В процессе загрузки ресурсов... загрузка...

Многорыночная адаптивная многопоказательная тенденция после стратегии

Автор:Чао Чжан, Дата: 2024-12-12 15:23:28
Тэги:CMFУправление по защите данныхROCWMAATR

Обзор

Это адаптивная стратегия, основанная на нескольких технических показателях, которая автоматически корректирует параметры в соответствии с различными характеристиками рынка. Стратегия сочетает в себе денежный поток Чайкина (CMF), детеррентный осциллятор цен (DPO) и кривую Коппока для отслеживания рыночных тенденций, с факторами корректировки волатильности для адаптации к различным особенностям рынка. Она включает в себя комплексную систему управления позициями и контроля рисков, которая динамически корректирует размер торгов на основе волатильности рынка.

Принципы стратегии

Основная логика стратегии заключается в том, чтобы подтвердить направление тренда и сроки торговли посредством сотрудничества с несколькими индикаторами:

Использует индикатор CMF для измерения денежного потока и оценки настроения на рынке
Использует DPO для устранения влияния долгосрочных тенденций и сосредоточения внимания на средне-короткосрочных колебаниях цен
Принимает модифицированный индикатор Коппока для фиксации поворотных точек тренда
Сгенерирует торговые сигналы только тогда, когда все три индикатора подтверждают
Динамически рассчитывает уровни стоп-лосса и прибыли с использованием ATR
Автоматически корректирует параметры рыночного плеча и волатильности на основе различных рыночных характеристик (акции, форекс, фьючерсы)

Преимущества стратегии

Многоиндикаторная перекрестная проверка эффективно фильтрует ложные сигналы
Сильная адаптивность, подходящая для различных рыночных условий
Комплексная система управления позициями с динамическим размещением позиций на основе волатильности
Включает механизмы стоп-лосса и получения прибыли для контроля риска при сохранении прибыли
Поддерживает торговлю несколькими инструментами для диверсификации рисков
Ясная логика торговли, которую легко поддерживать и оптимизировать

Стратегические риски

Многоиндикаторная система может отставать на быстро меняющихся рынках
Оптимизация параметров может привести к перенастройке
При изменении рыночного режима могут возникать ложные сигналы
Строгие параметры стоп-лосса могут привести к частым остановкам
Стоимость торговли повлияет на доходность стратегии Рекомендации по управлению рисками:

Регулярные проверки достоверности параметров
Мониторинг позиции в реальном времени
Правильный контроль левериджа
Максимальные лимиты привлечения

Руководство по оптимизации

Внедрение оценки состояния волатильности рынка с использованием различных наборов параметров в различных условиях волатильности
Добавление дополнительных показателей характеристик рынка для улучшения адаптивности стратегии
Оптимизировать механизмы остановки потерь и получения прибыли, рассмотреть вопрос о внедрении остановок.
Разработка системы автоматической оптимизации параметров для периодической корректировки
Добавить модуль анализа стоимости торговли
Внедрение механизма предупреждения риска

Резюме

Эта стратегия является всеобъемлющей системой, которая балансирует доходность и риск с помощью нескольких индикаторов и механизмов управления рисками. Стратегия имеет сильную расширяемость с значительным пространством для оптимизации. Рекомендуется начинать с небольшого масштаба в живой торговле, постепенно увеличивать размер торговли, постоянно отслеживая эффективность стратегии и своевременно корректируя параметры.

