اس حکمت عملی کا مقصد اثاثوں کے قلیل مدتی نیچے کے رجحانات کے الٹ پوائنٹس کی نشاندہی کرنا اور ان پوائنٹس پر ایک مقررہ رقم کی سرمایہ کاری کرنا ہے۔ اس سے اپ ٹرینڈز کے آغاز کے بعد نسبتا lower کم قیمتوں پر مقررہ ڈالر لاگت اوسط (ڈی سی اے) کی اجازت ملتی ہے۔
یہ حکمت عملی ماہانہ ٹائم فریم پر کام کرتی ہے۔ ہر مہینے میں 240 1 گھنٹے کی سلاخیں ہوتی ہیں ، جن کا استعمال رجحان کے الٹ جانے کے وقت کا تعین کرنے کے لئے کیا جاتا ہے۔
خاص طور پر ، یہ حکمت عملی تیز EMA اور سست EMA (EMA_CD) کے درمیان فرق کا حساب لگاتی ہے ، نیز EMA_CD کی سگنل لائن بھی۔ جب تیز لائن سگنل لائن سے تجاوز کرتی ہے تو ، یہ قلیل مدتی نیچے کے رجحان کے اختتام کا تعین کرتی ہے اور خریدنے کا اشارہ چالو کرتی ہے۔
خریدنے کے سگنل کے بعد ، حکمت عملی مہینے کے آخر میں تمام پوزیشنوں کو بند کردے گی۔ پھر یہ عمل اگلے مہینے میں خود کو دہرائے گا ، جس میں ایک ماہ کے لئے مقررہ وقتا فوقتا خریداری اور انعقاد ہوتا ہے۔
اس سے ہمیں قلیل مدتی کمی کے اختتام پر نیچے کی مچھلی پکڑنے کی اجازت ملتی ہے، اور مقررہ وقفوں پر ڈالر کی اوسط قیمت.
اس حکمت عملی کا سب سے بڑا فائدہ یہ ہے کہ یہ رینج سے منسلک مارکیٹوں کو فلٹر کرسکتا ہے اور صرف رجحان کے الٹ پوائنٹس پر خرید سکتا ہے ، اس طرح ڈالر کی قیمت نسبتا better بہتر قیمتوں پر اوسط ہوتی ہے۔
اس کے علاوہ ، الٹ پوائنٹس کا تعین کرنے کے لئے ای ایم اے کا استعمال کرنا صرف موم بتیوں کی الٹ دیکھنے کے مقابلے میں زیادہ مستحکم اور درست ہوسکتا ہے۔ ای ایم اے قلیل مدتی مارکیٹ شور کو ہموار کرسکتا ہے جو انٹری ٹائمنگ کو متاثر کرتا ہے۔
آخر میں، ماہانہ سٹاپ نقصان ہر ماہ کی سرمایہ کاری کے لئے کارکردگی میں تالے لگاتا ہے، ہر ماہ زیادہ سے زیادہ نقصان کو محدود کرتا ہے.
اس حکمت عملی کا سب سے بڑا خطرہ یہ ہے کہ خریدنے کے بعد قیمتیں گرتی رہتی ہیں ، جس کی وجہ سے مہینے کے آخر میں نقصان ختم ہوجاتا ہے۔ یہ عام طور پر غلط الٹ کی نشاندہی کی وجہ سے ہوتا ہے۔
ہم EMA کے پیرامیٹرز کو بہتر بنانے کے لئے شناخت کو بہتر بناسکتے ہیں، یا ریورس سگنل کی تصدیق کے لئے RSI جیسے دیگر اشارے کو یکجا کرسکتے ہیں.
ایک اور خطرہ اسٹاپ نقصان کی سطح ہے۔ ایک اسٹاپ نقصان جو بہت تنگ ہے اسے قلیل مدتی اتار چڑھاؤ آسانی سے روک سکتا ہے۔ ایک اسٹاپ نقصان جو بہت وسیع ہے نقصان کو محدود کرنے میں ناکام رہتا ہے۔ زیادہ سے زیادہ پیرامیٹر کو مختلف اسٹاپ نقصان کی سطحوں کی جانچ کے ذریعے تلاش کرنے کی ضرورت ہے۔
اسٹریٹیجی کو مندرجہ ذیل شعبوں میں بہتر بنایا جاسکتا ہے:
EMA کے دورانیے کو بہتر بنائیں تاکہ واپسی کی نشاندہی کرنے کے لئے بہترین پیرامیٹر مجموعہ تلاش کیا جاسکے۔
ریورس سگنل کی تصدیق کے لیے RSI جیسے دوسرے فلٹرز شامل کریں۔
مختلف سٹاپ نقصان کی سطحوں کا تجربہ کریں تاکہ زیادہ سے زیادہ نقصان کی روک تھام کے بغیر زیادہ سے زیادہ نقصان کی روک تھام کو تلاش کریں.
