Эта стратегия называется
xMAVolPrice = ema(volume * close, length)
xMAVol = ema(volume, length)
nRes = xMAVolPrice / xMAVol
Стратегия определяет направление длинных и коротких позиций, сравнивая соотношение размеров между nRes и последней ценой закрытия:
if (nRes < close[1])
long
if (nRes > close[1])
short
Если nRes ниже последней ценой закрытия, это означает, что скорректированная по объему цена ниже последней цены, которая является сигналом покупки; если nRes больше последней ценой закрытия, это означает, что скорректированная по объему цена выше последней цены, которая является сигналом продажи.
В целом, стратегия сравнивает скорректированный по объему показатель цен nRes с последней ценой закрытия, чтобы определить направление длинных и коротких позиций, что является типичной количественной стратегией торговли.
Основными преимуществами этой стратегии являются:
По сравнению с простыми скользящими средними, экспоненциальные скользящие средние в этой стратегии более чувствительны к последним данным и могут быстро улавливать последние изменения на рынке.
Идея стратегии проста и понятна, легко понять и реализовать, и отвечает требованиям количественной торговли.
Хотя стратегия имеет определенные преимущества, она также имеет следующие риски:
Объемная информация недостоверна, показатели объема подвержены манипулированию и не стабильны, что может ввести в заблуждение.
В сравнении с простыми стратегиями, следующими за трендом, возможности для этой стратегии для вынесения суждений относительно малы, что может легко привести к недостаточности торговли.
Сложность в выборе параметров. Выбор таких параметров, как длина скользящего среднего дня, окажет большое влияние на эффективность стратегии. Неправильный выбор может значительно снизить доходность.
Основными направлениями оптимизации этой стратегии являются:
Увеличить механизмы управления позициями. В соответствии с волатильностью рынка, динамически корректировать размер каждой сделки для эффективного контроля рисков.
Можно добавить больше факторов, таких как показатели настроения, фундаментальные факторы и т. д., чтобы сделать стратегические суждения более всеобъемлющими.
Алгоритмы адаптивной оптимизации параметров. Алгоритмы могут быть установлены для автоматической оптимизации таких параметров, как длина, чтобы они могли адаптироваться в соответствии с характеристиками различных рынков циклов.
Использование моделей машинного обучения. RNN и другие модели глубокого обучения могут использоваться для многовариантного моделирования функций для достижения нелинейных стратегий с конца на конец.
/*backtest start: 2023-12-01 00:00:00 end: 2023-12-31 23:59:59 period: 1h basePeriod: 15m exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}] */ //@version=2 //////////////////////////////////////////////////////////// // Copyright by HPotter v1.0 06/03/2017 // The related article is copyrighted material from Stocks & Commodities 2009 Oct // // You can change long to short in the Input Settings // Please, use it only for learning or paper trading. Do not for real trading. //////////////////////////////////////////////////////////// strategy(title="Combining Exponential And Volume Weighting", overlay=true) length = input(22, minval=1) reverse = input(false, title="Trade reverse") xMAVolPrice = ema(volume * close, length) xMAVol = ema(volume, length) nRes = xMAVolPrice / xMAVol pos = iff(nRes < close[1], 1, iff(nRes > close[1], -1, nz(pos[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) barcolor(possig == -1 ? red: possig == 1 ? green : blue ) plot(nRes, color=blue)