/*backtest
start: 2019-12-23 08:00:00
end: 2024-12-10 08:00:00
period: 1d
basePeriod: 1d
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/

//@version=5
strategy("Multi-Market Adaptive Trading Strategy", overlay=true, default_qty_type=strategy.percent_of_equity, default_qty_value=10)

// Input parameters
i_market_type = input.string("Crypto", "Market Type", options=["Forex", "Crypto", "Futures"])
i_risk_percent = input.float(1, "Risk Per Trade (%)", minval=0.1, maxval=100, step=0.1)
i_volatility_adjustment = input.float(1.0, "Volatility Adjustment", minval=0.1, maxval=5.0, step=0.1)
i_max_position_size = input.float(5.0, "Max Position Size (%)", minval=1.0, maxval=100.0, step=1.0)
i_max_open_trades = input.int(3, "Max Open Trades", minval=1, maxval=10)

// Indicator Parameters
i_cmf_length = input.int(20, "CMF Length", minval=1)
i_dpo_length = input.int(21, "DPO Length", minval=1)
i_coppock_short = input.int(11, "Coppock Short ROC", minval=1)
i_coppock_long = input.int(14, "Coppock Long ROC", minval=1)
i_coppock_wma = input.int(10, "Coppock WMA", minval=1)
i_atr_length = input.int(14, "ATR Length", minval=1)

// Market-specific Adjustments
volatility_factor = i_market_type == "Forex" ? 0.1 : i_market_type == "Futures" ? 1.5 : 1.0
volatility_factor *= i_volatility_adjustment
leverage = i_market_type == "Forex" ? 100.0 : i_market_type == "Futures" ? 20.0 : 3.0

// Calculate Indicators
mf_multiplier = ((close - low) - (high - close)) / (high - low)
mf_volume = mf_multiplier * volume
cmf = ta.sma(mf_volume, i_cmf_length) / ta.sma(volume, i_cmf_length)

dpo_offset = math.floor(i_dpo_length / 2) + 1
dpo = close - ta.sma(close, i_dpo_length)[dpo_offset]

roc1 = ta.roc(close, i_coppock_short)
roc2 = ta.roc(close, i_coppock_long)
coppock = ta.wma(roc1 + roc2, i_coppock_wma)

atr = ta.atr(i_atr_length)

// Define Entry Conditions
long_condition = cmf > 0 and dpo > 0 and coppock > 0 and ta.crossover(coppock, 0)
short_condition = cmf < 0 and dpo < 0 and coppock < 0 and ta.crossunder(coppock, 0)

// Calculate Position Size
account_size = strategy.equity
risk_amount = math.min(account_size * (i_risk_percent / 100), account_size * (i_max_position_size / 100))
position_size = (risk_amount / (atr * volatility_factor)) * leverage

// Execute Trades
if (long_condition and strategy.opentrades < i_max_open_trades)
    sl_price = close - (atr * 2 * volatility_factor)
    tp_price = close + (atr * 3 * volatility_factor)
    strategy.entry("Long", strategy.long, qty=position_size)
    strategy.exit("Long Exit", "Long", stop=sl_price, limit=tp_price)

if (short_condition and strategy.opentrades < i_max_open_trades)
    sl_price = close + (atr * 2 * volatility_factor)
    tp_price = close - (atr * 3 * volatility_factor)
    strategy.entry("Short", strategy.short, qty=position_size)
    strategy.exit("Short Exit", "Short", stop=sl_price, limit=tp_price)

// Plot Indicators
plot(cmf, color=color.blue, title="CMF")
plot(dpo, color=color.green, title="DPO")
plot(coppock, color=color.red, title="Coppock")
hline(0, "Zero Line", color=color.gray)

// Alerts
alertcondition(long_condition, title="Long Entry", message="Potential Long Entry Signal")
alertcondition(short_condition, title="Short Entry", message="Potential Short Entry Signal")

// // Performance reporting
// if barstate.islastconfirmedhistory
//     label.new(bar_index, high, text="Strategy Performance:\nTotal Trades: " + str.tostring(strategy.closedtrades) + 
//               "\nWin Rate: " + str.tostring(strategy.wintrades / strategy.closedtrades * 100, "#.##") + "%" +
//               "\nProfit Factor: " + str.tostring(strategy.grossprofit / strategy.grossloss, "#.##"))

Связанные

Больше