EMA1 - EMA2 длина) * 100. Лоренцианская линия = EMA3 + CI.
Стратегия рассчитывает лоренцианскую линию как на текущем временном интервале, так и на более высоком временном интервале, чтобы обеспечить многомерную перспективу рынка. Торговые сигналы основаны на ценовых перекрестках с лоренцианской линией и подтверждаются с помощью механизма обратного обзора. Сигнал покупки запускается, когда цена пересекает лоренцианскую линию и самая низкая цена в течение обратного периода находится ниже лоренцианской линии; сигнал продажи работает наоборот.
Стратегия также вводит механизм целевой цены, определяющий точки выхода на основе целевых процентов, определенных пользователем.
Анализ многочасовых рамок: путем объединения лоренцианских линий из текущих и более высоких временных рамок стратегия фиксирует более всеобъемлющие тенденции рынка, уменьшая ложные сигналы.
Динамическая идентификация тенденций: метод классификации Лоренца быстро адаптируется к изменениям рынка, обеспечивая чувствительные возможности идентификации тенденций.
Механизм подтверждения сигналов: использование периода обратного отсчета для подтверждения торговых сигналов эффективно снижает вероятность ошибочных сделок.
Оптимизация целевой цены: путем установления целевых процентов стратегия может максимизировать прибыль в благоприятных рыночных условиях.
Управление рисками: внедрение динамических механизмов стоп-лосса эффективно контролирует риск для каждой сделки.
Визуализация и статистика: стратегия предоставляет интуитивно понятные графики и статистику торговли, облегчая анализ и оптимизацию эффективности стратегии.
Гибкость: множество регулируемых параметров позволяют трейдерам оптимизировать стратегию в соответствии с различными условиями рынка и личными предпочтениями.
Чувствительность параметров: эффективность стратегии в значительной степени зависит от выбора параметров ввода.
Зависимость от рыночных условий: на нестабильных рынках стратегия может часто генерировать ложные сигналы, что приводит к последовательным потерям.
Риск скольжения: на быстро меняющихся рынках фактические цены исполнения могут значительно отличаться от цен сигналов.
Риск чрезмерной оптимизации: чрезмерная корректировка параметров в соответствии с историческими данными может привести к чрезмерной адаптации, что повлияет на будущие результаты торговли в реальном времени.
Технические сбои: использование сложных технических показателей при расчетах означает, что сбои в системе или ошибки в данных могут привести к неправильным торговым решениям.
Для смягчения этих рисков рекомендуется:
Динамическая корректировка параметров: внедрить механизм адаптивной корректировки параметров для автоматической корректировки длины и порога EMA на основе волатильности рынка.
Дополнительные фильтры: для улучшения качества сигнала в качестве фильтров вводятся дополнительные технические или фундаментальные показатели.
Интеграция машинного обучения: Использование алгоритмов машинного обучения для оптимизации процессов выбора параметров и генерации сигналов.
Анализ корреляции между несколькими активами: учитывать данные из нескольких связанных с ними активов, чтобы получить более полную перспективу рынка.
Интеграция новостных событий: Добавление функции анализа новостных событий для корректировки поведения стратегии во время выпуска важных экономических данных.
Корректировка волатильности: динамическая корректировка целевых процентов и уровней стоп-лосса на основе волатильности рынка.
Улучшенное управление рисками: внедрение более сложных стратегий управления позициями и контроля рисков, таких как размещение позиций на основе волатильности.
Эти направления оптимизации направлены на повышение адаптивности и стабильности стратегии, позволяя ей поддерживать хорошие результаты в различных рыночных условиях.
Лоренцианская классификация многочасовой целевой стратегии является всеобъемлющей торговой системой, которая сочетает в себе передовые методы технического анализа с интеллектуальными механизмами управления рисками. Благодаря многочасовому анализу, динамической идентификации тенденций и оптимизации целевой цены эта стратегия имеет потенциал для достижения последовательной торговой эффективности в различных рыночных условиях. Однако она также сталкивается с такими проблемами, как чувствительность параметров и зависимость от рынка. Благодаря непрерывной оптимизации и управлению рисками трейдеры могут полностью использовать преимущества стратегии, эффективно контролируя потенциальные риски.
