بائنومیل موونگ اوسط (بی ایم اے) ایک نئی قسم کا موونگ اوسط اشارے ہے۔ یہ اوسط قیمت کا حساب لگانے کے لئے نصف بائنومیل گتانک کا استعمال کرتا ہے ، جس میں حساب کتاب کے منفرد طریقے ، اچھی ہموار اور مضبوط عملی خصوصیات ہیں۔
یہ حکمت عملی تیزی سے بی ایم اے اور سست بی ایم اے کو یکجا کرتی ہے تاکہ ایم اے سی ڈی جیسے تجارتی سگنل پیدا کیے جائیں ، جو رجحان کی پیروی کرنے والی حکمت عملی سے تعلق رکھتی ہے۔ یہ متعدد ٹائم فریموں پر لاگو کیا جاسکتا ہے اور درمیانے اور طویل مدتی کارروائیوں کے لئے موزوں ہے۔
دو عددی اوسط حرکت پذیر رجحان کی حکمت عملی
بائنومیل چلتی اوسط (بی ایم اے) کا حساب لگائیں۔ صارف کے ذریعہ مقرر کردہ مدت کے مطابق ، یہ بائنومیل گتانکوں کا حساب لگاتا ہے اور ان میں سے نصف کو اوسط قیمتوں پر وزن کے طور پر لیتا ہے۔ مثال کے طور پر ، مدت 5 کے ساتھ ، یہ 9 بائنومیل گتانکوں کا حساب لگاتا ہے اور ان کا نصف وزن شدہ اوسط کے طور پر لیتا ہے۔ اس سے حالیہ موم بتیوں کو زیادہ وزن اور بہتر ہموار ہوتا ہے۔
تیز بی ایم اے مدت اور سست بی ایم اے مدت مقرر کریں۔ تیز بی ایم اے قیمت میں تبدیلیوں کے لئے زیادہ حساس ہے جبکہ سست بی ایم اے زیادہ مستحکم ہے۔ ان کا کراس اوور تجارتی سگنل تیار کرتا ہے۔
جب تیز بی ایم اے سست بی ایم اے سے اوپر جاتا ہے تو ، طویل پوزیشن کھولی جاتی ہے۔ جب تیز بی ایم اے سست بی ایم اے سے نیچے آجاتا ہے تو ، مختصر پوزیشن کھولی جاتی ہے۔ جب تک مخالف سگنل ظاہر نہیں ہوتا اس وقت تک پوزیشن کو برقرار رکھیں۔
اس حکمت عملی کا سب سے بڑا فائدہ بی ایم اے کے جدید حساب کتاب میں ہے۔ یہ بہتر ہموار اور عملی صلاحیت کے ساتھ حرکت پذیر اوسط کی طاقتوں کو بڑھا دیتا ہے۔ ای ایم اے اور ایس ایم اے کے مقابلے میں ، بی ایم اے حالیہ موم بتیوں کو زیادہ وزن دیتا ہے جبکہ زیادہ تاریخی معلومات کو برقرار رکھتا ہے۔ اس سے اسے رجحانات کو بہتر طور پر پکڑنے اور کم غلط سگنل پیدا کرنے کی اجازت ملتی ہے۔
اس کے علاوہ ، تیز اور سست بی ایم اے کمبو حرکت پذیر اوسط کے فوائد کا بھرپور استعمال کرتا ہے۔ یہ بہت زیادہ شور کو فلٹر کرتا ہے اور صرف رجحان موڑ کے مقامات پر سگنل تیار کرتا ہے۔ حکمت عملی خود کو سمجھنے اور لاگو کرنے میں آسان ہے ، جو درمیانی سے طویل مدتی تجارت کے لئے موزوں ہے۔
اس حکمت عملی کے اہم خطرات میں شامل ہیں:
تمام رجحانات کی پیروی کرنے والی حکمت عملیوں کی طرح ، جب رجحان الٹ جاتا ہے تو اس سے نقصانات ہوسکتے ہیں۔ حل اسٹاپ نقصان کی ترتیب یا بی ایم اے کو زیادہ حساس بنانے کے لئے پیرامیٹرز کو بہتر بناتے ہیں۔
بی ایم اے پیرامیٹر کی غلط ترتیب بھی حکمت عملی کی کارکردگی کو متاثر کرتی ہے۔ زیادہ حساس تیز بی ایم اے غلط سگنل پیدا کرسکتا ہے جبکہ پیچھے رہ جانے والی سست بی ایم اے رجحان کے مواقع سے محروم ہوسکتی ہے۔ پیرامیٹر کے بہترین امتزاج کو تلاش کرنے کے لئے وسیع پیمانے پر ٹیسٹ کی ضرورت ہے۔
اسٹریٹجی ڈیفالٹ طور پر مکمل پوزیشن کا استعمال کرتی ہے۔ ہر تجارت میں نقصان کی حد تک خطرے کی ترجیح کے مطابق پوزیشن کا سائز شامل کیا جاسکتا ہے۔