قیمت کی بنیاد پر سٹاپ کی سطح کو متحرک طور پر ایڈجسٹ کرنے کے لئے اسٹاپ نقصان کے اوپر ٹریلنگ اسٹاپ شامل کرنے پر غور کریں۔
اس حکمت عملی کے لئے بہترین کارکردگی کا مظاہرہ کرنے کے لئے روزانہ یا ہفتہ وار جیسے مختلف ٹائم فریم کی جانچ کریں۔
اس حکمت عملی کا مجموعی خیال آسان اور واضح ہے - قلیل مدتی رجحان کی تبدیلیوں کی نشاندہی کرنے کے لئے ای ایم اے کا استعمال کرتے ہوئے ، اور ماہانہ الٹ پوائنٹس پر ڈالر کی لاگت کی اوسط۔ یہ مؤثر طریقے سے متضاد مارکیٹوں کو فلٹر کرسکتا ہے اور نسبتا low کم قیمتوں پر سرمایہ کاری کرسکتا ہے۔ اصلاح کی جگہ زیادہ تر پیرامیٹر ٹیوننگ اور اسٹاپ نقصان کی تکنیکوں میں ہے۔ مجموعی طور پر یہ فکسڈ اثاثوں کی الاٹمنٹ کے لئے ایک بہترین حکمت عملی کا تصور ہے ، جس کی مزید جانچ اور بہتری کے قابل ہے۔
/*backtest
start: 2023-09-07 00:00:00
end: 2023-10-07 00:00:00
period: 1h
basePeriod: 15m
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/
// This source code is subject to the terms of the Mozilla Public License 2.0 at https://mozilla.org/MPL/2.0/
// © BHD_Trade_Bot
// @version=5
// strategy(
// shorttitle = 'DCA After Downtrend',
// title = 'DCA After Downtrend (by BHD_Trade_Bot)',
// overlay = true,
// calc_on_every_tick = true,
// calc_on_order_fills = true,
// use_bar_magnifier = true,
// pyramiding = 100,
// initial_capital = 0,
// default_qty_type = strategy.cash,
// default_qty_value = 1000,
// commission_type = strategy.commission.percent,
// commission_value = 0.1)
// Backtest Time Period
start_year = input(title='Start year' ,defval=2017)
start_month = input(title='Start month' ,defval=1)
start_day = input(title='Start day' ,defval=1)
start_time = timestamp(start_year, start_month, start_day, 00, 00)
end_year = input(title='end year' ,defval=2050)
end_month = input(title='end month' ,defval=1)
end_day = input(title='end day' ,defval=1)
end_time = timestamp(end_year, end_month, end_day, 23, 59)
window() => true
// EMA
ema50 = ta.ema(close, 50)
ema200 = ta.ema(close, 200)
// EMA_CD
emacd = ema50 - ema200
emacd_signal = ta.ema(emacd, 20)
hist = emacd - emacd_signal
// Count n candles after x long entries
var int nPastCandles = 0
var int entryNumber = 0
nPastCandles := nPastCandles + 1
// ENTRY CONDITIONS
// 8 hours per day => 240 hours per month
entry_condition1 = nPastCandles > entryNumber * 240
// End of downtrend
entry_condition2 = ta.crossover(emacd, emacd_signal)
ENTRY_CONDITIONS = entry_condition1 and entry_condition2
if ENTRY_CONDITIONS and window()
entryNumber := entryNumber + 1
entryId = 'Long ' + str.tostring(entryNumber)
strategy.entry(entryId, strategy.long)
// CLOSE CONDITIONS
// Last bar
CLOSE_CONDITIONS = barstate.islast
if CLOSE_CONDITIONS
strategy.close_all()
// Draw
plot(ema50, color=color.orange, linewidth=3)
plot(ema200, color=entry_condition1 ? color.green : color.red, linewidth=3)