/*backtest
start: 2023-07-31 00:00:00
end: 2024-07-30 00:00:00
period: 1d
basePeriod: 1h
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/
//@version=5
strategy("Lorenzian Classification Strategy with Target and Multi-Timeframe", overlay=true)
// Input parameters
length = input.int(5, "Lorenzian Length", minval=1)
threshold = input.float(1.0, "Threshold", step=0.1)
lookback = input.int(3, "Lookback Candles", minval=1, maxval=20)
targetPercentage = input.float(1.5, "Target Percentage (%)", step=0.1) // Target percentage for exit
higherTimeframe = input.timeframe("D", "Higher Timeframe") // Higher timeframe for multi-timeframe analysis
// Lorenzian Classification calculation for current timeframe
ema1 = ta.ema(hlc3, length)
ema2 = ta.ema(ema1, length)
ema3 = ta.ema(ema2, length)
d = ema1 - ema2
ci = d / (0.015 * ta.ema(math.abs(d), length)) * 100
lorenzian = ema3 + ci
// Lorenzian Classification calculation for higher timeframe
hlc3_htf = request.security(syminfo.tickerid, higherTimeframe, (high + low + close)/3 )
ema1_htf = ta.ema(hlc3_htf, length)
ema2_htf = ta.ema(ema1_htf, length)
ema3_htf = ta.ema(ema2_htf, length)
d_htf = ema1_htf - ema2_htf
ci_htf = d_htf / (0.015 * ta.ema(math.abs(d_htf), length)) * 100
lorenzian_htf = ema3_htf + ci_htf
// Signal generation
crossUp = ta.crossover(close, lorenzian)
crossDown = ta.crossunder(close, lorenzian)
// Determine color based on price position relative to the line
lineColor = close > ema3 ? color.green : color.red
lineColorH = close > ema3_htf ? color.blue : color.red
// Plot the line with dynamic color
plot(ema3, color=lineColor, title="EMA3", linewidth=2)
plot(ema3_htf, color=lineColorH, title="EMA3 HTF", linewidth=2)
// Function to check for opposite movement
oppositeMove(isLong) =>
if isLong
lowest = ta.lowest(low, lookback)
lowest < lorenzian[lookback]
else
highest = ta.highest(high, lookback)
highest > lorenzian[lookback]
// Generate buy and sell signals
buySignal = crossUp and oppositeMove(true)
sellSignal = crossDown and oppositeMove(false)
// Calculate and manage target price
var float targetPrice = na
var float plotTargetPrice = na
var float entryPrice = na
// Variables to track trade outcomes
var int targetMet = 0
var int targetNotMet = 0
var int totalTrades = 0
if (buySignal)
strategy.entry("Buy", strategy.long)
entryPrice := close
targetPrice := entryPrice * (1 + targetPercentage/100)
plotTargetPrice := targetPrice
totalTrades := totalTrades + 1
if (sellSignal)
strategy.entry("Sell", strategy.short)
entryPrice := close
targetPrice := entryPrice * (1 - targetPercentage/100)
plotTargetPrice := targetPrice
totalTrades := totalTrades + 1
// Check if target price is met to exit
if (not na(targetPrice))
if (strategy.position_size > 0 and high >= targetPrice) // Long position exit condition
strategy.close("Buy")
targetPrice := na
entryPrice := na
targetMet := targetMet + 1
else if (strategy.position_size > 0 and low < entryPrice * (1 - targetPercentage/100)) // Stop loss for long
strategy.close("Buy")
targetPrice := na
entryPrice := na
targetNotMet := targetNotMet + 1
if (strategy.position_size < 0 and low <= targetPrice) // Short position exit condition
strategy.close("Sell")
targetPrice := na
entryPrice := na
targetMet := targetMet + 1
else if (strategy.position_size < 0 and high > entryPrice * (1 + targetPercentage/100)) // Stop loss for short
strategy.close("Sell")
targetPrice := na
entryPrice := na
targetNotMet := targetNotMet + 1
// Reset plotTargetPrice when position is closed
if (strategy.position_size == 0)
plotTargetPrice := na
// Plot signals and target price
plotshape(buySignal, title="Buy Signal", location=location.belowbar, color=color.green, style=shape.triangleup, size=size.small)
plotshape(sellSignal, title="Sell Signal", location=location.abovebar, color=color.purple, style=shape.triangledown, size=size.small)
plot(plotTargetPrice, color=color.yellow, title="Target Price", style=plot.style_circles, linewidth=2)
// Add alerts
alertcondition(buySignal, title="Buy Signal", message="Lorenzian Buy Signal")
alertcondition(sellSignal, title="Sell Signal", message="Lorenzian Sell Signal")
// Calculate success percentage
successPercentage = totalTrades > 0 ? (targetMet / totalTrades) * 100 : 0
// Create a table to display trade outcomes
var table tradeStats = table.new(position.top_right, 2, 3, border_width=1)
table.cell(tradeStats, 0, 0, "Targets Met", bgcolor=color.new(color.green, 30))
table.cell(tradeStats, 1, 0, "Targets Missed", bgcolor=color.new(color.red, 30))
table.cell(tradeStats, 0, 1, str.tostring(targetMet), bgcolor=color.new(color.green, 30))
table.cell(tradeStats, 1, 1, str.tostring(targetNotMet), bgcolor=color.new(color.red, 30))
table.cell(tradeStats, 0, 2, "Success Rate", bgcolor=color.new(color.blue, 30))
table.cell(tradeStats, 1, 2, str.tostring(successPercentage, "#.##") + "%", bgcolor=color.new(color.blue, 30))