اصلاح کی اہم سمتیں بی ایم اے خود اور پیرامیٹر مجموعہ کی جانچ کر رہی ہیں۔
مدت کی ترتیب: زیادہ سے زیادہ مجموعہ تلاش کرنے کے لئے مختلف تیز رفتار بی ایم اے اور سست بی ایم اے ادوار کی جانچ کریں۔ عام طور پر تیز مدت 10-30 کے درمیان ہے ، سست مدت 20-60 کے درمیان ہے۔
بی ایم اے وزن: مختلف وزن کے منصوبوں کا تجربہ کریں ، جیسے نصف بائنومیل گتانک کو مکمل طور پر تقسیم کرنا یا حالیہ موم بتیوں پر زیادہ وزن لگانا۔ اس سے بی ایم اے کی ہمواریت میں مزید بہتری آسکتی ہے۔
غیر معقول سگنل سے بچنے کے لئے فلٹر حالات جیسے بریک آؤٹ اور بڑھتی ہوئی حجم شامل کی جاسکتی ہے۔
سٹاپ نقصان کے طریقہ کار اور پوزیشن سائزنگ کو بھی بہتر خطرات کو کنٹرول کرنے کے لئے ٹیسٹ کیا جا سکتا ہے.
یہ حکمت عملی سب سے پہلے منفرد بائنومیل موونگ ایوریج اشارے کی تجویز کرتی ہے۔ یہ موونگ ایوریج حساب کتاب کو بہتر بناتا ہے اور حکمت عملی کی مجموعی افادیت اور استحکام کو بہتر بناتا ہے۔ تیز اور سست بی ایم اے کے مابین کراس اوورز آسان لیکن موثر تجارتی سگنل پیدا کرتے ہیں۔ پیرامیٹر ہموار اور رسک کنٹرول پر مزید اصلاحات کی گنجائش باقی ہے۔ یہ ایک بہت ہی امید افزا رجحان کی پیروی کرنے والی حکمت عملی ہے۔
/*backtest start: 2022-12-07 00:00:00 end: 2023-12-07 00:00:00 period: 1d basePeriod: 1h 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/ // © HosseinDaftary //@version=4 strategy("Binomial Moving Average","BMA", overlay=true, margin_long=100, margin_short=100 ,max_bars_back=96) //Binomial Moving Average:This type of moving average that is made by myself and i did not see anywhere before uses the half of binomial cofficients for //averaging the prices for example if the period be 5 then we use the 9 degree binomial cofficients(that yields 10 cofficients) and use half of them. //we use 126/256 for last bar,84/256,36/256,9/256 and finally use 1/256 for 5th bar. Seemingly this MA works better than EMA. fa_ma=input(title='Fast MA',defval=10) sl_ma=input(title='Slow MA',defval=30) fac(n)=> fact=1 for i= 1 to n fact:=fact*i fact cof= array.new_float(sl_ma) hn_ma(price,length)=> sum=1.0 sum1=0.0 array.set(cof,length-1,1) for i=2 to length array.set(cof,length-i,fac(2*length-1)/(fac(i-1)*fac(2*length-i))) sum:=sum+array.get(cof,length-i) for i=0 to length-1 array.set(cof,i,array.get(cof,i)/sum) sum1:=sum1+array.get(cof,i)*price[i] sum1 hn1=plot(hn_ma(close,sl_ma) , color=#00ff00) hn2=plot(hn_ma(close,fa_ma) ,color=#ff0000) fill(hn1,hn2,color=hn_ma(close,fa_ma)>hn_ma(close,sl_ma)?color.green:color.red) longCondition = crossover(hn_ma(close, fa_ma), hn_ma(close, sl_ma)) if (longCondition) strategy.entry("Long", strategy.long) shortCondition = crossunder(hn_ma(close, fa_ma), hn_ma(close, sl_ma)) if (shortCondition) strategy.entry("Short", strategy.short)