В процессе загрузки ресурсов... загрузка...

Стратегия адаптивного статистического арбитража отслеживания импульса

Автор:Чао Чжан, Дата: 2023-12-11 16:41:27
Тэги:

Обзор

Эта стратегия создает динамический конверт волатильности, основанный на методе регрессии ядра Надарайя-Уотсона, чтобы генерировать торговые сигналы о покупке низкого и продаже высокого путем отслеживания перекрестных ситуаций между ценой и диапазонами конверта.

Логика стратегии

Основой стратегии является вычисление динамического диапазона цены. Во-первых, с помощью пользовательского окна обратного обзора, он строит кривые регрессии ядра Надарая-Уотсона цены (близкие, высокие, низкие), чтобы получить сглаженную оценку цены. Затем он вычисляет ATR на основе пользовательской длины ATR и формирует верхние и нижние полосы конверта с факторами близкого и дальнего. Когда цена проникает в конверт снизу, генерируется сигнал покупки. Когда цена выходит из конверта сверху, запускается сигнал продажи. Отслеживая динамическую связь между ценой и статистическими свойствами, связанными с волатильностью, стратегия адаптивно корректирует свои торговые решения.

Преимущества

Основываясь на математических моделях с контролируемыми параметрами, меньше вероятности перенастройки.
Приспосабливаться к изменениям на рынке, используя динамические отношения между ценой и волатильностью для получения торговых возможностей.
Логографическая шкала хорошо работает с различными временными рамками и инструментами с различной величиной волатильности.
Настраиваемые параметры для регулирования чувствительности стратегии.

Риски

Теоретический характер математических моделей, может оказаться недостаточным для торговли в реальном времени.
Ключевые параметры требуют экспертизы, неправильные настройки могут повредить прибыльности.
Отставание может привести к потере некоторых торговых возможностей.
Уязвимость к ударам на сильно волатильных рынках.

Правильная оптимизация, достаточное обратное тестирование, понимание ключевых факторов и разумное размещение позиций в режиме реального времени могут помочь смягчить эти риски.

Направления к улучшению

Дальнейшая оптимизация параметров для поиска лучшей комбинации.
Применение методов машинного обучения для автоматического выбора оптимальных параметров.
Добавьте фильтры для активации стратегии в определенных рыночных условиях.
Включить другие индикаторы для фильтрации вводящих в заблуждение сигналов.
Попробуйте другие алгоритмы математических моделей.

Заключение

Стратегия включает в себя статистический анализ и анализ технических индикаторов для генерации торговых сигналов путем динамического отслеживания отношения между ценой и волатильностью. Параметры могут быть скорректированы на основе рыночных условий и личных потребностей. В целом, несмотря на прочную теоретическую основу, ее фактическая производительность все еще нуждается в дальнейшей проверке.

/*backtest
start: 2022-12-04 00:00:00
end: 2023-12-10 00:00:00
period: 1d
basePeriod: 1h
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/

// © Julien_Eche
//@version=5

strategy("Nadaraya-Watson Envelope Strategy", overlay=true, pyramiding=1, default_qty_type=strategy.percent_of_equity, default_qty_value=20)

// Helper Functions
getEnvelopeBounds(_atr, _nearFactor, _farFactor, _envelope) => 
    _upperFar = _envelope + _farFactor*_atr
    _upperNear = _envelope + _nearFactor*_atr
    _lowerNear = _envelope - _nearFactor*_atr
    _lowerFar = _envelope - _farFactor*_atr
    _upperAvg = (_upperFar + _upperNear) / 2
    _lowerAvg = (_lowerFar + _lowerNear) / 2 
    [_upperNear, _upperFar, _upperAvg, _lowerNear, _lowerFar, _lowerAvg]

customATR(length, _high, _low, _close) =>
    trueRange = na(_high[1])? math.log(_high)-math.log(_low) : math.max(math.max(math.log(_high) - math.log(_low), math.abs(math.log(_high) - math.log(_close[1]))), math.abs(math.log(_low) - math.log(_close[1])))
    ta.rma(trueRange, length)

customKernel(x, h, alpha, x_0) =>
    sumWeights = 0.0
    sumXWeights = 0.0
    for i = 0 to h
        weight = math.pow(1 + (math.pow((x_0 - i), 2) / (2 * alpha * h * h)), -alpha)
        sumWeights := sumWeights + weight
        sumXWeights := sumXWeights + weight * x[i]
    sumXWeights / sumWeights

