильным торговым сигналам.
Чрезмерно агрессивные остановки могут привести к ненужным потерям.
Стратегия подходит только для продуктов с сильными тенденциями, а не для рынков с ограниченным диапазоном.
Чрезмерная оптимизация может привести к настройке кривой. Следует позаботиться о том, чтобы избежать перенастройки при оптимизации параметров.
Стратегия может быть оптимизирована в следующих аспектах:
Комбинируйте несколько индикаторов для точности сигнала. Другие индикаторы, такие как MACD, KDJ, могут быть добавлены для оптимизации входных сигналов.
Добавить модули оптимизации стоп-потери для более интеллектуальных остановок.
Оптимизировать управление деньгами путем тестирования фиксированной дроби, формулы Келли и т. Д. Это может улучшить эффективность использования капитала, обеспечивая при этом риск по торговле.
Уточнение параметров для конкретных продуктов для улучшения адаптивности.
Добавьте алгоритмы машинного обучения для адаптивного обучения. Использование RNN, LSTM и т. Д. может улучшить адаптивную способность стратегии.
Эта стратегия использует CT TTM Squeeze для определения направления тренда, осциллятор пересекает 0 в качестве сигналов входа и отслеживает остановки для управления рисками. Ее преимущества заключаются в высокой точности, легкой оптимизации, но существуют риски, такие как отказ индикатора, слишком тесные остановки.
/*backtest start: 2023-10-15 00:00:00 end: 2023-11-14 00:00:00 period: 1d basePeriod: 1h exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}] */ //@version=2 strategy("CT TTM Squeeze") length = input(title="Length", defval=20, minval=0) bband(length, mult) => sma(close, length) + mult * stdev(close, length) keltner(length, mult) => ema(close, length) + mult * ema(tr, length) // Variables e1 = (highest(high, length) + lowest(low, length)) / 2 + sma(close, length) osc = linreg(close - e1 / 2, length, 0) diff = bband(length, 2) - keltner(length, 1) osc_color = osc[1] < osc[0] ? osc[0] >= 0 ? #00ffff : #cc00cc : osc[0] >= 0 ? #009b9b : #ff9bff mid_color = diff >= 0 ? green : red // Strategy long = osc > 0 short = osc < 0 if long strategy.entry("Long", strategy.long) if short strategy.entry("Short", strategy.short) plot(osc, color=osc_color, style=histogram, linewidth=2) plot(0, color=mid_color, style=circles, linewidth=3)