// Custom Settings
customLookbackWindow = input.int(8, 'Lookback Window (Custom)', group='Custom Settings')
customRelativeWeighting = input.float(8., 'Relative Weighting (Custom)', step=0.25, group='Custom Settings')
customStartRegressionBar = input.int(25, "Start Regression at Bar (Custom)", group='Custom Settings')

// Envelope Calculations
customEnvelopeClose = math.exp(customKernel(math.log(close), customLookbackWindow, customRelativeWeighting, customStartRegressionBar))
customEnvelopeHigh = math.exp(customKernel(math.log(high), customLookbackWindow, customRelativeWeighting, customStartRegressionBar))
customEnvelopeLow = math.exp(customKernel(math.log(low), customLookbackWindow, customRelativeWeighting, customStartRegressionBar))
customEnvelope = customEnvelopeClose
customATRLength = input.int(60, 'ATR Length (Custom)', minval=1, group='Custom Settings')
customATR = customATR(customATRLength, customEnvelopeHigh, customEnvelopeLow, customEnvelopeClose)
customNearATRFactor = input.float(1.5, 'Near ATR Factor (Custom)', minval=0.5, step=0.25, group='Custom Settings')
customFarATRFactor = input.float(2.0, 'Far ATR Factor (Custom)', minval=1.0, step=0.25, group='Custom Settings')
[customUpperNear, customUpperFar, customUpperAvg, customLowerNear, customLowerFar, customLowerAvg] = getEnvelopeBounds(customATR, customNearATRFactor, customFarATRFactor, math.log(customEnvelopeClose))

// Colors
customUpperBoundaryColorFar = color.new(color.red, 60)
customUpperBoundaryColorNear = color.new(color.red, 80)
customBullishEstimatorColor = color.new(color.teal, 50)
customBearishEstimatorColor = color.new(color.red, 50)
customLowerBoundaryColorNear = color.new(color.teal, 80)
customLowerBoundaryColorFar = color.new(color.teal, 60)

// Plots
customUpperBoundaryFar = plot(math.exp(customUpperFar), color=customUpperBoundaryColorFar, title='Upper Boundary: Far (Custom)')
customUpperBoundaryAvg = plot(math.exp(customUpperAvg), color=customUpperBoundaryColorNear, title='Upper Boundary: Average (Custom)')
customUpperBoundaryNear = plot(math.exp(customUpperNear), color=customUpperBoundaryColorNear, title='Upper Boundary: Near (Custom)') 
customEstimationPlot = plot(customEnvelopeClose, color=customEnvelope > customEnvelope[1] ? customBullishEstimatorColor : customBearishEstimatorColor, linewidth=2, title='Custom Estimation')
customLowerBoundaryNear = plot(math.exp(customLowerNear), color=customLowerBoundaryColorNear, title='Lower Boundary: Near (Custom)')
customLowerBoundaryAvg = plot(math.exp(customLowerAvg), color=customLowerBoundaryColorNear, title='Lower Boundary: Average (Custom)') 
customLowerBoundaryFar = plot(math.exp(customLowerFar), color=customLowerBoundaryColorFar, title='Lower Boundary: Far (Custom)')

// Fills
fill(customUpperBoundaryFar, customUpperBoundaryAvg, color=customUpperBoundaryColorFar, title='Upper Boundary: Farmost Region (Custom)')
fill(customUpperBoundaryNear, customUpperBoundaryAvg, color=customUpperBoundaryColorNear, title='Upper Boundary: Nearmost Region (Custom)')
fill(customLowerBoundaryNear, customLowerBoundaryAvg, color=customLowerBoundaryColorNear, title='Lower Boundary: Nearmost Region (Custom)')
fill(customLowerBoundaryFar, customLowerBoundaryAvg, color=customLowerBoundaryColorFar, title='Lower Boundary: Farmost Region (Custom)')


longCondition = ta.crossover(close, customEnvelopeLow)
if (longCondition)
    strategy.entry("Buy", strategy.long)

exitLongCondition = ta.crossover(customEnvelopeHigh, close)
if (exitLongCondition)
    strategy.close("Buy")

Больше